8 月 21 日，苏州材科源图 MatSource 对外公布，近三个月接连完成两轮天使系列融资，累计总规模突破亿元。本轮由经纬创投领投，苏创投、中科创星等老股东继续加码。此前一轮投资方包括苏高新、合肥原初陆号等产业资本。
拿到这笔资金之后，企业计划进一步打磨 “数据 — 物理模型 —AI 智能体 — 自动化实验” 整套研发链条，推进固态电解质这类关键材料的中试与产业化，同时吸纳既懂 AI 又懂材料的复合型人才扩充团队。
材料行业的从业者大多深有体会，传统新材料开发，很大程度靠一遍遍实验试错。整个过程耗时久，投入成本居高不下。拿固态电解质举例，经过数十年研究，人类实际探索过的组分空间还不到 8%，如果沿用传统实验手段，要把剩余空间全部走完，预估要耗费 60-100 年。
材科源图主要瞄准催化、能源两大材料方向，服务固态电池、氢能、光伏产业，业务也在向光刻胶、半导体封装材料延伸。企业自研 200 多套物理约束模型，搭建起完整研发链路，能够把过去漫长的材料研发周期压缩到两个月上下。
现在市面上不少 AI 新材料项目，基本停留在仿真计算层面。材科源图和它们不一样，并不满足只输出算法结果，目标是走完 AI 设计、仿真测算、实验再到中试的完整实物闭环，最终产出能用的实体材料。
这家公司 2025 年 4 月落地苏州工业园区，主打数据与智能结合的新材料研发平台。团队内部博士占比达到 50%，八成人员属于研发岗位，也已经和国内不少高校、科研院所开展产学研协作。商业化层面，已经拿到新能源企业百万级别的定制研发订单，部分自研催化材料，实测表现已经优于市面上已经量产的同类产品，真正实现从 AI 设计到样品验证。
放眼海外，同样能看到资本对 AI 材料赛道的热情。7 月 20 日，总部在英国剑桥的 CuspAI 官宣 4.5 亿美元 B 轮融资，投后估值来到 26 亿美元，对比 A 轮 5.2 亿美元，估值接近翻五倍。这家 2024 年成立的企业，聚焦半导体、清洁能源、电池、工业涂料领域的新材料开发，采用逆向设计思路做材料研发。
传统研发逻辑，是拿着现成材料去测试性能；CuspAI 则反过来，先确定想要达成的性能指标，再由平台生成匹配要求的全新分子、晶体结构。
在北美洲同样上演类似的案例。8 月 10 日，初创企业 Discovered Materials 完成 900 万美元种子轮融资，主攻芯片散热新材料，希望解决芯片发热难题。
该团队基于 Anthropic 大模型搭建专属 AI 代理系统，叠加自研物理模拟模型，每天可以完成数千次材料筛选与性能校验。创始人对外表示，这套体系的探索效率，相比资深科研人员人工试错，能够提升百倍以上。
对比来看，海外已经成长出数亿美金量级的 B 轮独角兽，国内同类项目大多还处在天使早期阶段。但可以明确感受到，AI 正在改变材料研发的做事方式，AI for Materials已经成为全球硬科技领域资本重点布局的方向。
8 月 21 日，苏州材科源图 MatSource 对外公布，近三个月接连完成两轮天使系列融资，累计总规模突破亿元。本轮由经纬创投领投，苏创投、中科创星等老股东继续加码。此前一轮投资方包括苏高新、合肥原初陆号等产业资本。
拿到这笔资金之后，企业计划进一步打磨 “数据 — 物理模型 —AI 智能体 — 自动化实验” 整套研发链条，推进固态电解质这类关键材料的中试与产业化，同时吸纳既懂 AI 又懂材料的复合型人才扩充团队。
材料行业的从业者大多深有体会，传统新材料开发，很大程度靠一遍遍实验试错。整个过程耗时久，投入成本居高不下。拿固态电解质举例，经过数十年研究，人类实际探索过的组分空间还不到 8%，如果沿用传统实验手段，要把剩余空间全部走完，预估要耗费 60-100 年。
材科源图主要瞄准催化、能源两大材料方向，服务固态电池、氢能、光伏产业，业务也在向光刻胶、半导体封装材料延伸。企业自研 200 多套物理约束模型，搭建起完整研发链路，能够把过去漫长的材料研发周期压缩到两个月上下。
现在市面上不少 AI 新材料项目，基本停留在仿真计算层面。材科源图和它们不一样，并不满足只输出算法结果，目标是走完 AI 设计、仿真测算、实验再到中试的完整实物闭环，最终产出能用的实体材料。
这家公司 2025 年 4 月落地苏州工业园区，主打数据与智能结合的新材料研发平台。团队内部博士占比达到 50%，八成人员属于研发岗位，也已经和国内不少高校、科研院所开展产学研协作。商业化层面，已经拿到新能源企业百万级别的定制研发订单，部分自研催化材料，实测表现已经优于市面上已经量产的同类产品，真正实现从 AI 设计到样品验证。
放眼海外，同样能看到资本对 AI 材料赛道的热情。7 月 20 日，总部在英国剑桥的 CuspAI 官宣 4.5 亿美元 B 轮融资，投后估值来到 26 亿美元，对比 A 轮 5.2 亿美元，估值接近翻五倍。这家 2024 年成立的企业，聚焦半导体、清洁能源、电池、工业涂料领域的新材料开发，采用逆向设计思路做材料研发。
传统研发逻辑，是拿着现成材料去测试性能；CuspAI 则反过来，先确定想要达成的性能指标，再由平台生成匹配要求的全新分子、晶体结构。
在北美洲同样上演类似的案例。8 月 10 日，初创企业 Discovered Materials 完成 900 万美元种子轮融资，主攻芯片散热新材料，希望解决芯片发热难题。
该团队基于 Anthropic 大模型搭建专属 AI 代理系统，叠加自研物理模拟模型，每天可以完成数千次材料筛选与性能校验。创始人对外表示，这套体系的探索效率，相比资深科研人员人工试错，能够提升百倍以上。
对比来看，海外已经成长出数亿美金量级的 B 轮独角兽，国内同类项目大多还处在天使早期阶段。但可以明确感受到，AI 正在改变材料研发的做事方式，AI for Materials已经成为全球硬科技领域资本重点布局的方向。
