前大疆员工做了款消费级纺织机，拿下红杉、顺为、米哈游等数亿融资｜产品观察

作者｜黄楠

编辑｜袁斯来

浪爪智能（CLAWLAB）创始人胡文鑫，是当下硬件赛道一个不太按常理出牌的人。

工程师背景出身，曾就职于大疆、美团等头部大厂，拿过顶级机构的钱，履历足以支撑他选择任何一个被市场验证过的热门赛道，在最短时间内做出产品、讲故事、滚动融资。

但胡文鑫扎进了一个过去三十年几乎无人问津的品类：家用纺织机。

很少有人知道胡文鑫具体在做什么。浪爪智能成立于2022年12月，近几年里，团队刻意保持水下状态——BP从不外发，没有主动路演或公司传播，有投资人对产品方向感兴趣就直接到办公室看Demo。

硬氪独家获悉，过去几年，浪爪智能已连续完成数轮超亿元融资，Pre-A2轮由元璟资本领投、老股东顺为资本超额加注，Pre-A3轮由米哈游领投、老股东元璟及顺为大幅超额加注。此前投资方包括红杉等。

选择纺织方向，基于一个极为朴素的认知。“纺织天然切中‘衣食住行’的首位，是一件足够大且真实存在的需求。而定制化DIY，是在刚性需求被满足之后，用户向内探索自我表达、向外输出个性化的自然延伸。”创业初期胡文鑫就判断，这个赛道的天花板足够高，值得用很长的时间去探索。

纺织DIY赛道在全球拥有上亿潜在人群，但长期缺少软硬件一体化完整方案。和3D打印赛道不同，家用智能编织机没有可复用的零部件和开源算法，它们能参考的，只有老式编织机。也就是说，胡文鑫要从零定义一台全新的设备。

2024年，浪爪智能推出首款产品为自动簇绒枪，仅作为海外小规模市场验证工具，两年累计营收近亿元。

浪爪智能自动簇绒枪（图源/企业）

但硬件之外，胡文鑫耗费大量时间打磨的，是一款消费级纺织Station平台。这是一套全新形态物理计算终端，不需要专业制版，通过简易绘图或拍照即可生成编织版型，并完成围巾、娃衣、宠物配饰、小型毛绒制品等多种织物的织造工作。

在深圳，只做出90分的硬件，根本无法在丛林中存活，现在创业公司的天花板，其实是软件和生态能力，这个Station平台，也成了浪爪最深的护城河。公司即将发布新款轻量化桌面级编织产品，并搭建内容分享社区，承接爱好者的解压创作与小微定制需求。

纺织是最古老的工艺之一。当市场还在追逐可被智能化的新品类时，胡文鑫已经把目光投向了一片体量庞大、尚未被现代计算技术触及的蓝海。

家用智能织造工作站

胡文鑫选择锚定“编织”工具品类，并非出于直觉。早在产品定义阶段，他跟研发团队便对纺织四大类工艺——刺、钩、缝、织——做了系统摸排。

他们发现，刺、钩、缝这前三道工艺，其工序天然分散，只能对已有的布料做“加法”或“拼接”，无法独立生成一件完整的织物。而编织可直接以纱线为原料，成型衣物、围巾、配饰、毛绒玩偶等各类立体成品，工序高度闭合，更适配被集成到一站式的智能化设备中，符合“放入原料、制出成品”的桌面造物逻辑。

这个差异决定了家庭场景的可能性。编织工艺虽然难度高，但本身足够成体系，可以用智能化的工程方法去解构。

而过去三十年，几乎没有企业在这个方向上做过系统性尝试。90年代，家用编织机曾有过短暂的辉煌时期，以银笛、兄弟等老牌品牌长期占据编织设备的主流市场份额，后续还诞生了多款国产手摇编织机产品。这类设备完全依靠纯机械结构，全都需要手动完成。

看似简单的编织动作，实则是个高度依赖时序的动态过程——不同版型颜色、不同织针、各行纹路联动，任意一处张力、走位偏差，都会造成整件织物报废。

因此，做一台自动化编织设备，首要解决的不是材料堆叠或定点加工的问题，而是如何搭建一套实时感知、调节与补偿的动态控制系统。

“很多人觉得编织不就是把线织成布，知道我们开始做了才发现，每个环节都是一个独立的技术难题。”胡文鑫告诉硬氪，“平针和麻花针的机械动作组合完全不同，粗羊毛和细棉线的张力控制曲线完全不同，一件衣服和一顶帽子的轮廓成型逻辑完全不同。这些差异不能靠调试解决，必须在系统设计之初就被定义清楚。”

而横亘在浪爪智能面前的第一道坎，是技术和数据的双重缺失。没有开源算法可以参考，没有现成数据集可以训练，没有成熟供应链可以复用。甚至连“编织动作应该如何被数字化定义”这个最基础的问题，此前都没有人给出过回答。

胡文鑫和团队花了近三年时间，将编织工艺逐级拆解为可编程的控制算法，形成了自己的技术壁垒。

团队的解法是，将机器人控制、运动规划到计算机图形学等AI硬件能力迁移至产品研发环节。做了一年半，他们终于跑通第一版可靠的编织流程。

浪爪智能可编程控制算法（图源/企业）

但一台设备要从“工具型”产品进入家庭，真正的挑战在用户交互层。他们必须把设计门槛降到足够低，让一个毫无编织经验的人也能上手，否则产品依然只能停留在专业圈层内部。

传统编织的制版极度依赖经验。一个合格的制版师傅需要5到10年的训练，才能看懂图谱、理解针法逻辑、调整纱线参数。

浪爪智能团队也在自主研发纺织AI Agent，基于领域知识增强的垂直模型，内置了团队积累的制版算法和编译能力。进入编织场景后，用户不需要懂复杂的针法和版型参数，上传图片后，一个能理解用户想要什么的设计Agent可自动解析织物风格、提取特征，生成可直接交由机器编织的设计方案。

