NAVASTO 深度调研：把求解器的洞察左移到设计师工作台，Autodesk 用一次收购买下这个入口

执行摘要

NAVASTO GmbH 是 2014 年 12 月在柏林成立的工程软件公司，创始人为 Stefan Blume 与 Matthias Bauer（2005 年在柏林工业大学开始气动学博士研究）。公司做面向工程仿真的机器学习代理模型，早期为 NAVPACK API，现分为两个商业 SKU。Autodesk 于 2024 年 10 月 15 日宣布签署收购最终协议，12 月完成交割，产品线现名 Autodesk NavPack：NavPack Design 以插件形式运行在 Alias 内，NavPack Core 是训练与套用预测模型的 Python 工具包。

五件事框定了这个案子。

第一，技术主张是架构性的。 NavPack 直接在几何上学习，用图神经网络，并行使用点云 Transformer；接受 NURBS、SubD、mesh 或混合表示，且不要求 watertight 几何。最后一点是设计侧的关键标志：输入是设计师正在雕琢的曲面，不是为求解器准备好的封闭流形。

第二，官方立场是左移，不是替代。 AIF 2025 官方纪要记下 “This is not a solver”；2026 年网络研讨会 FAQ 正面回答：NavPack 替代 CFD 或 FEA 吗？否。Autodesk 的表述是 Predictive AI doesn’t replace simulation, it left-shifts engineering insight。

第三，证据强度不均。 公开记录中只有一组精度数字带完整实验条件（CDFAM 2024 的 DLR 研究车研究）；流传的 1.1% 误差、超过 98% 准确率、99% 准确率三个数字完全没有测试条件：没有分母、没有几何集合、没有说明是平均还是最大，也没有交代训练与评估是否严格隔离。

第四，自筹起步。 Matthias Bauer 在收购公告中写道 “we bootstrapped our way here”。可识别资金只有欧盟 H2020 公共资助与商业收入，无机构 VC 记录，也无估值记录。

第五，整合快于市场预期。 NavPack 2026 于 2025 年 12 月 GA，Autodesk 称过去 12 个月汽车 OEM 采用量翻倍；2026 年 10 月 GTC Berlin 宣布将接入 NVIDIA PhysicsNeMo 与 Warp，截至收集日尚未落地。

我们的判断：NavPack 是一项真实技术资产，建立在一个异常干净的建筑想法上；这次收购买的是工作流位置，而非求解器。 Autodesk 买到的是设计师桌面上的左移入口，连同十年积累的仿真工作流知识。反面同样清晰：交易金额未披露、收购前经营数据不可见、从未有独立财务报表；公开的每个精度主张都弱于支撑该技术的那一个严谨实验；专利护城河薄（已知专利为 2018 年申请、与图网络内核无明显关系的飞机导流体翼型）；对 NVIDIA 栈的依赖既是加速器也是稀释通道。

公司概览

NAVASTO 由 Stefan Blume（Managing Director）与 Matthias Bauer（CEO）于 2014 年 12 月在柏林以两人规模创立。起点是学术而非商业：2005 年两人在柏林工业大学开始气动学博士阶段的研究，该校气动学讲席自 2018 年起由 Prof. Julien Weiss 主持。Blume 博士毕业后加入 AUDI AG 方法开发团队，Bauer 则为 Airbus 做项目；两人于 2014 年重聚创业。注册地址为柏林 Reuchlinstrasse 10-11，位于柏林工业大学校园内，另在汉堡设有办公点。

公司与学术母体关系密切，但没有形式化的机构纽带。这条血缘可在文献中核实：2016 年 Aerospace 的一篇论文把 NAVASTO GmbH 列为第一单位，共同作者包含柏林工业大学航空航天系与 DLR 气流技术研究所。未找到任何公开来源证明存在冠名讲席或教席赞助——两者的关系体现为合著与人员流动，而非股权。

公司自筹起步、规模一直很小。2024 年一场会议演讲描述其组织已成长为约 20 名工程师、AI 科学家与程序员。LinkedIn 至今显示 11–50 人规模与 7,048 名关注者，法人实体 NAVASTO GmbH 仍注册存续，PitchBook 将其记为 Autodesk 的经营性子公司。

