（来源：VCA创投社）

AI已经进入下半场，从材料行业的角度看，人们已经从关注能否生成候选材料转向关注能否在真实世界完成验证，而这个下半场中，也诞生了正在领跑的公司。

9月2日，AI新材料研发公司鼎犀智创（Rhinovate™）宣布完成数亿元Pre-A轮融资，由鼎晖百孚领投，九合创投、彬复资本、龙芯创投、顺禧基金、中关村资本跟投。

这是这家成立仅14个月的公司，在一年内完成的第三轮融资。

这也是AI科学家真正走进实验室的故事。

北大系公司的Physical AI路线

要理解鼎犀智创，先要理解AI for Materials（AI4M）行业正在发生的一个关键转变。

过去几年，AI在材料领域的叙事主要由生成主导：2023年，谷歌DeepMind的GNoME一次性预测出220万种晶体结构，将已知稳定材料库扩大数十倍；微软随后发布扩散模型MatterGen，可以按目标性能逆向生成新材料。

但当候选材料的清单越来越长，更现实的问题浮出水面。

AI给出的结构和配方是否可制备？性能能否复现？实验数据能否反向更新模型？进入中试和放大阶段后，原来的结论是否依然成立？

这些问题决定了AI能否真正进入材料研发流程，也正是鼎犀智创选择的技术路线切入点。

鼎犀智创成立于2025年7月，依托北京大学科研力量孵化，项目团队出自北京大学深圳研究生院深港河套科学创新中心（SHINES）。公司董事长吕舟同时担任北大深研院深港河套科创中心主任。

核心团队成员来自北京大学、清华大学、剑桥大学、斯坦福大学、麻省理工学院等高校，被业内描述为国内少有的兼备“实验-理论-模型-设计-工艺”全栈研发能力和商业化服务经验的团队。

公司的自我定位，是一家由Physical AI驱动的新材料研发公司，一句话说，就是把复杂、依赖经验的材料研发，转化为可计算、可验证、可规模化的工程体系。

新材料从设计到量产通常需要五到十年，计算、实验与放大彼此割裂，模型难落到工艺、实验数据难回流，实验室里的性能还可能在放大中失效。

鼎犀智创的定位与这一痛点直接对应。其自研的RhinoAI智能研发平台由多层核心部件协同驱动：

Rhino Scientist（AI科学家）：作为全链路科研智能体，负责理解科研目标、调用知识库与材料模型、生成研究方案，并可按不同材料场景灵活编排多个智能体，把科学问题转化为可执行的计算、实验与工程任务；

Rhino Lab（自主实验室）：由机器人、智能实验工站、高通量表征设备及统一控制系统构成。它在计算模拟与实验校准的干湿闭环中，自主完成实验编排、样品制备、多模态表征与数据回流，再依据反馈调整下一轮实验。

在这套体系里，AI科学家负责提出假设与策略，机器人负责高通量执行，人类科学家负责目标定义、机理解释与工程决策。

模型层面，Rhino正在构建面向聚合物的材料科学基础大模型RhinoMat：以三维等变图神经网络与长程作用模块为底座，对聚合物结构进行统一表示；在此基础上构建力场模型模拟聚合物体系，结合扩散模型逆向生成目标聚合物，并将结构表示融入代理模型进行贝叶斯优化。

数据层面，其一，Rhino已在结构承载聚合物、烯碳材料与电解液方向，积累超过125万条多尺度模拟数据、4.8万条自动化实验数据，并构建了包含21.4万个实体和62.6万条实体关系的知识图谱。

其二，区别于公开数据库，Rhino持续采集“工艺—结构—表征—性能”全过程数据，并刻意保留失败实验记录，通过数据质控与因果证据链建设，确保数据全程可追溯、结果可归因。

这些产品与技术也并非纸上谈兵，其已经实际运用到了科研当中，且取得了一定的成果。

在复合材料领域，鼎犀智创联合北大深研院材料学院教授课题组，依托CarbonKylin“自主进化纤维材料AI科学家系统”，在模型、配方与制备参数之间联动寻优。在万级参数空间中，系统将原本预计约2000天的多目标寻优压缩至4天，研发周期缩短99.8%；做出的烯碳/芳纶复合纤维拉伸强度达到41.2cN/dtex。

据公司披露，这一指标达到业界最强水平，相关材料已进入中试。

在新能源材料领域，鼎犀联合北大团队从知识图谱出发定义研究空间，以机器学习和贝叶斯优化驱动自动配液、检测、扣电组装与循环测试。通过模型、配方与实验参数的闭环迭代，系统在7天内找到配方突破方向，将研究周期由180天缩短至30天，实验量减少75%，电池库伦效率突破99.5%。

除了缩短寻优的时间，AI的角色进一步延伸到了发现肌理的层面。系统发现，碳材料与芳纶分子链形成的强界面层可通过锚定效应抑制缺陷，为性能提升提供了可解释线索。该成果也获得2026世界人工智能大会（WAIC）AI4S科学智能应用赛道一等奖。

