AI for Materials，10大核心玩家！

过去，人类发现一种新材料，往往需要经历漫长的试错过程。

科学家反复设计、合成、检测，再推翻重来。芯片、电池、航空发动机——几乎所有高端制造领域，都面临材料研发周期长、实验成本高、候选空间巨大的共同难题。

但现在，规则正在被改写。

2023年以来，AI材料科学接连取得关键进展——AI模型实现大规模未知晶体结构预测，生成式AI完成面向性能导向的逆向材料设计，经AI筛选的新材料逐步得到实验验证，重塑试错式研发范式。

材料发现正从“大海捞针”走向“按图索骥”，研发模式从经验试错加速转向计算驱动、数据驱动与智能实验协同。

资本、政策与产业也在同步加速。一场围绕“AI造物”的全球竞速已经展开——科技巨头押注基础模型，创业公司探索自主科研。而中国企业正加速构建从AI计算与数据底座，到智能研发和产业应用的能力体系。

哪些公司走在这场技术变革的前列？

我们梳理了海外与国内各10家具有代表性的AI4S材料企业，观察AI正在如何重构材料研发体系（内容仅作行业研究参考，不构成任何投资建议、投资引导及相关承诺）。

海外AI for Materials核心企业

（10家）

Google DeepMind（GNoME）——AI材料基础模型开创者

如果说AlphaFold开启了AI赋能生命科学的时代，那么GNoME（Graph Networks for Materials Exploration）则开创了AI驱动的大规模、高通量新材料发现范式。

2023年，GNoME核心研究成果发表于《Nature》。模型依托图神经网络与主动学习技术，预测出220万种新型晶体候选结构，其中约38万种具有热力学稳定性，将人类已知稳定无机晶体材料规模提升近一个数量级。相关数据已公开并纳入Materials Project数据库，支撑全球材料科研。同期实验研究进一步验证了GNoME预测材料的可合成性。

GNoME材料发现主动学习架构与性能验证，Nature,2023,Fig.1

在实验落地层面，DeepMind联合劳伦斯伯克利国家实验室（LBNL），将GNoME预测结果接入A-Lab自主实验平台，依托机器人自动化完成材料合成与验证，推动材料AI由计算预测向“预测—实验验证”协同研发升级。

面向全流程智能化，DeepMind持续融合AI与自动化实验体系。2025年12月，其与英国政府达成AI for Science合作，规划打造全球首个材料科学全自动化实验室，整合Gemini、机器人实验系统及材料模拟技术，实现材料设计、合成、表征自动化迭代，助力AI材料研发形成自主探索闭环。

Microsoft（MatterGen）——生成式材料设计基础模型平台

作为科技巨头AI材料布局的核心成果，微软研究院推出的MatterGen推动材料研发由传统数据库筛选转向按需生成的生成式设计。模型基于扩散式生成架构，可根据化学组成、晶体对称性及力学、电子、磁学等性能约束，定向生成符合目标需求的新型无机晶体结构。

2025年1月，MatterGen研究成果发表于《Nature》。该模型与材料模拟模型MatterSim形成互补，提升材料生成、性质模拟与筛选效率。微软与中科院深圳先进技术研究院合作，成功合成MatterGen定向设计的TaCr₂O₆，实验测得体积模量与设计目标的相对误差低于20%，完成从AI生成到实验验证的技术闭环。

提出的化合物TaCr₂O₆的实验验证，微软官网

目前，MatterGen已开源，微软进一步将MatterGen、MatterSim等模型与 Azure云计算及科研工作流结合。2026年7月，微软参与美国能源部Genesis Mission并宣布投入6000万美元，提供Azure算力、AI能力及工程服务，依托自研AI模型助力多领域科研探索，推动AI材料技术由基础模型向科研基础设施延伸。

CuspAI——AI逆向材料设计与发现平台

2024年成立于英国剑桥，定位为AI原生新材料研发企业，聚焦面向产业需求的逆向材料设计，通过生成式AI、机器学习与物理模拟，根据目标性能反向生成并优化材料结构。

公司自研MIRA平台贯通材料生成、性能预测、模拟筛选与实验验证流程，形成“AI设计—计算验证—实验迭代”研发体系；相关原子级模拟工具kUPS已开源，可供科研与产业复用。

