具身涌现讯，近日，AI4M（人工智能驱动材料研发）公司「元材新界」宣布完成数千万元人民币种子轮融资，由君联资本领投、小苗朗程跟投。从新浪财经科创板日报单看金额，这笔钱在热闹的AI赛道并不显眼，真正让具身涌现停下脚步的，是这家刚满月公司的创始阵容 —— 几乎清一色来自新加坡南洋理工大学。
公司创始人 刘政 是南洋理工材料科学与工程学院的讲席教授，在二维材料方向深耕二十余年，连续八年入选科睿唯安全球高被引科学家，论文总引用量超过8万次。另一位核心成员安波，同为南洋理工校长讲席教授、AAAI Fellow，执掌该校人工智能研究院，主攻多智能体与强化学习。
一位顶级材料学者，配一位顶级AI学者，这样的组合在国内AI4M赛道并不多见。公司日常经营，则交给两位青年博士 ——CEO 汤碧珺 是AI 2050 Fellow、曾入选福布斯30岁以下精英榜，CTO肖玉善主导开发了Compelix仿真平台。
不过，真正让具身涌现感兴趣的，不是这些头衔，而是这家公司对“AI造材料”这个命题给出的答案。眼下不少同行在比拼AI能“算”出多少新候选材料，元材新界却把判断放得更冷静：生成式AI给出候选只是起点，真正的难点，是让候选方案经得起产线检验。
这个判断，其实早在2017年就有了雏形。当时汤碧珺在做二维材料合成，前驱体、温度、气流等十多个工艺参数，单靠人工几乎无法穷举。团队引入主动学习，让模型挑选下一轮实验条件，实验次数降到原来的四分之一到五分之一，研发周期从数月缩短到数天。一次真实的研发困局，就这样成了日后公司路线的起点。
围绕这个判断，元材新界搭起了“模型预测 - 物理计算 - 实验验证 - 数据回流”的闭环。跨尺度材料模型串联起第一性原理计算、有限元仿真和相图计算，先把海量候选逐级压缩成少数方案送进实验室，再用实验和产线数据持续校准模型。
这恰好回应了行业公认的两大瓶颈 —— 张统一院士曾提醒，AI for Science普遍重算法轻物理、重软件轻硬件，模型容易脱离领域逻辑而预测失真。元材新界既保留物理计算作为硬约束，又自己动手改造实验设备，两条腿都踩在了点子上。
数据，是这套闭环里最难也最值钱的一环。公开文献大多只报告材料的最终成分和性能，很少记录制备过程中的动态变化。团队于是改造设备，持续采集材料在温度、压力和应力作用下的演化数据，还攒下近十年的单原子级电镜数据。这些难以复制的一手数据，才是这家公司真正的护城河。
商业化上，元材新界把多功能复合材料选作首个落地方向。在一项商业复材强度预测任务中，其模型误差约为±1.2%，而作为对照的海外通用大语言模型，误差最高达到±15.6%。团队还曾不到两个月锁定一种双波段红外四元材料体系，另一项超薄红外材料技术，已授权给海外光子企业。
眼下，已有近10家航空制造、复材和化工企业使用其技术。放到更大的背景看，这条赛道正被资本重仓 —— 鼎犀智创一年内连融三轮，杭州的Mira平台累计融资近10亿元，创下国内AI4M领域最大融资纪录。新浪财经杭州新闻中心元材新界赶上的，正是这波“AI for Science”的潮水。
具身涌现认为，材料科学从没有捷径可走，AI给这个行业的，不是一步登天的魔法，而是把试错的成本从几个月压到几天、把海量排列组合交给机器的耐心。当风口上的玩家都在刷屏候选数量时，元材新界选择把脚印留在产线上。这条路更慢、更重、更不性感，但或许才更接近那个真正的答案 —— 让AI造出的每一块材料，都能真的装进飞机、飞上天，而不是停在论文里。
原文标题 : 又一位全球科学家下场创业，完成数千万种子轮融资！