一年三轮，节奏背后的资本转变

鼎犀智创的融资节奏，在早期硬科技公司中并不多见：

成立三个月即完成首轮融资，一年内连下三轮，且单笔金额从数千万元跃升至数亿元。从融资历程来看，可以窥见AI4S产业认知的不断进化。

第一轮：财务VC定价团队与方向。天使轮由昆仲资本与元生创投联合领投，两家均为深耕早期的财务投资机构。

昆仲资本创始合伙人王钧当时给出的判断是：“材料科学正迎来AI驱动的范式革命。从谷歌GNoME到微软MatterGen，全球科技巨头都在加速布局这个万亿美元级赛道。传统材料研发动辄10-20年的周期，已成为制约产业创新的最大瓶颈。”

他同时点出了下注团队的理由：“鼎犀智创团队兼具材料科学底蕴和AI技术实力的双核优势，其构建的‘设计-模拟-制备-表征’AI闭环平台，不是技术的简单堆砌，而是真正从产业痛点出发的系统性解决方案。”

元生创投董事总经理刘晓则将其上升到了范式层面：“AI for Science正处在科研范式和产业范式交汇的临界点。我们判断，AI在材料科学领域的价值将率先实现从科研工具到产业基础设施的跃迁。”值得注意的是，刘晓特别提到，鼎犀智创“在碳基材料和高通量实验方向的实践，为AI驱动材料创新提供了中国式样本”。

第二轮：产业资本下场，老股东成了行业标杆。天使+轮的投资方变为晶泰科技与上海未来产业基金。

晶泰科技是已在港股上市的AI+4S龙头，拥有全球规模最大的商用机器人实验集群之一，本次投入也是其自身向新材料业务的延伸。同期进入的上海未来产业基金，则代表了地方政府对前沿产业的长期下注。

第三轮：顶级PE领投，早期VC+硬科技产业资本+京沪国资的悉数加入。本轮Pre-A由鼎晖百孚领投。鼎晖百孚是鼎晖投资旗下的早期硬科技投资平台，近年在量子计算、世界模型等前沿方向出手频繁。跟投方中，九合创投是聚焦“计算+”交叉学科的知名早期机构，彬复资本长期关注硬科技，龙芯创投代表硬科技产业资本视角；顺禧基金与中关村资本则是典型的北京国资。

至此，鼎犀智创已经集齐了PE、VC、产业资本、国资四类资本。

公司总裁吕海峰在本轮融资中表态：“材料是硬科技的重要物理基础。过去一年，我们让AI Scientist走进真实实验室，用自主实验系统做出材料、理解材料，并把成果推向放大验证。下一阶段，这套体系将在更多材料方向跑通，让每一次实验都成为下一次发现的起点。”

验证与放大成为新的卡位点

AI4M的全球叙事正在升级。海外第一梯队中，谷歌DeepMind凭GNoME和AlphaFold牢牢掌握学术话语权，并于2025年12月宣布，将于2026年在英国启动其首个与Gemini AI深度集成的自动化材料发现实验室。

创业公司一侧，由前OpenAI研究员与DeepMind GNoME核心负责人联合创立的Periodic Labs，以“AI智能体+自动化实验机器人”闭环开路，2026年推进融资时估值已达75亿美元。

国内的AI4M赛道则已形成清晰梯队：

平台型龙头：晶泰科技以“量子物理+AI+机器人实验室”的干湿闭环能力从制药延伸至新材料；

深势科技则走科学发现基础设施路线，以DPA原子模拟大模型、Uni-Mol分子大模型为底座，产品体系覆盖科学计算到科研智能，2025年12月完成超8亿元C轮融资。

算法模型新锐：深度原理以“大语言模型+扩散模型”双驱动构建Mira材料智能体与AI Materials Factory，累计完成近10亿元A系列融资。

2026年新成立的开物纪则凭微软、DeepMind、巴斯夫、剑桥背景的团队完成数亿元天使轮，主打“AI设计—中试合成—吨级量产”全链条材料IP。

垂直落地与配套玩家：创材深造以单人智能实验室切入航空航天高端合金；戴纳科技交付标准化“黑灯实验室”等。

在这个格局中，鼎犀智创的卡位有两个差异化支点：一是率先把中试放大纳入AI科学家闭环，卡住了多数同行尚未系统布局的实验室到产线空白带。二是全流程干湿闭环的先行优势，九合创投“行业内率先打通全流程干湿闭环的先行者”的评价，指向的正是这一点。

QYResearch数据显示，2025年全球AI for Science市场规模约45.38亿美元，预计2032年将达262.3亿美元，年复合增长率28.9%。

材料本身的体量更为惊人，正如深度原理创始人贾皓钧所言：“材料本身是一个数万亿美元规模的市场，只要能真正解决领域内存在的问题，AI4M的市场规模将会持续高速增长，也具备极高的天花板。”

资本已经闻风而动。据行业机构统计，2026年上半年国内AI4M赛道累计融资总额超460亿元，同比增长245%。政策端也同样密集加码，政策与资本的共振在鼎犀智创的股东结构上体现得相当直接。

吕海峰在天使轮时说过一句话：“未来的突破将不仅依赖实验规模或计算能力，更关键的是我们能否提出真正有价值的问题、能否高效在真实世界中验证解决方案，并最终构建起可持续、可复现的研发闭环与创新生态。”

而目前行业正处于AI走进真实物理世界的交棒时刻，鼎犀智创在赛道中的提前定价与卡位只是第一步，融资之后，对于企业的考验才刚刚开始。