廣東
當AI for Science開始重新定義材料研發的底層邏輯。
作者 /Oriana
「新物種」獨家獲悉，AI驅動的新材料研發公司新研智材（SynMatAI）近日完成數千萬元天使輪融資，本輪融資由常春藤資本獨家投資。
資金將重點投入AI算法迭代、頂尖人才引進、自建無人實驗室建設，以及半導體核心材料等應用場景的產業化落地，并推進與行業龍頭企業的深度產業合作。此前，公司已于2025年7月完成千萬級種子輪融資，由產業基金與社會化資本聯合投資。
這輪融資發生的背景是，AI for Science正在材料領域掀起一場靜水流深的變革。
2026年3月，由中國科學技術信息研究所領銜發布的《AI for Science創新圖譜2026》顯示，材料科學已成為全球AI for Science領域增速最快的方向之一，年均論文產出增速超過30%。
工信部也明確提出，要探索人工智能在材料研發、中試、生產等典型場景的應用。就在本月，美國北卡羅來納州立大學團隊研制出由AI驅動的自主實驗室PoLARIS，能在12小時內從數十億種潛在配方中鑒定出一種無鉛納米材料。
政策、技術、產業三端正在同時升溫。但宏大敘事之下，新材料研發的真實困境并未改變：一個配方的誕生和一個工藝參數的確定，往往需要研發人員上百次的實驗和近十年的漫長周期。而新研智材的目標，是將這把時間的尺子縮短一個數量級。
他們的路徑是“材料信息學”，即以人工智能、量子物理、計算化學等基礎計算方式為底座，讓新材料從依賴大量實驗的試錯，轉向由AI計算與物理模型共同驅動的精準研發新范式。
這條技術路線的核心壁壘在于，不僅要算得快，更要算得準。單純的數據驅動模型容易缺乏物理常識，給出的配方可能在理論上完美，但一到產線就暴露出工藝和穩定性的缺陷。新研智材的解法，是將量子力學方程、熱力學原理等百年材料工程的物理骨架嵌入AI模型，讓預測在符合數據規律的同時，不違背基本的物理法則。
公司團隊背景橫跨材料科學、AI算法與產業落地。核心成員中，既有來自華為、日本產業技術綜合研究所（AIST）及國際頭部材料公司的資深專家，也有來自字節跳動、美國國家實驗室的算法新銳，碩博比例高達80%。
其中，聯合創始人兼CTO南凱，擁有南佛羅里達大學應用物理博士學位，曾在字節跳動AI4S生物醫藥團隊擔任研究員，具備從基礎物理理論到工業AI落地的復合型經驗。在博士期間，他曾以第一作者在物理學頂刊PRL發表兩篇論文，推翻一項存在四十年的經典銀紋理論，建立新的物理模型，為設計高韌性柔性電子材料開辟了新路徑。
新研智材聚焦于材料研發領域，特別是半導體先進封裝材料，如CPO（共封裝光學）關鍵光學粘接材料、GPU/HBM等高性能計算所需的導熱界面材料，以及最前沿的光刻膠、前驅體等高壁壘電子化學品。
這是一個技術壁壘極高、長期面臨“卡脖子”風險的賽道，配方復雜度與經驗依賴性遠超常規材料。用AI重構這類高端材料的研發流程，既是技術升級的切入點，也具備清晰的商業價值閉環。
當前，AI for Science中的材料賽道正迎來新一輪爆發。海外頭部材料科學初創公司估值已突破數十億美元，國內同類企業也在近期密集完成大額融資。新材料的戰爭，本質是研發效率的競賽，AI能否真正改寫這門比賽規則，答案將實驗室和產線上逐一浮現。
投資人觀點：
常春藤資本投資總監張健表示：
我們長期關注AI對底層科研與先進制造體系的重構，尤其是在產業核心環節推動材料、工藝與制造流程的范式升級。我們在尋找能改變新材料研發困境的團隊，不僅提升研發迭代效率、縮短研發周期，更要能將行業know-how與AI能力深度融合，真正進入產業深水區。
新研智材團隊將多年產業實踐中積累的、對于材料配方體系與工藝場景的高質量“端側理解”，沉淀并融入自研智能體之中。這種能力并非停留于通用模型層面，而是深入到了高端半導體封裝材料這一中國最亟需突破的關鍵領域。
這不僅是AI for Science在材料研發領域的一次重要實踐，更代表著AI開始從輔助工具真正走向先進制造與芯片產業鏈中的核心生產力，也是整個材料研發、制造業乃至半導體產業最期待看到的AI for Science范式演進方向。
排版運營 / Teagan
- End -
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