MIRA平台模拟层核心组件kUPS开源仓库，CuspAI官网

CuspAI已完成产业级技术验证。公司与芬兰头部化工企业Kemira落地合作，依托MIRA对约300万亿种潜在材料结构开展高通量筛选，筛选出20种新型候选材料进入后续测试验证，主攻PFAS污染物治理材料研发。当前其技术体系已拓展至电池、催化、碳捕获、半导体等赛道。

2026年，公司推出“AI Materials Foundry”，汇聚NVIDIA、Meta、Samsung、Hyundai、Applied Materials等超45家机构，整合算力、AI模型、材料数据与实验资源。同时与新加坡科技研究局（A*STAR）达成跨项目五年战略合作，围绕半导体、先进制造推进AI材料研发，推动材料研发从单点AI工具向跨主体协同创新平台演进。

Orbital Industries——AI材料工业化与智能制造平台

原名Orbital Materials，2022年成立于英国，团队布局伦敦与旧金山，由多名前Google DeepMind研究人员联合创办，定位由AI材料发现拓展至工业级材料与硬件研发。

自研原子级材料AI模型Orb，支撑材料发现、性能预测与工程设计；旗下Orbital IT聚焦AI数据中心基础设施，已推出无PFAS介电冷却液与Nova Array模块化AI数据中心方案，推动AI材料技术落地高密度GPU算力场景。

Orbital IT双相直接芯片冷却系统，官网

与AWS达成多年战略合作，依托Amazon SageMaker JumpStart及AWS Marketplace对外开放Orb模型能力。2026年，其与NVIDIA开展合作，由旗下Orbital IT接入DSX AI Factory基础设施生态。2026年5月，企业完成5000万美元B轮融资，由Plural领投，NVentures、Radical Ventures等机构跟投，所筹资金用于扩大产品商业化部署，并向半导体、关键矿产、航空航天、能源等领域延伸布局。

Materials Nexus——工业材料AI发现平台

2020年成立于英国剑桥，是由剑桥大学相关材料科学团队孵化的深科技企业，融合AI、机器学习与量子力学计算，聚焦工业材料的快速发现与优化，重点布局清洁能源、储能、先进合金和永磁材料。

代表性成果为MagNex无稀土永磁材料，AI平台从超过1亿种候选组分中进行筛选，据公司披露，仅3个月便完成材料设计、合成与测试，相较传统研发效率提升约200倍。

公司持续推进AI材料技术产业化，MagNex由Henry Royce Institute联合谢菲尔德大学完成合成测试，并获得Innovate UK资助。2025年，企业与Viridien 合作借助HPC算力拓展AI材料发现能力，同时参与英国原子能管理局（UKAEA）SHINE项目，研发聚变屏蔽材料。

Citrine Informatics——材料数据智能平台

材料信息学领域早期代表性企业，由Greg Mulholland和Bryce Meredig创立，定位为材料与化学AI研发平台。

核心产品Citrine Platform整合材料数据基础设施与机器学习，包含DataManager、VirtualLab、Catalyst三大模块，分别承担材料数据治理、AI虚拟研发计算、材料科学AI研发助手功能。平台融合企业实验数据、材料知识与AI建模，支持数据管理、性能预测、配方优化与实验设计，助力企业挖掘材料“组成—工艺—性能”内在规律。

已服务Eastman、Panasonic、LANXESS、LyondellBasell等全球头部材料化工企业，业务覆盖特种化学品、涂料、电池、合金等领域，公司称部分客户研发里程碑可缩短至原定周期的50%以内。

2026年，公司新增Catalyst、Apex等AI能力。据公司披露，平台月均部署约550个AI模型、落地约380个项目、生成7万条实验建议，印证材料AI正由单点算法工具向企业级材料数据与研发决策基础设施演进。

Periodic Labs——材料AI走向自主发现

2025年成立于美国旧金山，由前OpenAI研究副总裁Liam Fedus与前Google DeepMind材料科学研究人员Ekin Dogus Cubuk联合创立，定位为下一代AI for Science平台。

公司核心搭建 “AI Scientist+自主实验室” 体系——依托AI模型提出科学假设、设计实验，再由自主实验室完成验证，实验产出数据持续回流迭代模型，形成 “AI推理—实验验证—数据反馈—模型优化” 的研发闭环。

