3月18日消息,国产半导体CIM龙头「赛美特」宣布已于近期完成数亿元C+轮融资,本轮融资由成都策源资本领投,允泰资本、申万宏源、蓝海洋基金、兴业银行等跟投。融资资金主要用于产研投入和人才储备,并加速海外市场拓展,推动国产智能制造软件解决方案走进更多世界工厂。
值得一提的是,在资本市场持续低迷的大环境下,再次获得数亿元融资彰显出赛美特在国产半导体CIM领域的技术优势与巨大价值,也体现出投资方看好赛美特的发展前景,持续加码的信心。
完成C+轮融资后,赛美特手握近10亿现金,再加上企业主营业务收入逐年增长,持续盈利,产品市场份额大幅度提升。赛美特已正式启动上市流程,并完成了上海证监局的上市辅导备案流程。
「六边形」全能企业,海外布局实现跨越式发展
作为国产半导体CIM领航者,赛美特走出了一条不同寻常的发展之路。以完善产品矩阵、提升服务能力为首要原则,公司持续吸纳优秀团队,打磨国产半导体全自动化CIM解决方案。
2023年,赛美特整合推出软件主品牌PlantU系列(Plant to You 为您打造智能工厂),产品覆盖经营管理、生产管理、品质管理、排程规划、物流自动化、设备自动化、通用工具等,CIM解决方案矩阵实现了进一步的完善与升级。
国内市场取得显著成绩的同时,赛美特在海外市场也实现了跨越式发展,业务覆盖新加坡、马来西亚、日本、东南亚等多个国家和地区,产品获得了广泛认可。
得益于前瞻的商业发展模式,赛美特已发展成为“六边形”全能企业,在“产品、技术、团队、案例、盈利、估值”层面遥遥领先行业。凭借亮眼的成绩,赛美特得到投资者的信任和看好,不断得到“增持”。
扩大行业领先优势,服务中国智造
本轮融资后,赛美特将持续加强产品布局,进一步夯实技术壁垒,完善PlantU产品线,从工序优化、品质分析、物流自动化等方面升级全自动化CIM解决方案,满足客户快速增长的需求。同时,赛美特仍将吸纳更多优秀团队和行业高端人才,实现多元化、多产品线覆盖。
另一方面,加速国际化布局也是赛美特下一步的工作重心。未来,赛美特将整合利用各方资源,进一步拓展海外市场,为更多世界工厂带来更卓越的智能制造解决方案。
国产工业软件的突围之路注定会是荆棘满布,因此需要更多“志同道合”的伙伴们并肩奔赴。赛美特希望保护市场有序良性竞争,产品力才是维持竞争优势的核心,也是为客户提供更好服务的保障。赛美特希望和友商携手合作,为中国的工业软件做强做大共同奋斗。
凭借过硬的综合实力,赛美特在资本市场备受青睐。每一轮的融资,都助推赛美特在产品、团队、服务及业务布局等维度更上一层楼。赛美特董事长兼CEO李钢江表示:“未来,我们将继续聚焦国产智能制造软件解决方案,坚持核心技术创新,保持产品与客户需求的深度结合,以行动践行【软件成就智造】的初心,将赛美特打造成平台化工业软件企业。”
本轮融资领投方策源资本表示,赛美特是目前国产半导体CIM厂商中技术人员最多、产品线最完善、12吋产线案例最丰富的国产系统软件提供商,打破了相关技术封锁,加速了国产替代进程。赛美特自研的CIM解决方案已在多家12吋晶圆厂得到了验证,协助12吋晶圆厂商解决高工艺、高成本、高良率、高产量等挑战。
策源资本持续看好国内CIM龙头企业赛美特,并希望赛美特实现国产半导体CIM软件对国外厂商的超越。未来,策源资本将继续深耕半导体产业链上下游,通过产业投资带动更多配套产业集聚,进一步促进成都电子信息产业现代化升级和发展转型,实现“产业+资本”的双赢。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。