早期工程活动由欧盟 H2020 资助。DECOROUS 项目自 2016 年 6 月至 2019 年 5 月，总成本 €388,750，由欧盟全额出资，拨付在柏林工大一侧，因此不属于 NAVASTO 收入。SME-Inst 项目 InSoMa（资助协议 876160）自 2019 年 7 月至 12 月，总成本 €71,429，其中欧盟出资 €50,000，资助率 70%，NAVASTO 为协调方。InSoMa 的既定目标是为 NAVPACK 奠定基础：评估技术、法律与经济可行性，交付了对 ESI PAM-CRASH 求解器的接口（结构与碰撞域），产出一个在某汽车 OEM 真实用例上验证通过的代理模型优化应用，并确定了授权模式与定价策略。

公开的商业化里程碑集中在 2023 与 2024 年。2023 年 9 月 NAVASTO 与 SimScale 建立合作，SimScale 平台上线 AI 物理预测，NAVASTO 为模型供应方。2023 年 10 月宣布与美洲杯船队 INEOS Britannia 的创新合作，对方流体动力学负责人称他们的 CFD 需要准确、快速、可靠，而对方的工具三方面都满足。同月 NAVASTO 宣布与 ENGYS 战略合作，通过其全球网络分销软件套件。

收购时间线精确到日。Autodesk 于 2024 年 10 月 15 日宣布已签署收购 NAVASTO 的最终协议，描述该插件把风洞仿真带入早期创意设计流程，使设计师能够在外覆盖件气动上预测与优化阻力系数，降低在工程阶段推倒重来的可能。同一公告保留了标准的交割前风险提示：收购尚未完成，双方在此之前仍作为独立公司运营。Stefan Blume 在 Autodesk University 2025 课程页上称交割发生在 12 月。交易金额从未披露，Autodesk 自己的材料中没有出现卖方财务顾问；专业媒体报道称该交易由 Pava Partners 代表 NAVASTO 股东方提供财务顾问服务。

整合按 Autodesk 的节奏推进。AU 2024 上公司称插件将在该年第四季度向部分客户开放，并在 Alias 2025 版本中与 Form Explorer 一道广泛可用。Alias 2026.1 帮助文档现已包含 NavPack Design 的正式介绍页；Alias 2027 新功能列表中仍保留 “Navasto Plugin for Alias” 这一名称，描述为把 AI 驱动的气动洞察带入设计，实现实时气流与阻力评估。品牌迁移了，法人实体没有消失：公司 LinkedIn 页面已更名为 Autodesk NavPack，NavPack 2026 被介绍为「完全整合的 Autodesk 产品」；NAVASTO 这一名字在产品页学习栏目、课程讲者「NAVASTO 联合创始人」的自称与 Alias 2027 功能名三处保留。

技术分析

NavPack 跑在一条三阶段管道上，前面还加了一道刻意的预检查。在动任何数据之前，团队先问四个问题：已有哪些仿真结果（CFD / 结构 / 热）；有多少变体（几十、几百、几千）；模型必须学习哪几种几何表示（NURBS、SubD、mesh 还是混合）；谁会用这个模型（设计师 / 工程师 / 两者）。约束被明确写出：NavPack 模型不要求 watertight 几何，只要求训练样本与待评估几何的表示方式一致。这一条设计决定，正是产品能被放进造型环境而不只是分析环境的原因。

预处理阶段从工程环境收集仿真结果，单案例体量常达数十至数百 GB，转换为高效的「快照」格式；geometry-transfer 工具确保仿真输出可映射到 Alias 使用的几何类型，2019 年 CORDIS 记录的产品早期形态已包含对 ESI PAM-CRASH 的接口。模型训练通过 NavPack 的 Python API 或浏览器工具进行，工程师在其中优化 loss、调超参、验证精度，官方工作流顺序是预处理 → 模型训练 → 超参优化 → 用模型做预测。推理与部署是延迟主张的所在：训练好的模型在笔记本上以秒级运行，接入点包括 Alias 内的 NavPack Design、ParaView、Blender、Python 工作流，以及 Ansa 等工具中的定制集成（AIF 2025 时处于 Beta）。官方学习资源为三项：Jakob Lohse 主讲的 40 分 49 秒《Training graph neural networks for CFD》webinar、Matthias Bauer 的 AI 加速工程播客，以及一段关于 AI 在工程中角色的短访谈。

