本轮资金将主要用于核心智能系统M－Loop的持续研发、高通量实验平台M－Lab的复制扩产、材料数据集M－Data的持续积累、分布式自驱实验室网络OPL建设，以及复合型人才引进，目标是把AI研发能力复制到更多材料领域。

在AI for Science的链条上，创材深造把突破口押在了最＂重＂的环节—真实实验数据。创始人王轩泽解释，宏观材料（金属、陶瓷、高分子等）的研发必须依靠真实物理实验，而传统实验数据维度低、难获取、成本高，＂一条数据可能要几万元，对AI来说完全不可接受＂。因此公司从2021年起自建高通量自动化实验室M－Lab，目前已迭代至3.0版本：数据生产效率提升数百倍、成本降低数十倍，闭源数据维度超过400维、单条存储超10GB；按创始人口径，单条数据成本已降至几百元，单实验线数据产生速率可达每秒1000条以上。本轮融资的重要一项，就是部署5—10条实验线。

围绕这套能力，公司构建了四大组件：M－Cortex（材料垂类大模型与Agent，负责研发流程编排与智能调度）、M－Science（工具类算法与专用小模型，弥补小尺度算法在宏观尺度失效的短板）、M－Lab（实验室闭环）与M－Data（数据量超10万条、涵盖实验全过程与失败结果的数据集）。

价值最终落在交付上：公司将材料研发及测试验证周期从5—10年缩短至2—3个月，成本降至1／10，交付形态涵盖材料配方、工艺窗口、金属制件与样件、验证结果及长期供应或授权。其超高强铝的疲劳性能达世界领先水平两倍以上，成本约为国外的1／10、国内的1／3。

落地方面，公司已与多类头部客户推进合作：与全球头部3C厂商做可阳极氧化铝合金外观件、超高强韧不锈钢连接件、超高强钛合金外观件；与国内头部可控核聚变公司研发难熔高熵合金第一壁、低活化钢包层、锂基氚增殖材料；与头部商业航天公司推进高温合金发动机喷管、高强铝支撑结构件；此外还涉及高尔夫器材、轮胎模具、钛矿与量子计算算法等方向。

行业层面，AI for Science的竞争正从模型、数据、实验升级为＂基础设施竞争＂—模型越来越易得，而包含实验条件、过程参数、失败结果与工艺反馈的高维真实数据正成为稀缺资源。国务院《关于深入实施＂人工智能＋＂行动的意见》提出，2027年AI4S应用普及率目标达70％、2030年超90％。金属材料产业规模超万亿美元，且验证快、指标明确，被视为AI赋能研发的最佳落地方向之一。

王轩泽将当前阶段形容为＂井喷前夕＂。下一步，公司正打造All in One平台M－Loop，计划今年年底发布1.0版本，把数据生产、算法、材料研发、测试表征与放大整合在同一平台内完成。

这轮近亿元融资买到的核心是产线复制、数据放大与人才补充；真正的考验在于，能否让更多新材料从实验室配方走到客户的量产线上。

本轮资金将主要用于核心智能系统M－Loop的持续研发、高通量实验平台M－Lab的复制扩产、材料数据集M－Data的持续积累、分布式自驱实验室网络OPL建设，以及复合型人才引进，目标是把AI研发能力复制到更多材料领域。

在AI for Science的链条上，创材深造把突破口押在了最＂重＂的环节—真实实验数据。创始人王轩泽解释，宏观材料（金属、陶瓷、高分子等）的研发必须依靠真实物理实验，而传统实验数据维度低、难获取、成本高，＂一条数据可能要几万元，对AI来说完全不可接受＂。因此公司从2021年起自建高通量自动化实验室M－Lab，目前已迭代至3.0版本：数据生产效率提升数百倍、成本降低数十倍，闭源数据维度超过400维、单条存储超10GB；按创始人口径，单条数据成本已降至几百元，单实验线数据产生速率可达每秒1000条以上。本轮融资的重要一项，就是部署5—10条实验线。

围绕这套能力，公司构建了四大组件：M－Cortex（材料垂类大模型与Agent，负责研发流程编排与智能调度）、M－Science（工具类算法与专用小模型，弥补小尺度算法在宏观尺度失效的短板）、M－Lab（实验室闭环）与M－Data（数据量超10万条、涵盖实验全过程与失败结果的数据集）。

价值最终落在交付上：公司将材料研发及测试验证周期从5—10年缩短至2—3个月，成本降至1／10，交付形态涵盖材料配方、工艺窗口、金属制件与样件、验证结果及长期供应或授权。其超高强铝的疲劳性能达世界领先水平两倍以上，成本约为国外的1／10、国内的1／3。

落地方面，公司已与多类头部客户推进合作：与全球头部3C厂商做可阳极氧化铝合金外观件、超高强韧不锈钢连接件、超高强钛合金外观件；与国内头部可控核聚变公司研发难熔高熵合金第一壁、低活化钢包层、锂基氚增殖材料；与头部商业航天公司推进高温合金发动机喷管、高强铝支撑结构件；此外还涉及高尔夫器材、轮胎模具、钛矿与量子计算算法等方向。

行业层面，AI for Science的竞争正从模型、数据、实验升级为＂基础设施竞争＂—模型越来越易得，而包含实验条件、过程参数、失败结果与工艺反馈的高维真实数据正成为稀缺资源。国务院《关于深入实施＂人工智能＋＂行动的意见》提出，2027年AI4S应用普及率目标达70％、2030年超90％。金属材料产业规模超万亿美元，且验证快、指标明确，被视为AI赋能研发的最佳落地方向之一。

王轩泽将当前阶段形容为＂井喷前夕＂。下一步，公司正打造All in One平台M－Loop，计划今年年底发布1.0版本，把数据生产、算法、材料研发、测试表征与放大整合在同一平台内完成。

这轮近亿元融资买到的核心是产线复制、数据放大与人才补充；真正的考验在于，能否让更多新材料从实验室配方走到客户的量产线上。