用户只需要通过自然语言描述自己的设计意图，便交由AI Agent完成后续所有编织工作。传统制版师需要几天完成的工作，在这个一站式纺织Station中被压缩至几分钟，完成了一个从“用户意图”到“物理成品”的完整闭环。

这或许是这个品类最有趣的地方。它一方面是一个尚未被验证但潜力巨大的蓝海市场，但另一方面又长期缺乏现代化技术的系统性介入，留出了巨大的技术空白。不过也正因为冷门，一旦完成全栈体系搭建，这道护城河的宽度远超单品硬件逻辑所能理解。

更深一层的吸引力来自赛道本身。在胡文鑫看来，这不是一个单品类的故事，更具备平台化的可能性。“仅编织机这款设备，在其底层技术底座之上，针对不同细分场景就能衍生出多种差异化的产品定义。我们相信纺织赛道还有大量未被触及的场景和品类等待发掘。”

一个超亿人群的水下市场

当前全球范围内，编织在欧美、东亚等市场热度持续攀升，核心活跃爱好者群体规模达数千万级别，泛潜在覆盖人群规模可破亿。

公开社媒平台数据显示，小红书上“织女”相关话题阅读量近9亿，钩针编织、手工钩织等相关话题总流量超30亿；TikTok平台上“crochet（钩针、编织）”标签的观看次数达2000多亿次。

人群足够大，这只是第一步。更重要的是，编织的终端产品不需要教育。围巾的温暖、帽子的陪伴、毛衣的柔软、毛绒玩具的治愈感，人对这类情绪型产品的向往是天然的、无需解释的。

使用浪爪智能织造工作站所产出的编织产品（图源/企业）

“平台上用户展示的编织作品只是冰山一角，评论区里那些‘好看’‘我也想要’‘有没有教程’的声音，才是真正的水下需求。”胡文鑫说，“我们不是在创造一个新需求。目前没有产品能够满足这些人想要一件定制毛衣、一个特定图案抱枕的需求。这正是我们的切入点。”

破局点在于将耗时数周的重复劳动、制版和织造环节交给机器，让用户保留设计、选择、以及亲手创造的情绪价值，把用户从想要到拥有的耗时和门槛大幅降低。

胡文鑫告诉硬氪，这种补偿方式可以催生出一条独特的用户演化路径。大量纺织DIY用户最初进入这个领域，驱动力是情绪性的：解压、打发时间、享受亲手做出一件东西的满足感。随着技能积累和社群影响，一部分人开始从兴趣爱好延伸至轻量化商业阶段，接洽小批量订单。

围绕这条从情绪消费到轻量化商业的演化路径，浪爪智能将用户画像划分为四类渗透方向。

首批种子用户是存量编织设备的重度使用者。他们或是多年老式编织机的爱好者，或是通过手工编织获得稳定收入的个体创作者，对产品工具有认知基础，痛点直接而具体：手动排花效率低、复杂图案实现困难、良品率不稳定。这类用户不需要被教育“编织机能做什么”，而是真正能解决日常问题的产品。

浪爪智能自动簇绒枪（图源/企业）

第二类目标用户是小B端经营者，比如做娃衣的、织宠物服饰的、接节日定制单等。其核心诉求围绕效率和定制化能力展开，一台设备能有效缩短单件创作周期。这类人群的价值不止于购买设备，其产出的成品也会自然吸引C端用户关注，形成从B端向C端的渗透。

最终，浪爪智能的目标是覆盖大众普通消费者，没有DIY创作需求、也不关心编织工艺，而是能否快速获取自己想要的织物。到这一阶段，其产品将脱离造物工具、创作工具的定位，真正落地于家庭场景的小型柔性供应链，实现织物即时定制交付。

 “这类人群本质上是需求层次不断上移的过程。第一阶段用户解决的是痛点，第二阶段解决的是效率，第三阶段解决的是好看，第四阶段真正实现用户想要就有。”胡文鑫分析。

过去三十年，家用编织从“家家一台缝纫机“的生产力需求，逐渐淡出了人们的日常生活，花几周钩一条毯子在快节奏生活中被大多数人放弃。工业时代把编织送进了工厂流水线，标准化的围巾、标准化的毛衣，以最低成本流向每一个货架。效率极大提升，但代价也随之发生：编织原本携带的个体属性被彻底压缩。每一件织物背后那个具体的人、具体的审美选择、具体的表达意图，全部被简化为"同款"。

但亲手创造的情感需求从未消失。随着硬件供应链的成熟、电机与传感器成本的下降、AI能力的可迁移，让“把一台复杂的编织设备做到消费级产品”第一次具备了可行性。

“每个人心里都有想表达的东西。一个喜欢的图案、一种偏好的颜色、一份属于自己的触感，以及附着其上的某段回忆、某种情绪。这些想法不应该被‘批量生产’挡在门外。于是浪爪智能做了一台能放在书桌上的编织机。不是玩具，不是概念，是能真正织出成品的机器。”胡文鑫说。

用户的设计从屏幕里生长出来，变成可以触摸的纹理、可以围在肩上的温度、可以送人的独一无二。这台机器解决的问题不是更快或更便宜，而是让织物重新属于具体的人。