建模路线从参数化机器学习演进到直接几何学习。Autodesk 对这一进程的表述很明确：GNN 让 NavPack 能直接作用于复杂 3D 几何，赋予设计师 push/pull/sculpt/refine 的完全自由度，不受预设参数约束。2024 年会议材料补充：除 GNN 外还使用 Point Cloud Transformer，输入可为非参数化几何形状。2026 年官方材料补充：几何深度学习架构正是实现自由曲面操作、从而支撑早期设计的关键。

不确定性量化跑在两套机制上，因为它们回答的是不同问题。第一套是全局域判定：把新几何与其边界条件同训练数据覆盖域作比较，判断属于插值还是外推，并展示置信度值；只有置信度达标才建议直接使用。演示中，车顶高度渐变的形体「看起来像正常车」仍在训练域内，而类似平板车/厢式车的形体则落在域外。第二套是局部场级不确定性估计：由多头网络与深度集成产生，以颜色图渲染，红 = 模型认为自身不确定，蓝 = 确定。公开的校准验证方式很直接——对案例跑真实物理仿真，用真实结果减预测得到实际误差场，再与不确定性图对比，官方称二者「correlate very well」。术语在 2026 年 1 月定型：官方 FAQ 引入 “surface uncertainty”，指高亮那些落在训练域之外、预测可能不可靠的区域，并给出「何时需要追加仿真」的指引。

所有这些的边界条件由公司自己写明。AIF 2025 纪要记录了那句红线：“This is not a solver. The AI model will work on what it was trained to do, but it can’t solve every problem, and it’s not going to replace simulation.” 创始人对外推的说法更直接，称外推「肯定有运气的成分」；同一场演讲也坦承了这个取舍：团队是在用 AI 模型的速度换掉第一性原理工具的普适性。物理域覆盖上，Autodesk 提到 CFD、碰撞、热与耐久，以及任何「几何可与性能挂钩」的领域；2026 年 FAQ 明确点名 CFD 与 FEA。

延迟数据来自 2024 年一场会议演讲，之所以值得保留，正是因为它带着条件。GPU CFD 求解器给出的 ground truth 每次约 8 小时。改几何 → 点击 → 出结果的交互流程约 2 秒。完整气动流场推理 70 毫秒/帧，这正是演示中那台 F1 赛车视频的逐帧更新率。碰撞盒约 20 毫秒/时间步，整车碰撞约 20 毫秒/帧，而传统碰撞仿真的对比基准是数小时。结构分析被描述为「快到无法测量」，达实时级。涉及的几何规模约为 100 万至 200 万个节点或几何点，另有公司帖把 12 小时的 CFD 计算与 20 毫秒的 AI 预测并置。

数据需求是中等量级，公司也照实说了。通用起点是 50–100 个工程仿真样本；演示案例用约 350 个样本训练了一个气动 GNN，这一数字由 2023 年 NAFEMS 摘要（「A Graph Neural Network trained on 350 samples of car shapes」）交叉印证。迁移学习是经济性真正成立的地方：加入约 20 个新样本即可适配新车车型，同时保留对原 DLR 车及两者之间设计空间的预测能力，已发表的案例涉及有/无尾翼的 DrivAer 派生形体与一辆 Volkswagen Jetta。官方 FAQ 给出上限：简单变化可能只需小数据集，复杂几何与细粒度变化可能需要数百到数千次仿真。

精度证据必须仔细读，因为公开可得的表述里只有一个是实验。CDFAM 2024 的协议是完整的：DLR 欧洲研究车，500 次 CFD 仿真，约 350 次用于训练、约 150 次在模型从未见过的几何上做验证，目标量为阻力系数，ground truth 由 GPU CFD 求解器产生、单次约 8 小时。报告的结果是：绝对误差与第一性原理仿真自身的误差处于同一数量级，且预测点落在 ground truth 对角线上。这在设定正确的场景里是一个强结果，但边界很窄。官方定性口径是预测与 CFD 的差异落在仿真自身的噪声水平内，尾流切片、面内速度与阻力曲线被称为 “near-identical”。没有测试条件的三个数字是 1.1% 误差、超过 98% 准确率与 99% 准确率：第一个只出现在对 NAVASTO 官网的第三方转述中、Autodesk 从未复述，另两个分别出自一名 Autodesk 员工的帖子与 SimScale 的合作发布。

