一、710万欧元，先做工业检测服务
10月29日，德国汉堡深科技企业MuRay公布总额710万欧元的新一轮资金支持，其中350万欧元是由First Momentum Ventures和Caelora等参与的私人股权投资，360万欧元来自包括欧盟Horizon Europe项目在内的公共资助。它选了一条尚需工程验证的路线：使用受控缪子束穿透厚重金属、陶瓷与复合材料，再通过探测器和计算重建获得零件内部三维图像。MuRay希望首先服务火箭发动机、燃气轮机和复杂金属增材制造零部件，计划2027年利用德国电子同步加速器研究中心DESY现有设施推出工业检测服务，并在2029年前后推动包含紧凑激光驱动加速器的系统。这次公布的是融资与商业化计划，不是已经量产的工业检测设备。[1][2]
这笔钱最终要回答一个制造业老问题：厚重、复杂的零件，内部到底能不能看清。航空航天、能源装备和高端金属3D打印正越来越频繁地制造复杂内部冷却通道、一体化流道和厚截面承力结构。结构越复杂，制造自由度越高，也越难在不破坏零件的情况下确认内部是否存在孔洞、裂纹、夹杂或材料异常。一件价值很高的发动机部件可能在生产末端因为检测结论不明确而报废，也可能因为反复拆装、复检而延迟交付。MuRay尚无大规模收入记录。它能否做成生意，要看新测量方法能否减少这类检验中的复检、报废和交付延误。
二、缪子到底是什么，为什么能穿透厚重材料
缪子是一种带电基本粒子，性质与电子有相似之处，但质量大得多。天然宇宙射线与大气相互作用时会产生缪子，地面上持续存在可测量的缪子通量；粒子探测器可以记录它们进入和穿过物体后的运动轨迹。与常规X射线成像相比，高能缪子在厚重物质中具有独特的穿透能力，而材料内部的原子序数、密度和几何分布又会影响粒子发生散射和能量损失的方式。研究人员通过比较入射和出射轨迹，以及大量粒子的统计结果，可以反推出物体内部的结构信息。这类方法已经用于考古、火山、核设施和大型工程结构研究，2026年《Nuclear Engineering and Technology》的综述也系统梳理了缪子透射和散射成像的应用边界。[3]
天然缪子并不听工程师指挥：粒子到达的方向和强度由自然环境决定，成像时间、空间分辨率和检测场景受到限制。MuRay选择的路线不同，它开发受控缪子源，试图让工程师主动选择束流条件和检测方式，更接近工业计量设备的使用逻辑。公司宣称其方法有望穿透超过一米的钢或其他高密度材料，并将某些检测任务从小时级缩短到分钟级；这些仍是企业给出的目标能力，需要在具体材料、缺陷尺寸、测量剂量和统计可靠性条件下验证。受控缪子束也意味着设备上游需要复杂的粒子产生技术，不可能仅用普通图像传感器就实现。这条路线需要同时解决粒子产生、探测和三维重建，最终还要过质量工程的验收关。[1][2]
三、X射线、超声和缪子，各自擅长什么
工业无损检测已经有成熟的技术谱系。X射线和工业CT擅长观察具有足够透射条件的金属与复合材料内部结构，可形成精细的孔洞和缺陷图像；超声检测利用声波反射与传播特征，适合许多焊缝、板材和部件内部缺陷检查；涡流、磁粉、渗透和光学手段则各有材料与缺陷适用范围。对于很厚的高密度合金，射线穿透、散射噪声和扫描效率会变得棘手；对于内部结构弯曲复杂的工件，超声探头的耦合、扫描路径和几何解释也可能受到限制。这些限制推动业界探索中子、缪子等新型成像方法，但每种方法都有自己的检测分辨率、成本与安全要求。
MuRay最可能先补上现有检测方法难以看清厚重部件的那一块空白。企业客户不会因为一种新技术来自粒子物理就放弃经过多年验证的CT与超声工艺，工程师需要的是明确的决策边界：多厚的钢件开始出现优势，能够辨别多小的孔洞，对哪些材料有更好的对比度，完整扫描需要多长时间，重复测量的误差是多少。一个合格的系统还需提供与真实剖切、已知缺陷标准件和其他NDT方法的对照实验。这种逐步建立的证据链决定缪子成像能否进入航空、能源等高安全要求行业的质量验收标准，而不仅停留在技术展示。[3][4]
四、从粒子轨迹到三维缺陷图，AI在哪一环发挥作用
缪子成像的计算部分可以看成一个反问题：设备测量的是穿过物体后粒子方向、位置和强度等外部信号，希望反推出物体内部的材料分布和可能存在的缺陷。单条粒子轨迹提供的信息有限，需要积累大量粒子的统计观测，并结合探测器几何、噪声模型及物理传播规律重建内部体积。类似医学CT，空间分辨率与扫描时间通常相互制约；检测速度越快，可靠性越依赖于高质量探测器、稳定束流和先进重建算法。关于缪子散射成像的学术综述已经讨论过多种反演算法，而近年来的研究也开始使用机器学习优化重建参数和降噪，使原本需要专家反复调试的计算流程更容易自动化。[4][5]