公司目前从物理科学切入，重点探索先进材料、高温超导、半导体等方向，目标是利用AI、模拟与机器人实验加速材料发现。

官方明确提出，自主实验室不仅用于验证AI预测，更是持续生成专属科学数据、训练和改进AI Scientist的核心基础设施；公司已开始与产业合作，将AI能力用于半导体等实际研发场景。

Lila Sciences——AI科学超级智能与自主实验平台

由Flagship Pioneering孵化，总部位于美国马萨诸塞州剑桥，2025年3月正式公开运营，定位于构建“Scientific Superintelligence（科学超级智能）”体系，打造软硬件一体化的AI Science Factory自主实验基础设施。

公司搭建 “AI科学智能+自主实验室” 核心体系，融合AI科学推理与机器人实验系统：由AI生成科学假设、设计实验方案，自动化调度设备完成样品制备、测试与表征，依托实测数据持续反馈模型迭代，形成 “假设生成—实验执行—数据反馈—模型迭代” 的自主科研闭环，现阶段重点布局清洁能源、催化、碳捕获材料与生物医药方向。

团队由Flagship Pioneering资深创业者Geoffrey von Maltzahn领衔，汇聚哈佛、MIT等高校科研力量。2025年完成2亿美元种子轮融资，同年完成两笔A轮融资，累计约3.5亿美元，公司累计融资规模达到约5.5亿美元。

Matlantis——AI原子模拟平台

由日本PFN（Preferred Networks）与ENEOS共同成立，定位AI驱动的原子级材料模拟平台，融合PFN深度学习能力与ENEOS工业研发场景，提供材料研发所需计算模拟基础设施，是AI4S材料产业链中“AI模拟验证”方向的代表企业。

核心技术为AI原子模拟器PFP（Preferred Potential），依托机器学习势函数替代部分高成本传统量子化学计算，快速预测材料原子相互作用、结构与物性。平台已应用于电池、催化剂、半导体、合金等领域，支撑材料筛选、结构优化与性能预测，推动材料研发由实验试错转向计算驱动。

采用 “AI技术+产业场景” 联合运营模式，并持续拓展全球客户。2024年，三菱商事与其达成资本及业务合作，助力海外市场拓展；2026年，平台持续迭代 PFP模型与计算能力，深化与NVIDIA算力生态合作，推动AI原子模拟落地电池、半导体、先进制造等工业场景。

Aionics——AI新能源材料研发平台

于2020年在美国成立，专注电池材料研发，依托机器学习、图神经网络与量子化学模拟搭建电解液配方AI研发体系。

核心平台Ami针对复杂化学配方完成分子生成、性能预测与多目标优化，除评估单分子物性外，同步考量分子相互作用、界面效应与工程约束，构建“AI设计—计算筛选—实验验证—迭代优化” 研发闭环。公司业务以电池电解液为核心，并延伸至固态电解质方向。

与保时捷旗下电池企业Cellforce联合研发动力电池电解液。同时对接电动航空领域合作，探索高安全航空电池电解液方案，持续将AI配方设计能力落地动力电池、电动航空及储能产业场景。

中国AI for Materials核心企业

（10家）

晶泰科技——量子AI+自动化实验科学智能平台

晶泰科技依托量子化学计算、生成式AI、科学智能体与机器人自动化实验等技术，形成从AI计算到实验验证的科学研发能力。在材料领域，公司将已有技术能力拓展至无机材料、炭基材料、电池材料及材料表征等场景，探索AI计算与自动化实验融合的材料研发模式。

2025年3月，与方大炭素达成战略合作，围绕炭素新材料研发、生产工艺优化及智能制造开展协同，并联合设立“晶泰—方大炭素智能研究院”，推进AI与机器人在高性能炭基材料研发及产业化落地。

2026年6月，联合中石化（上海）石油化工研究院、北京精微高博打造的智能化物理/化学吸附分析自主实验工作站投入运营，将AI、机器人与多智能体引入材料表征，实现样品处理、实验执行、数据分析全流程自动化，搭建材料研发高质量数据闭环。

深势科技——AI科学发现基础设施平台

国内AI for Science基础设施代表性企业，由孙伟杰、张林峰等人创立，核心团队具备北京大学等高校科研背景，长期布局人工智能、分子模拟、高性能计算与科学计算软件，致力于搭建贯通AI模型、科学计算与产业研发流程的智能科研基础设施。