生成式一侧延伸的是同一条闭环：生成路径提出新的几何变体并立即由预测模型打分，团队明确指出无约束优化会收敛到没人想要的「水滴状」形状。官方推荐的节奏是「生成 → 预测 → 精修 → 重复」，Autodesk 把一整轮设计-评估-精修描述为「一个午饭时间」内可完成。Alias 内的 sensitivity map 回答三个问题：哪些区域主导阻力或升力、哪里推拉曲面效果最大、设计决策如何传导到性能结果；官方建议寻找一个同时满足品牌识别、气动、包装、可制造性与成本的有利区域，而非单一最优点。

产品与商业化

产品矩阵是两个 SKU 加清晰的分工。NavPack Core 是用于训练与套用预测模型、做实时仿真与分析的软件工具包，定位为 Python API；NavPack Design 是把近实时性能预测与设计优化接入设计流程的交互式设计工具，定位为 Alias 插件。Design 可加载训练好的模型、选择几何，并把压力场、关键性能指标与 sensitivity map 等模型输出叠加到曲面模型上。Core 的系统要求为 Python 3.10–3.12（需 venv 模块）、Linux 或 Windows、GPU 加速机器学习需 CUDA 11.8 及以上。

定价对一个 SKU 公开、对另一个刻意封闭。Autodesk Store 美国站列出 NavPack Design $3,155/年（1 年期），中国站列出 NavPack 设计 ¥6,773/年；NavPack Core 标注为 “Contact Autodesk for pricing”。作为参照，Alias Concept 起价 $460/月，Inventor $2,585/年，AutoCAD $2,095/年，Navisworks Simulate $1,145/年。许可模式是网络订阅 + 浮动许可，不需要分配到具体用户、不需要登录。一处运营细节是关于过渡状态的一手证据：购买页写明「软件下载继续通过收购前的系统提供，直至 NavPack 完全并入 Autodesk 组合」，2025 年时这一措辞仍在。Autodesk 另提供 NavPack Onboarding Service 用于缩短 ramp-up。

分销沿四条渠道展开：Autodesk 全球渠道、ENGYS（通过 HELYX 与 ELEMENTS 覆盖 CFD）、SimScale 平台，以及 Rescale。收购前的渠道关系有 NAVASTO 侧口径，SimScale 与 ENGYS 均为 2023 年；收购后这些关系的存续状态没有公开披露，ENGYS 尤其自 2023 年协议后没有任何后续更新。

客户名单必须按时间分层来读。当前官方名单来自 2025 年 12 月 8 日 NavPack 2026 GA 公告：GM、Audi、Volkswagen、Seat、Lamborghini。Autodesk 2024 年 12 月的 “Welcome NAVASTO” 点名 VW、Audi、GM 与 Airbus，NAVASTO 的 LinkedIn 页面则留有更早一行写着 Airbus、AUDI、Volkswagen 与 MAN。因此 Airbus 与 MAN 属于 2014–2019 的早期客户，已不在当前名单中。具名项目更具体：GM Motorsports 用它评估赛车几何的细微气动调整，被称大幅缩短了赛季开发期的迭代时间；Audi 用 AI 驱动的 sensitivity map 配合快速阻力预测指导曲面优化；Bentley 出现在 2026 年 10 月 Autodesk 新闻的配图说明中；INEOS Britannia 仍是具名伙伴并有公开证言。关于 F1，2024 年材料把 NavPack 描述为 AI 加速工程在多家 F1 车队中的首选方案。

Autodesk 公开过的最有用的采用率指标是定性的但很具体：NavPack 在汽车 OEM 中的采用量过去 12 个月翻倍，出自 2025 年 12 月的 GA 公告，且没有给出绝对数量。汽车之外，产品页提到若干工业仿真用户，包括一家印度工程咨询公司训练的阀门代理模型，流体域还通过船体案例延伸到水动力学。

