“传统工业软件太难用了。”

这是Orthogonal的创始人吉洋和他身边一大批工业界同行的共同感受。

“AI时代，软件开发已经可以用Cursor做vibe coding了，而硬件设计还停留在原始社会”吉洋在接受硬氪采访时表示，达索、ANSYS等巨头构建的，是一个由高昂授权费和极陡学习曲线砌成的“高墙”，Orthogonal想做的，是把“vibe”的方式带入硬件开发。

Orthogonal创始人吉洋曾在德国宇航局（DLR）及工业界深耕了近二十年，参与过达索系统仿真工具核心功能的研发，领导了空客A350宽体客机电气系统的研发，并在库卡、宝马、西门子高速列车、中国商飞、华为、中国航空发动机集团等全球知名企业的合作项目中担任过领导或关键角色。2023年因其在科研和创业领域的贡献，被慕尼黑工业大学授予“TUM Ambassador”荣誉称号。

在他看来，AI带来的不仅是简单的效率提升，更是一次重构工业软件范式的机会，传统工具的复杂性已经成为行业发展的瓶颈。

“AI时代的智能硬件公司，其规模正在变得越来越小，一个人往往需要同时掌握多个领域的技能。对于95%有创新需求的中小企业以及个人爱好者来说，传统的工业软件根本用不起、也不会用。而ODE正在做的，就是AI时代的‘达索’——但它服务的不再只是顶尖工程师，而是每一个想造东西的人。”吉洋表示。

Orthogonal的核心产品ODE（Orthogonal Design Engineering），是一个AI Native的云端硬件开发平台，它将工业设计、结构分析、热仿真、电路设计、3D打印直至加工制造的整个硬件开发全流程，整合进同一个平台。用户不再需要在多个工具之间切换，也不需要具备深厚的工程背景，而是可以通过自然语言直接表达需求，由AI自动拆解工程逻辑，进行建模、仿真和迭代优化，从而完成复杂硬件产品的开发。

使用自然语言设计四足机器人demo（图源/企业）

ODE的关键不是“用AI生成模型”，而是让AI真正“理解”底层工程逻辑。

架构上，ODE底层连接大语言模型，但更核心的，是其背后的多物理场数据引擎与计算引擎——这与传统工业软件所使用的是同一类底层能力。区别在于，过去是工程师手动写方程、建模型，现在是AI理解这些物理方程，并自动生成和调用。

其底层的多物理场统一建模语言与求解器，源于DLR及达索系统等巨头所遵循的同一套技术规范。Orthogonal团队用云原生架构对其进行了重构与深度优化。这使得ODE在诸多核心仿真任务上的的性能已达到甚至超越传统顶级工具的5-10倍。

“用户只需给出‘帮我设计一个高速电机’的prompt，系统就可以自动生成对应的数学模型、结构模型，并进一步模拟其运行状态，比如温度分布、转子行为等。”吉洋介绍称。

为确保生成的模型在物理层面可解，ODE同时提供两套操作界面，一套是AI交互界面，一套是工程师调试界面，这意味着，即使AI出现偏差，工程师依然可以接管、校正，保证结果的可靠性。

自然语言设计可回收火箭demo（图源/企业）

商业模式上，传统工业软件通常采用高价License模式，授权费动辄数万美元一年，而Orthogonal的基础订阅价格门槛很低，后续将通过实际使用消耗的token和算力收费。吉洋表示，AI时代的软件本质上不再是“卖工具”，而是“卖结果”和“交付能力”。而这种模式对于传统厂商来说意味着既有商业逻辑的颠覆，也构成了其转型的巨大阻力。

在ODE尚未完全成熟时，就有德国、美国等地的高校将其引入教学。2025年10月正式上线以来，ODE在几乎零市场推广的情况下，已积累40至50个标志性客户。早期客户主要来自欧洲，其中不仅有欧洲宇航局（ESA）、德国宇航局（DLR）、德国大众等知名机构，也有布勒电机（Bühler Motor）、盖米集团（Gemü）等隐形冠军。

吉洋表示，未来一到两年内，Orthogonal希望打通从设计到制造的完整链路，并进一步强化AI Agent的能力，使其可以自动调用各类工具，完成复杂硬件产品的完整开发流程。理想状态下，用户只需要在一个对话中提出需求，系统即可自动完成从概念设计到产品落地的全过程。

融资方面，据了解，Orthogonal天使轮由风物资本投资，线性资本与云启资本参与了后续轮次投资。多维资本担任新一轮融资独家财务顾问。