依托玻尔（Bohrium）科研空间站、Hermite、MatMaster、Piloteye、SciMaster搭建完整科学智能产品体系，覆盖科学计算、材料研发、科研智能等环节；其中DPA系列原子模拟大模型支撑材料结构与物性计算，为新材料设计、性能预测、研发验证提供底层算力底座。

公司与东阳光共建AI4S新材料研发联合实验室，围绕电子新材料研发与智能制造开展合作，并持续推进物质科学领域的AI模型与科学智能体研发。

2025年12月，公司完成超8亿元人民币C轮融资，资金主要用于迭代科学发现智能引擎、完善全栈能力及拓展基础科研、生命科学和物质科学领域的应用。

深度原理——AI Scientist驱动的材料发现平台

国内AI for Materials领域原生材料发现企业，核心构建“AI Scientist（人工智能科学家）+ AI Materials Factory（智能材料实验体系）”体系，融合人工智能、量子化学、生成式模型与高通量实验技术，推动材料研发由人工经验驱动转向AI自主发现。

核心平台Mira打通AI Scientist与材料研发工具链，支持AI完成科研任务拆解、材料方案设计、实验规划与数据分析，并依托AI Materials Factory开展高通量实验验证，构建AI自主提出方案、实验验证、持续迭代的研发闭环。企业重点布局新能源、先进电子、算力配套材料及碳中和相关方向，推进AI自主研发在产业材料场景落地。

2026年7月，公司完成A3轮融资，其A系列累计融资金额近10亿元人民币，资金主要用于AI材料研发平台搭建、核心算法迭代、高通量实验产线扩建与材料管线产业化推进。

开物纪——AI原生材料发现与产业化平台

AI4Materials领域全栈式材料创新平台，2025年设立于上海，由前微软研究院科学智能中心材料团队负责人陆子恒博士创立，团队曾主导MatterGen、MatterSim、DiG等材料AI项目研发。

公司依托Prophet材料预测引擎、Creator生成引擎及AI智能体搭建研发体系，打通材料设计、性能预测与实验验证环节，并延伸至中试放大与量产环节，推动AI材料技术由模型预测走向工程化、产业化落地。

企业重点布局新能源、热管理、超导等高价值材料方向，通过自研管线与产业联合开发，打通材料发现、实验验证、材料IP孵化至产业化交付路径。相较于侧重计算模拟或模型服务的AI材料企业，开物纪更强调研发流程中的工程放大与产业化交付能力。

2025年11月，公司完成亿元级天使轮融资，由IDG资本、蓝驰创投联合领投；2026年3月完成数亿元天使+轮融资，Monolith领投，光合创投、集富亚洲跟投，早期股东持续加注，两轮累计融资达数亿元人民币。资金主要用于材料大模型、实验平台建设及自研材料管线产业化推进。

龙讯旷腾——材料研发EDA基础设施

国内材料计算模拟软件企业，正由材料计算软件向材料研发EDA和AI增强材料研发平台演进。致力于构建面向材料研发的计算软件与数字化基础设施，为AI材料模型提供模拟、预测与验证支撑。

公司依托自研材料计算底座拓展材料研发EDA与AI增强设计能力，将第一性原理计算、机器学习势函数、多尺度模拟与智能算法融入研发流程，支撑材料结构预测、性能模拟、器件研究与研发优化，服务新能源、半导体、先进功能材料等领域。

2026年6月，公司与孔皆智能达成合作，围绕AI for Materials与工业智能控制融合，探索材料计算、AI研发与工业场景的协同落地。

创材深造——AI自主材料实验室

AI驱动的新材料研发与产业化平台。探索“AI+材料信息学+自动化实验”融合路线，依托人工智能、材料计算与机器人实验体系，搭建贯通材料设计、实验验证至工程制造的研发链路，推动AI材料技术由计算预测落地至真实研发与生产环节。

2026年，公司推出One-Person Lab（OPL）自主实验平台，将DM Agent材料智能体与M-LAB高通量自动化实验体系结合，实现AI辅助材料方案设计、实验执行与数据反馈迭代，探索AI自主实验在材料研发场景的落地应用。