收购后的势头是整个故事里最强的部分。2025 年 11 月 19 日 AIF 2025 做了两场演讲，一场是 Bauer 讲 AI 加速设计与工程，一场是 Lohse 的深度解析，Autodesk 发布了详细纪要。2025 年 11 月 27 日另有一篇博文讲透左移的三个条件——集成进设计工具、直观可视化、面向设计师的教育——并重申 confidence indicator 与 uncertainty visualisation。2025 年 12 月 8 日 NavPack 2026 正式 GA。2026 年 1 月 29 日的 Alias + VRED + NavPack 联合网络研讨会定型了 surface uncertainty 术语，并明确声明 NavPack 不替代 CFD/FEA。2026 年 10 月 21 日，在 GTC Berlin 上 Autodesk 宣布 NavPack 将接入 NVIDIA PhysicsNeMo 与 NVIDIA Warp，扩展模型架构与 GPU 加速工作流。截至收集日，该集成为「已宣布未落地」，且未公布时间表。

竞争格局

NavPack 竞争的是「工程洞察在哪里被呈现出来」这一层，因此比较对象更适合沿这条线而不是沿厂商名单来划。

PhysicsX 是 AI 原生的大物理模型公司，2026 年完成 3 亿美元 C 轮，由 Temasek 领投，Atomico、General Catalyst、NVIDIA、M&G 与 Intrepid Growth Partners 跟投，据媒体报道估值 24 亿美元，团队从约 150 人扩至 300 人以上；其主张是 AI 原生架构，而非在既有求解器外挂 AI。Neural Concept 是 EPFL 孵化公司，2025 年 12 月完成 1 亿美元 C 轮，由 Goldman Sachs Alternatives Growth Equity 领投，自称拥有 50 余家全球客户、企业营收 18 个月增长四倍，定位是 CAD 原生的物理感知 AI 平台。Luminary Cloud 是云原生 GPU 多物理场平台，2025 年 B 轮 7200 万美元，并发布了面向 SUV 气动的工业级基础模型。SimScale 总部慕尼黑，公开融资超 2700 万欧元，其 AI 能力自 2023 年起由 NAVASTO 驱动，因此既是分销伙伴也是底层模型的使用方。Emmi AI 在公开记录中只以二手盘点文章里的一句话出现过，没有可比的公开技术或客户细节。本站已覆盖的厂商中，中国的 CAE 公司云道智能以自有求解器内核与统一 GPU 多物理场架构形成差异，Prometheus、Vinci、Mistral AI 与 World Labs 又各处于不同环节。上述任何一家都不具备 NavPack 这一具体组合。

差异组合有四点。其一是几何处理的设计侧原生：支持 NURBS、SubD、mesh 与混合表示，且不要求 watertight，这与「假定已有可分析网格」的平台起点不同。其二是部署点在设计师自己的 CAD 环境内（Alias），而非要求设计师去咨询一个独立的分析应用。其三是不确定性处理面向设计师受众：surface uncertainty 与 confidence indicator 被定义为「何时该追加仿真」的指引，而不是留给专家自己解读的置信区间。其四是分销走的是拥有全球装机量的厂商，另有三条第三方通道并列。

挑战同样具体。PhysicsX 与 Neural Concept 是不依赖 CAD 厂商的独立平台，二者面向同一个企业工程预算，且披露资本远高于 NAVASTO 历史上拿到的任何金额；若客户要的是「AI 原生环境」而不是「嵌在既有 CAD 席位里的预测」，NavPack 争的就是另一条预算线。与 SimScale、ENGYS、Rescale 的渠道关系仅有 NAVASTO 侧口径，收购后状态不明。而宣布的 NVIDIA 依赖是双刃的：PhysicsNeMo 与 Warp 扩展了模型架构能力，同一生态内也包含可能吸收掉部分 NavPack 功能的原生工具。

融资

NAVASTO 是自筹起步的，创始人说得直接。在收购公告中 Matthias Bauer 写道：“Second, because we bootstrapped our way here. Getting paid for what you do, more than it costs, is one of the best signs you’re on the right track.” 这是关于资本结构最直接、也最权威的证据，且与「查不到任何机构风险投资记录」这一事实相互印证。

可识别的资金只有公共资助与商业收入。H2020 层面，SME-Inst 项目 InSoMa 记录总成本 €71,429、欧盟出资 €50,000，NAVASTO 为协调方；DECOROUS 记录 €388,750 由欧盟全额出资，拨付在柏林工大一侧，因此不属于 NAVASTO 收入。商业收入从未公开量化，尽管 CORDIS 记录了授权加售后服务的商业意图。