具身涌现讯，近日，AI4M（人工智能驱动材料研发）公司「元材新界」宣布完成数千万元人民币种子轮融资，由君联资本领投、小苗朗程跟投。从新浪财经科创板日报单看金额，这笔钱在热闹的AI赛道并不显眼，真正让具身涌现停下脚步的，是这家刚满月公司的创始阵容 —— 几乎清一色来自新加坡南洋理工大学。
公司创始人 刘政 是南洋理工材料科学与工程学院的讲席教授，在二维材料方向深耕二十余年，连续八年入选科睿唯安全球高被引科学家，论文总引用量超过8万次。另一位核心成员安波，同为南洋理工校长讲席教授、AAAI Fellow，执掌该校人工智能研究院，主攻多智能体与强化学习。
一位顶级材料学者，配一位顶级AI学者，这样的组合在国内AI4M赛道并不多见。公司日常经营，则交给两位青年博士 ——CEO 汤碧珺 是AI 2050 Fellow、曾入选福布斯30岁以下精英榜，CTO肖玉善主导开发了Compelix仿真平台。
不过，真正让具身涌现感兴趣的，不是这些头衔，而是这家公司对“AI造材料”这个命题给出的答案。眼下不少同行在比拼AI能“算”出多少新候选材料，元材新界却把判断放得更冷静：生成式AI给出候选只是起点，真正的难点，是让候选方案经得起产线检验。
这个判断，其实早在2017年就有了雏形。当时汤碧珺在做二维材料合成，前驱体、温度、气流等十多个工艺参数，单靠人工几乎无法穷举。团队引入主动学习，让模型挑选下一轮实验条件，实验次数降到原来的四分之一到五分之一，研发周期从数月缩短到数天。一次真实的研发困局，就这样成了日后公司路线的起点。
围绕这个判断，元材新界搭起了“模型预测 - 物理计算 - 实验验证 - 数据回流”的闭环。跨尺度材料模型串联起第一性原理计算、有限元仿真和相图计算，先把海量候选逐级压缩成少数方案送进实验室，再用实验和产线数据持续校准模型。
这恰好回应了行业公认的两大瓶颈 —— 张统一院士曾提醒，AI for Science普遍重算法轻物理、重软件轻硬件，模型容易脱离领域逻辑而预测失真。元材新界既保留物理计算作为硬约束，又自己动手改造实验设备，两条腿都踩在了点子上。
数据，是这套闭环里最难也最值钱的一环。公开文献大多只报告材料的最终成分和性能，很少记录制备过程中的动态变化。团队于是改造设备，持续采集材料在温度、压力和应力作用下的演化数据，还攒下近十年的单原子级电镜数据。这些难以复制的一手数据，才是这家公司真正的护城河。
商业化上，元材新界把多功能复合材料选作首个落地方向。在一项商业复材强度预测任务中，其模型误差约为±1.2%，而作为对照的海外通用大语言模型，误差最高达到±15.6%。团队还曾不到两个月锁定一种双波段红外四元材料体系，另一项超薄红外材料技术，已授权给海外光子企业。
眼下，已有近10家航空制造、复材和化工企业使用其技术。放到更大的背景看，这条赛道正被资本重仓 —— 鼎犀智创一年内连融三轮，杭州的Mira平台累计融资近10亿元，创下国内AI4M领域最大融资纪录。新浪财经杭州新闻中心元材新界赶上的，正是这波“AI for Science”的潮水。
具身涌现认为，材料科学从没有捷径可走，AI给这个行业的，不是一步登天的魔法，而是把试错的成本从几个月压到几天、把海量排列组合交给机器的耐心。当风口上的玩家都在刷屏候选数量时，元材新界选择把脚印留在产线上。这条路更慢、更重、更不性感，但或许才更接近那个真正的答案 —— 让AI造出的每一块材料，都能真的装进飞机、飞上天，而不是停在论文里。
原文标题 : 又一位全球科学家下场创业，完成数千万种子轮融资！