公司重点布局高端金属材料与增材制造材料，面向超高强钛合金、高强铝合金、镍基高温合金、模具钢开展研发及产业化，并依托自研3D打印金属粉末延伸至制造端。据公司披露，依托该平台，企业半年内完成13款合金材料研发量产，推出CT1300、CT1400、CT1500H系列超高强钛合金，抗拉强度覆盖1300—1500MPa，相关订单规模已超千万元。

鸿之微——AI增强材料计算与多尺度仿真平台

2014年成立于上海，是国内材料计算与多尺度仿真软件企业，长期聚焦材料模拟、量子输运、器件设计等方向，推动国产材料设计软件体系建设。近年来，公司进一步将AI与材料计算、多尺度生成引擎（MGE）融合，向AI增强材料研发平台升级。

公司依托AI+MGE技术推出Physics AI材料智能研发平台及鸿元AI智能体，整合材料知识库、智能生成与多尺度协同仿真能力，支撑材料结构设计、性能预测与计算验证，面向新能源、半导体、先进功能材料落地AI辅助材料研发。

公司持续推动材料计算向产业研发流程渗透，与宁德时代共建“鸿之时代实验室”，围绕新能源材料、电池设计自动化及材料计算等方向开展合作；同时与高校、科研机构推进材料垂类大模型与物理AI研发。

材科源图——AI材料数据与智能实验基础设施

AI4Materials领域材料数据与智能研发企业，核心构建连接材料数据、AI模型与自动化实验的研发平台，推动材料研发由经验驱动向AI辅助设计、智能实验演进。公司由材料科学与人工智能交叉团队组建，持续布局材料数据库、智能算法与AI Agent。

据公司披露，已积累百万级真实材料数据、自研200余款材料物理预测模型。自研AI材料智能体，支撑材料性能预测、结构设计与研发决策；同时推出AI Agent驱动的高通量固相合成智能平台，联动自动化实验设备，打通数据分析至智能实验的研发链路。

企业重点布局固态电池、催化、压电陶瓷、光刻胶及半导体材料等赛道，与协鑫科技开展新能源材料AI研发合作，并联合姑苏实验室等科研机构推进材料数据与智能研发攻关，同时将AI Agent拓展至高分子材料研发场景。

2026年8月，公司官宣近三个月内连续完成两轮天使系列融资，合计超亿元；资金用于深化“数据‑物理模型‑AI智能体‑自动化实验”全链路研发闭环、迭代高通量实验平台，推进关键材料产业化及复合型人才引入。

屹艮科技——Physical AI材料研发Agent

AI for Materials领域Physical AI物理智能原生研发企业。依托第一性原理、跨尺度物理仿真与生成式AI技术，推动电池材料研发从传统经验试错，向AI自主设计、仿真验证、智能迭代的新模式升级。

公司以AI Scientist和材料研发Agent为核心，融合大模型、AI Agent与全套实验工具链，覆盖材料结构设计、性能仿真验证、实验方案规划、数据智能分析全流程，持续向自主科研智能体、自驱实验室体系迭代升级。

公司聚焦新能源电池核心材料领域，重点布局电池正负极、电解液等关键材料研发，业务进一步延伸至工艺优化、器件设计等上下游环节。2026年7月，宁德时代战略入股成为公司股东，为公司深度切入新能源产业真实研发场景、落地技术产业化提供核心产业资源与协同支撑。

幻量科技——材料信息学与高通量研发平台

数据驱动的材料信息学与智能研发企业，依托人工智能、材料信息学与高通量研发技术提升新材料研发效率，推动材料研发由传统计算模拟转向数据驱动、高通量迭代的研发模式。

公司以材料信息学与高通量研发体系为核心，借助机器学习挖掘材料组分、结构、工艺与性能之间的关联规律，结合高通量计算与高通量实验完成候选材料筛选及研发优化，业务覆盖新能源、电池、化工材料、半导体等领域。

2026年1月，公司官宣七彩化学完成战略入股；同年2月，双方签署合作协议共建AI智能化实验室，围绕高性能材料研发，融合AI、材料信息学、高通量计算与实验能力开展协同攻关。公司曾获得红杉中国种子基金、巢生资本、真格基金、百度、熙诚致远等机构投资，持续推动AI材料研发平台面向工业场景落地应用。

— The End—