文章作者、来源：铅笔道

亚马逊创始人杰夫·贝索斯秘密创办的AI公司Prometheus，刚刚完成120亿美元融资（约合人民币813亿元），公司估值达到410亿美元（约合人民币2950亿元）。

这也是2026年以来全球最大的AI融资之一。投资方包括摩根大通、贝莱德、高盛、DST Global等顶级金融机构。

Prometheus希望让AI能够像顶级工程师一样设计飞机发动机、医疗设备、汽车、电池、芯片甚至工厂生产线。

贝索斯公开表示，他们要把复杂工业产品开发速度提高10倍以上。

巨佬创业，起步62亿美元

Prometheus的融资速度，放在AI行业也很罕见。

公司创办于2025年，去年11月才被外界正式知晓，当时它已获得62亿美元早期资金，其中相当部分来自贝索斯本人。几个月后，媒体开始报道它正在完成一轮约100亿美元的新融资，估值约380亿美元。到6月11日，Prometheus公开披露的新口径变成：Series B融资120亿美元，估值约410亿美元。

Prometheus目前约有150名员工，总部位于旧金山，并在伦敦和苏黎世有团队。

为什么它能在短短时间估值冲到410亿美元？

第一个原因当然是贝索斯。

贝索斯不是普通创业者。他做过亚马逊，把电商、物流、云计算和企业管理系统做成了全球基础设施；他做Blue Origin，长期接触火箭、航天、制造和高端工程。这些经历让他很适合讲Prometheus这个故事：用AI改造复杂工业系统。

更关键的是，贝索斯不是只当投资人，而是担任联合CEO。对外界来说，这意味着他不是随手投一家公司，而是亲自下场。自从2021年卸任亚马逊CEO之后，贝索斯已经很少以CEO身份经营新公司。Prometheus是一个例外。

第二个原因是联合创始人Vik Bajaj。Bajaj不是传统互联网创业者，他有物理、化学和生命科学背景，曾在Google X、Verily、Grail等机构工作。Google X做的是前沿技术实验，Verily做生命科学，Grail做癌症早筛。这些经历和Prometheus要做的事情很接近：都不是纯软件，而是把AI、科学、工程和真实世界数据结合起来。

贝索斯这样的"巨佬"二次创业，不是他找钱，而是钱要看自己面子够不够，贝索斯收不收。

第三，更重要的是，Prometheus赶上了AI资本市场的新阶段。

过去两年，资金主要流向OpenAI、Anthropic、xAI等基础模型公司。投资人押注的是"谁能造出最强大脑"。现在，大模型能力不断外溢，资本开始寻找下一批高价值场景：代码、医疗、药物发现、机器人、自动驾驶、工业设计和制造。

Prometheus讲的正是这个故事：如果AI不只是回答问题，而是能参与设计一台发动机、一块芯片、一条生产线，那么它切入的就不是办公软件市场，而是全球工业研发体系。

随便吃下一块，都是万亿美元

工业AI市场太大。全球制造业、航空航天、汽车、半导体、医疗设备、消费电子、药物研发，每一个都是万亿美元级别的大市场。

它们共同的问题是：研发周期长、试错成本高、专家经验稀缺、数据分散在不同系统里。如果AI真的能让工程研发速度提高，哪怕只是提高一部分效率，也会产生巨大商业价值。

AI驱动的航空发动机设计仿真 来源：公开资料

Prometheus未来不一定只是卖软件。它可能有几种商业路径。

第一种，是做企业级AI工程平台，卖给大型制造企业，帮助它们做设计、仿真和研发管理。

第二种，是和航空、汽车、芯片、医疗设备公司做深度项目合作，按项目收费，帮客户缩短研发周期。第三种更重：它可能直接入股或收购一些制造企业，把AI放进这些企业的真实生产流程里，通过改造效率获得回报。

第三条路最重，但也最符合贝索斯的风格。亚马逊不是只做一个网站，而是做仓储、物流、云计算和广告；Blue Origin也不是只做火箭设计，而是做完整航天系统。Prometheus如果只做一个"工业AI软件"，想象空间有限；如果它能进入真实制造体系，掌握数据和场景，故事就大很多。

这也是为什么它需要这么多钱。

AI公司烧钱，一是烧算力，二是烧人才，三是烧数据。工业AI还多了一项：真实世界试验和工程验证。你不能只在电脑上生成一个方案，就说它能用。发动机要测试，医疗设备要验证，汽车零部件要跑耐久，芯片设计要流片，材料要做实验。这些都很贵。

巨头卡位物理AI

现在，资金正在寻找AI进入物理世界的路径。比如昨天，机器人公司Neura Robotics获得14亿美元融资。

英伟达Omniverse与Cosmos物理AI平台 来源：公开资料

但这条路也比办公AI难得多。

首先，工业数据难以获得。最有价值的数据往往是企业核心资产，涉及工艺秘密、供应链关系和安全责任，客户不会轻易交给外部AI公司。

其次，工业场景容错率低。聊天机器人可以改答案，工程系统不能随意"试错"。航空、医疗、汽车、半导体等行业都有严格认证和监管，AI生成的设计即使在仿真中表现良好，也必须经过漫长验证。

第三，工业流程高度碎片化。每家公司都有不同设备、软件、工艺和历史数据，AI产品很难像通用办公软件那样快速复制。

这也是Prometheus最值得观察的地方。它现在拥有资本、创始人声望和顶尖人才，但还没有向外界证明三件事：

第一，它能不能拿到足够高质量的工业数据；第二，它能不能把模型能力真正嵌入工程流程，而不是停留在演示层面；第三，它能不能找到可复制的商业模式，而不是每个客户都变成昂贵的咨询项目。

本文不构成任何投资建议。