数据库口径则不同。PitchBook 对 NAVASTO 记录「Financing Rounds 4」，员工数 18，被收购日 2024 年 10 月 17 日。最一致的解读是：该数字把非股权资金（两笔欧盟资助，可能还有其他资助或二级流入）计入了融资轮次，而非股权风险轮次。Crunchbase 把 European Union 列在「涉及本公司的机构」中，那是公共资助而非 VC 投资方；其 Recent Events 栏是未填充的占位符（“Raised Funding Round / Jan 1, 1970 / Lorem ipsum dolor sit amet”），整段不可作为融资证据，同一页还隐藏了成立年份。对 BMW i Ventures、Porsche Ventures、High-Tech Gründerfonds、HTGF 已公开组合的检索均无 NAVASTO。估值、累计融资额与债务融资均未披露。 流传的唯一营收数字（100 万–500 万美元）来自一家联系方式数据库，其自身标注为基于行业分析的估算而非披露值。就交易本身而言，金额、对价形式与任何对赌安排均未披露。

DISCREPANCIES

共识别并裁定 6 项冲突。

1. 收购时间。 Autodesk 新闻室给出的签署最终协议日期是 2024 年 10 月 15 日；PitchBook 记被收购日为 2024 年 10 月 17 日；Stefan Blume 在 Autodesk University 2025 课程页上称收购完成于 12 月；另有至少一个自动生成页面声称 2025 年。裁定：2024 年 10 月 15 日宣布，2024 年 12 月完成交割。 PitchBook 的日期相差两天，属用宣布日近似填充字段的数据库惯例；2025 年的说法与一手源冲突，不予采用。

2. 创始团队。 一致的公开口径是 Stefan Blume（Managing Director）与 Matthias Bauer（CEO、联合创始人）。第三个名字 Paul Buskirk 在任何来源中都不存在，最可能是与别处同名人物的混淆。柏林工大空气动力学讲席负责人 Julien Weiss 与公司有合著与人员流动关系，但并非创始人。裁定：只采用 Blume 与 Bauer；无来源的名字删除，TU Berlin 讲席负责人按学术合作方而非创始人描述。

3. 精度数字。 公开流传六个口径：对 NAVASTO 官网的第三方转述给出 1.1% 误差；Autodesk 员工帖子给出超过 98% 准确率；SimScale 合作发布给出 99% 准确率；官方定性口径称与仿真自身噪声水平内一致；CDFAM 2024 的完整实验结果；以及 2026 年官方博客重复的同一份定性口径。裁定：三个数字均属营销口径、缺乏测试条件，仅在标注该限制的前提下引用；可用证据是 CDFAM 2024 的实验结果与官方定性口径。 需注意三个数字在量级上彼此自洽（1.1% 误差约等于 98.9% 准确率），这使它们互相旁证而非各自独立可验。

4. 客户名单。 NAVASTO 时期官网列出 GM、Lamborghini、Audi、Volkswagen、Airbus、Seat 以及一家音译为「Damco」的公司；LinkedIn 页面列出 Airbus、AUDI、Volkswagen、MAN；2025 年 12 月 Autodesk 公告列出 GM、Audi、Volkswagen、Seat、Lamborghini；2024 年 Autodesk 博文列出 VW、Audi、GM、Airbus。裁定：Airbus 与 MAN 是 2014–2019 的早期客户，不在当前名单中；「Damco」无任何一手来源，删除，最可能的原义是 MAN；当前名单采用 GM、Audi、Volkswagen、Seat、Lamborghini，具名项目案例为 GM Motorsports、Audi、Bentley、INEOS Britannia 与多家 F1 车队。

5. 融资记录。 创始人「we bootstrapped our way here」的一手表述与查无风险投资记录，与 PitchBook 的「4 轮融资」及 Crunchbase 投资方栏中的 European Union 直接冲突。裁定：自筹起步，无外部 VC。 PitchBook 的计数把公共与资助资金计作融资轮次；Crunchbase 的投资方条目是公共资助；Crunchbase 的 Recent Events 是未填充的占位符，整段不可用。

6. 品牌。 三条陈述并存：产品与公司页面以 Autodesk NavPack 为品牌；Alias 2027 的功能名是 “Navasto Plugin for Alias”；法人实体 NAVASTO GmbH 依然存续并保留柏林与汉堡原址。裁定：三者同时成立。对外产品品牌为 Autodesk NavPack，NAVASTO 法人实体与部分插件命名保留。