这里用到的AI是科学计算的一部分，不能让语言模型凭图像猜缺陷。它可能参与探测信号去噪、材料分类、三维重建、缺陷分割和置信度评估，但每项判断都必须能够关联到原始测量与校准记录。在高端质量检验中，一个模型把正常结构误判为缺陷，会增加复检与报废；把真实缺陷漏检，则可能造成严重的安全后果。因此AI算法应通过有已知缺陷尺寸和位置的标准件训练与测试，并报告灵敏度、误报率、空间定位误差和不同材料条件下的性能。算法不能只针对几张展示图进行调整，而应在仪器校准、生产批次差异和新材料进入检测范围时持续验证。MuRay的实际技术壁垒，很可能是粒子源、探测器、重建软件和行业缺陷数据库共同形成的系统能力。
五、火箭发动机为什么是最好的试金石之一
可重复使用火箭和先进推进系统把高温、高压、振动和复杂冷却结构集中在一个有限体积内。金属增材制造可以制造传统加工难以形成的曲折流道，减少焊接和装配界面，但也带来了粉末残留、未熔合、气孔、局部变形和内部流道质量不均等检查任务。对于大型发动机部件，制造商希望在不破坏昂贵实物的前提下，找到可能影响寿命的内部缺陷，并在多次使用后评估损伤演化。MuRay已与德国航空航天中心DLR相关团队开展发动机检测建模，公开计划于2027年完成首次真实发动机评估。发动机昂贵，工况严苛；在这里做对照，才能看出新方法究竟比现有手段多检出了什么。[2][6]
不过，火箭发动机也提出最严格的验证要求。研究团队首先要回答检测能否对应已知缺陷，并弄清哪些缺陷会在热循环和振动环境下发展为危险损伤；其次需要把重建结果映射到CAD几何和仿真模型，判断缺陷与设计公差的关系；最后还应给出可供质量工程师签署的报告，而不仅是一幅视觉效果强烈的三维图。企业若能将检测、设计、制造过程参数与失效分析关联起来，缪子技术的价值会进一步拓展到增材制造工艺窗口优化。例如同一打印机在不同粉末批次和扫描策略下形成的内部质量差异，可以通过成像和质量数据建立反馈，逐渐降低生产不合格率。这是一条更长的商业化道路，也比单次检测收费具有更大的产业想象空间。
六、为什么融资里一半以上来自公共资金
MuRay本轮合计710万欧元中，350万欧元为私人投资，360万欧元来自包括欧盟Horizon Europe在内的公共资助，比例十分接近。对深科技项目，这样的资金结构有明显合理性：早期实验需要昂贵设施、跨学科团队和较长的验证周期，客户则希望在购买服务前看到真实硬件、材料标准件和可重复的检测结果。纯商业资本通常难以独自承担从粒子源验证、加速器小型化到行业认证的所有不确定性，公共科研资金可以帮助跨过基础技术到产业原型之间的关键阶段。公司的创始团队具有DESY、CERN等研究机构经验，这些科研网络和设备资源为初期验证提供了条件。[1][2]
资金安排也说明MuRay没有直接选择先造一台可出售的工厂设备，而是计划2027年借助DESY既有设施提供检测服务，再在2029年研发更紧凑的完整系统。这是一条典型的“科研设施服务化—客户样件验证—工程设备商品化”路线。先用已有加速器处理真实工业样品，能够收集客户关注的缺陷类型、测量需求与可接受价格，避免在技术尚未成熟时过早押注昂贵整机设计。等到缺陷数据库、探测器和重建软件积累足够经验，再将粒子源小型化，商业风险有望随之降低。时间表仍是企业目标，先进加速器的可靠性与成本能否达到现场要求，将决定最终兑现速度。
七、一台缪子检测设备如何算经济账
工业质量管理购买的并非成像技术本身，而是更准确、及时地判断零件是否可用。检测项目的经济账至少包括设备折旧、加速器能源消耗、维护、人员、辐射安全、扫描节拍、必要的复检，以及因发现缺陷而减少的后续故障成本。假设一个高价值部件因现有检测无法明确质量而需要反复复检，新方法能把检测流程从几天缩短到一天，缩短的交付周期和降低的在制品资金占用就有实际意义。可如果需要把每件普通金属零件运到远距离科研设施检测，物流与排队可能抵消时间优势。因此初期商业客户大概率集中在单件价值高、检测需求特殊、运输可接受的航空航天和能源装备，而大批量低价值部件则需要等待设备成本下降与扫描速度提升。
一些投资者会直觉地拿传统CT价格估算缪子设备市场，但新技术的可服务市场要从真实检测痛点开始计算。企业可以按年度高价值部件数量、现有检测的不确定比例、需要额外验证的次数与单次避免的损失建立模型，再根据设备实际吞吐量估算产能利用率。比如一个需要复杂检测的零件，如果每年只有几十件，集中式服务可能比自建检测站经济；如果客户每周处理大量厚截面部件，现场化设备才有持续利用空间。MuRay公开提到未来尝试集装箱大小的移动系统，意图让检测能力靠近用户，但实际设备部署仍取决于束流稳定、占地、屏蔽和工业现场可维护性。商业模式可能同时包含检测服务、设备销售和算法订阅，不同阶段收入结构会有明显差异。[6]
八、把实验室结果变成制造流程，需要跨越四道门槛