风险与尽调缺口

交易与财务完全不可见。 没有任何来源披露交易金额，Autodesk 已公布的财报中也没有可据以倒推的 NAVASTO 对价分项或商誉说明。收购前的营收、毛利、亏损与现金状况从未披露，流传的唯一营收数字明确标注为联系方式数据库的估算。是否存在对赌或创始人留任条款未知。实体是否仍作为独立业务单元运营、抑或并入汽车设计事业部，也没有一手陈述。

公开记录中的每一个精度主张都缺测试条件。 1.1%、98%、99% 三个数字没有分母、没有几何集合、没有说明是平均值还是最大值，也没有交代训练与评估数据是否严格隔离。官方「与仿真自身噪声水平一致」的表述没有 RMSE、没有相关系数、没有不确定度带。对一个以精度为卖点的产品而言，这是公开记录中最大的缺口。

不确定性量化是功能描述而非方法。 集成方式是深度集成、多头网络还是 MC dropout，校准方法是什么，插值/外推判定用的是何种距离度量，置信度阈值的实际含义为何，均未公开。创始人已承认外推「有运气成分」，但没有量化失效边界。

NavPack Core 无公开定价。 “Contact Autodesk for pricing” 意味着单位经济与毛利无法从公开信息评估，面向设计师的 SKU 与面向工程师的 SKU 之间也无法做价格与价值的比较。

专利护城河薄。 已知专利族是带流体激励器的飞机导流体内体，首次申请于 2018 年 9 月，另有一家数据库只记录一份文档。业务实际所依赖的机器学习与图网络内核未见专利保护。真正保护业务的是数据、工作流嵌入与品牌，而这三者在原则上都可被拥有同等分销触达的竞争者复制。

第三方渠道在收购后的存续状态未知。 SimScale 在 2026 年 6 月仍自称与 NAVASTO 合作，而 2023 年的 ENGYS 协议没有任何后续更新。若 NavPack Core 已是 Autodesk 的一方产品，与这些经销商与平台伙伴的关系就存在潜在的渠道冲突——这是一个值得追问的假设，而非有来源支撑的结论。

2025 年 2 月 Autodesk 的重组对本团队是个未解问题。 Autodesk 报告 2025 年 2 月的一次重组涉及约 9% 员工、约 1,350 人。是否波及原 NAVASTO 团队没有公开信息。小体量收购后的团队留存是标准尽调问题，而这里交割后的团队人数自 2024 年 12 月起就没有更新过。

对 NVIDIA 生态的依赖既加速也稀释。 2026 年 10 月 21 日宣布的 PhysicsNeMo 与 Warp 集成扩展了模型架构与 GPU 工作流，同时也把部分路线图放进了第三方栈里——同一生态内的原生工具可以吸收部分同类功能。

独立平台正在挤压「嵌入 CAD」这个位置。 已融资 3 亿美元、据媒体报道估值 24 亿美元的 PhysicsX，以及融资 1 亿美元、自称 50 余家企业客户的 Neural Concept，都不依赖 CAD 厂商销售，却在与 NavPack 争同一个工程预算，披露资源远大于后者。

文档比营销薄。 NavPack 2026、Alias 2026.1 与 Alias 2027 的详细 release notes 基本缺失，除 Alias 插件介绍外的 NavPack 主文档不公开，图网络架构没有实现级公开描述，早期的 NAVPACK API 与命令行工具维护状态不明。宣布的 NVIDIA 集成在收集日尚未落地，也没有时间表。

综合评分

• 技术 7.5。 直接几何学习（图神经网络 + 点云 Transformer），支持 NURBS、SubD、mesh 与混合表示，设计侧不要求 watertight 输入，完整三阶段管道且前置检查清单齐备，两套互补的不确定性机制（含场级集成估计），官方明确写出模型的能力边界，一个条件完整的 CFD 验证（500 次仿真，误差与参考求解器自身误差同数量级），部署面覆盖 Alias、ParaView、Blender、Python 与 Ansa。扣分项：图网络架构无实现级公开细节、不确定性图缺少已公布的校准协议、所有头条精度数字缺测试条件。
• 商业化 6.5。 完全整合的产品与两个 SKU，设计师侧 SKU 在美中两国商店均有公开标价，有 onboarding 服务与三条额外分销通道，GM Motorsports、Audi、Bentley、INEOS Britannia 与多家 F1 车队的具名生产部署，以及官方口径的「OEM 采用量 12 个月翻倍」。扣分项：无任何绝对客户数、营收、留存或服务使用量数据，核心 SKU 定价封闭，部分客户关系只出现在配图说明而非叙述正文。
• 融资 4.5。 这里的「强项」其实是一种结构事实：公司靠授权与服务的商业收入、以及两笔欧盟 H2020 公共资助走到了被收购，且创始人本人确认自筹起步——对一家德国仿真领域深科技公司而言，这本身是真实成就。扣分项：无估值披露、无交易金额披露、无累计融资额披露、无收购前营收披露，结果是外部读者无法为这项资产定价。
• 产品成熟度 7.0。 清晰的两 SKU 矩阵（面向设计师的插件 + 面向工程师的 Python 工具包），生成式与预测式组合成单一闭环并有明确命名节奏，sensitivity map 与 surface uncertainty 被提升为一等公民产品概念，覆盖 Alias、VRED、ParaView、Blender 与 Python 的广泛集成，以及 2026 年 GA 版本。扣分项：功能文档基本停留在营销层、部分工具集成仍是 Beta、NAVPACK API 与命令行工具的延续性未确认、宣布的 NVIDIA 集成尚未落地。
• 市场位置 6.0。 一个站得住的利基：设计侧几何处理、嵌入主流汽车造型环境、面向设计师的不确定性词汇、全球渠道分销，以及来自赛车、豪华车与美洲杯的真实产业证据。扣分项：收购时技术组织仅约 20 人、集中于汽车而产品宣称的其他领域可见渗透有限、无任何公开市场份额，以及有充足资本的独立平台瞄准同一买家。

参考资料

1. Autodesk News《Autodesk AI strengthens Fusion and Alias》，2024-10-15，收购公告、阻力系数描述与交割前风险提示
2. Autodesk Design Studio 博客《Welcome NAVASTO》，2024-12-10，早期客户名单与产品定位
3. Autodesk Design Studio 博客《AIF 2025: How NavPack Brings Engineering Intelligence into Alias》，2025-11-19，双演讲纪要、“This is not a solver”、管道、sensitivity map 与官方要点
4. Autodesk Design Studio 博客《Left-shifting in automotive design》，2025-11-27，左移三条件、confidence indicator 与 uncertainty visualisation
5. Autodesk Design Studio 博客《Physics AI for collaboration: Autodesk NavPack 2026》，2025-12-08，GA、OEM 采用量 12 个月翻倍、当前客户名单
6. Autodesk Design Studio 博客《Design smarter cars faster》，2026-01-29，surface uncertainty 术语、是否替代 CFD/FEA 的 FAQ 与数据量指引
7. Autodesk News《Autodesk and NVIDIA accelerate engineering feedback loop》，2026-10-21，PhysicsNeMo 与 Warp 集成计划与 Bentley 客户配图说明
8. Autodesk NavPack 产品总览页、购买页与系统要求页，及 Autodesk Store 与中国站商店：Core/Design 定义、许可模型、收购前下载通道、$3,155 与 ¥6,773 定价
9. Autodesk Alias 新功能列表与 Alias 2026.1 帮助文档：“Navasto Plugin for Alias” 功能名与 NavPack Design 插件介绍
10. CDFAM 2024 NAVASTO 演讲实录：DLR 研究车协议（500 次仿真、350 训练 / 150 验证、8 小时 ground truth）、70 毫秒与 20 毫秒延迟、两套不确定性机制、数据量与迁移学习
11. NAFEMS AIML 2023 演讲摘要：训练于 350 个车形样本的 GNN，交叉印证样本量
12. EU CORDIS InSoMa（GA 876160）factsheet 与 periodic report：欧盟出资 €50,000 / 总成本 €71,429、ESI PAM-CRASH 接口、OEM 验证案例与授权及定价决策
13. Matthias Bauer LinkedIn 收购公告帖，含 “we bootstrapped our way here” 表述
14. ENGYS 2023-10-30 新闻稿与 INEOS Britannia 2023-10-19 合作公告，分销协议与客户证言

本报告基于公开信息整理，仅供参考，不构成任何投资建议。数据截至 2026 年 10 月 22 日，请以公司公告与定期报告为准。