第一道是测量可靠性：工程师要看到一套稳定的仪器校准、参考标准和量化误差，不同设备和操作者得到的结果应具备可比性。第二道是安全合规：受控粒子束对应的设备管理、辐射防护、人员培训和现场许可必须按适用地区监管要求落实。第三道是与工厂软件的联通：零件身份、材料批次、CAD模型、检测图像、缺陷标注、检验结论和签字记录要能够进入PLM、MES或质量管理系统，形成完整的产品履历。第四道是经济持续性：客户需要可预测的检测交付时间、清晰的故障响应和长期设备维护，而不是依赖少数科学家现场手动调试。
其中软件连接常被深科技团队低估。检测图像即使分辨率很高，如果无法对应到零件坐标与制造过程，生产工程师仍难判断需要修改哪一步工艺。更加成熟的方案应把检测坐标映射回设计模型，在三维CAD上标出缺陷位置、尺寸与置信度，并把质量结论关联到工单和产品序列号。长期积累之后，还可以分析同类材料、不同增材制造参数和热处理工艺对缺陷分布的影响，形成“设计—制造—检测—仿真—改进”的工程数据闭环。这类AI+检测系统的壁垒，最终落在物理传感、算法、工艺知识与质量体系的协同上。
九、工业AI并不只有大模型和机器人
MuRay只有一支规模不大的跨学科团队，却提出了与大型基础模型公司完全不同的技术路线。它把粒子物理、激光加速器、精密探测器和计算重建组合为新的工业测量能力，直接面对制造业最昂贵的质量不确定性。相比通用AI工具，这类项目验证周期更长、前期资本开支更重、客户群更小，但如果能够形成独特的物理检测能力，也更不容易被单纯的软件功能复制。当前公开材料距离全面商业验证还有几年时间，2027年的真实发动机检测和2029年的紧凑系统是两个值得持续跟踪的节点。
这项技术还要走很长的验证路。2027年的发动机评估需要拿出与现有检测方法可比较的结果；2029年前后的紧凑系统，则要证明成本、安全和现场维护能否过关。制造企业需要更可靠的内部缺陷数据，后续的工艺调整和寿命预测才有依据。至于缪子能否成为日常检验工具，最终得由真实零件和质量工程师的验收结论来回答。
参考资料
- Startup City Hamburg，《7.1 million euros for deeptech startup MuRay in new funding round》，2026-10-29。用途：融资分项、研究背景、技术路线及商业化计划。https://startupcity.hamburg/news-events/news/71-million-euros-for-deeptech-startup-muray-in-new-funding-round
- The Next Web，《Hamburg’s MuRay raises €7.1M for muon imaging of rocket engines》，2026-10-29。用途：DESY设施、2027/2029时间表、目标应用与性能口径。https://thenextweb.com/news/muray-raises-7-1m-muon-imaging
- Nuclear Engineering and Technology，《Recent research progress on cosmic ray muon imaging technology》，2026-04。用途：缪子成像基本原理、透射与散射、应用挑战。https://doi.org/10.1016/j.net.2025.104091
- Applied Optics，《Muon scattering tomography: review》，2022-02。用途：缪子散射成像物理机制、探测器与应用研究。https://doi.org/10.1364/AO.445806
- Nuclear Science and Techniques／EurekAlert，《AI enhanced muon tomography sees through heavy shielding》，2026-02。用途：AI辅助反演重建与噪声处理的研究背景。https://www.eurekalert.org/news-releases/1116687
- Tech.eu，《MuRay raises €7.1M to inspect rocket engines and turbines beyond X-ray limits》，2026-10-29。用途：DLR合作、现场检测设想和研发进度核验。https://tech.eu/2026/10/29/muray-raises-eur71m-to-inspect-rocket-engines-and-turbines-beyond-x-ray-limits