企业官网建设流程全解析

深度 | AI 材料发现的钱已经到账，材料还没走出实验室

先把两个数字摆出来。2026 年 7 月 20 日，剑桥的 CuspAI 完成 4.5 亿美元 B 轮融资，估值冲到 26 亿美元，领投方是 Kleiner Perkins 和 NEA，跟投名单里有贝佐斯的基金和英国政府的主权 AI 投资基金。就在同一天，它牵头拉起了「AI Materials Foundry」，Nvidia、Meta、三星、现代、应用材料、东京电子、Lam Research 一共 48 家，都在里面。

另一个数字来自 2025 年 12 月的一篇基准评测：用 MatterSim 给生成晶体做声子动力学稳定性检测，覆盖 108,843 个结构，当前生成模型的平均动力学稳定率是 25.83%，最好的 MatterGen 也只有 41%。也就是说，生成器每吐出四个候选晶体，平均有三个在物理上站不住。CuspAI 自己在 7 月接受采访时也承认，还没有一种材料走出实验室。

钱到了，材料没到。这个落差是整件事最值得写的地方。

先分清「生成」和「预测」两条线

「材料大模型」这个词被用得很滥，实际是两条不同的技术路线。

一条是生成式晶体模型，代表是微软的 MatterGen。它是扩散模型，联合生成原子的种类、坐标、晶格参数，能对化学组成、对称性、力学、电子、磁学性质做定向微调，2025 年发在 Nature 上，稳定材料生成效率约为既有方法的 2 倍。它的官方仓库就在 github.com/microsoft/mattergen，模型、权重、示例都在。

上图：Microsoft MatterGen 官方 GitHub 仓库页面截图，2026-10-09，本文涉及的生成/验证分工可在该仓库核对。

另一条是大原子模型，也叫通用力场，代表是微软的 MatterSim、Meta 的 EquiformerV2/V3、Orbital 的 Orb、中国的 DPA/OpenLAM。它们本质是等变图神经网络加消息传递力场，干的是能量、力、应力预测和结构弛豫，不是生成新材料。真正占据 MatBench Discovery 榜单榜首的，几乎全是这一派。

还有一条边缘路线，用文本大模型直接输出 CIF 结构文件，代表是 CLOUD、FiT-LM、LLMatDesign。它的结构有效性一直偏低，这两年没见登顶，也缺大规模实验验证。

上图：AI 材料发现的三个技术方向，真正领跑的是中间那条力场路线。

数据侧的积累也在这两条线上。DeepMind 的 GNoME 走图神经网络加主动学习，2023 年预测出 220 万个新晶体结构、约 38 万个预测稳定，含 528 种锂离子导体，其中 736 个结构后来被外部实验室独立合成。Meta 的 OMat24 数据集在 2024 年放出约 1.1 亿条 DFT 计算。微软的 MatterSim 用约 1700 万条第一性原理数据训练，覆盖前 89 种元素。

谁在花钱，为什么是现在

资本端的动作比技术端激进得多，而且有一个明显的转向。

CuspAI 2024 年成立时主打碳捕集材料，和 Meta 合作筛选了 30 万亿种金属有机框架（MOF）、合成出 6 种，但没能超过商用材料。2026 年它把 80% 的研发投向了半导体材料，目标是削减钌、铱这类风险稀有金属的依赖。这个转向把「AI 材料发现」从一个环保叙事，拉到了芯片供应链安全的叙事里，估值也顺势翻了几倍。

Orbital Industries 走的是另一条更重的路：不卖模型授权，自己发现、自己制造、自己卖材料。它 5 月拿到 5000 万美元 B 轮，第一个产品是数据中心的 PFAS-free 液冷剂，瞄准 2027 年下一代 GPU 的散热需求，还顺带把公开版 Orb 模型开源了。

上图：资本热度与技术验证的节奏并不同步，钱总比证据跑得快。

那 25% 到底卡在哪

资本给「AI 能发现材料」定价，学术端给的证据要保守得多。25.83% 这个动力学稳定率是判断一个晶体能不能真实存在、能不能合成的第一道物理关口。带隙定向生成的时候，这个数字会降到 23.5%。

「新颖性」也被高估过一轮。Berkeley 的 A-Lab 机器人实验室 2024 年宣称 17 天自主合成 41 种新材料，被广泛引用；2026 年 1 月论文作者向 Nature 交了更正，说明「novel」仅指平台内部的新材料，独立复核后确认的数字是 36/40。这中间的口径差，就是「AI 发现了新材料」和「AI 在自己候选池里筛出了新组合」的区别。

更麻烦的是「结构有效不等于可合成」。现在的生成器有训练数据偏置，DFT 能量用 GGA 级别、晶胞偏小、缺合成元数据，生成的结构默认是 0 K 下的理想有序晶体、满占位，忽略缺陷、无序和温度。绝大多数模型只吐一个「能量低」的晶体，不给任何合成路径。能量再低，实验室做不出来，对产业就没意义。

上图：从生成到量产要过好几道关口，多数报道只停在第一道。

国内已经在收钱了

国内这条线有一个美国还没有的东西：已经落地的收入。

晶泰科技从 AI 制药转过来做材料，2025 上半年材料科学业务收入 1.1 亿港元，占营收 9%，毛利率约 65%，客户里有宁德时代、比亚迪。媒体报道它的电解液分子生成把锂电电解液研发周期从 18 个月压到 3 个月。深势科技完成 C 轮超 8 亿人民币融资，它的 DPA4 系列登顶了材料科学 AI 的国际双榜。创业公司创材深造 2025 年发布材料智能体 DM Agent，把金属材料研发从「最长超 10 年」压到「最短 2 个月」，首款 3D 打印高强铝合金抗拉强度超 550 兆帕。

政策也在推。北京 2026 年印发的「AI4S 十八条」，18 项重点任务里自主实验室排第一，六大高价值场景明确包含材料科学，点名要「缩短关键材料研发周期」。

上图：国内由一条政策主线串起几家代表性机构，落点都在工业材料场景。

我判断，未来 18 个月这个领域的胜负手会从「谁的生成模型指标漂亮」转向「谁能建立一条从生成到合成到量产的验证管线」。谁先拿出一个经过独立复现、能稳定量产的材料，谁就兑现这 26 亿美元的估值；拿不出来的，估值会像 2024 年那一轮 AI 制药一样被挤水分。

所以看到「AI 发现了 X 材料」的标题，先别转，问三句：它做没做过声子稳定性检测？有没有独立实验室合成过？能不能放大量产？有一个是「否」，就该把它标成「候选」，而不是「发现」。

参考来源

1. PhononBench：生成晶体的动力学稳定性基准（论文） — arXiv 2512.21227（一手）

2. MatterGen：一种用于无机材料设计的生成模型 — Microsoft Research 官网（官方）

3. 英国政府与贝佐斯支持 CuspAI 4.5 亿美元融资 — Reuters（媒体）

4. 贝佐斯与英国政府投资 20 亿英镑估值英国初创 CuspAI — The Guardian（媒体）

5. Orbital Industries 完成 5000 万美元 B 轮 — Dealroom（媒体）

6. 北京 AI4S 十八条：鼓励 AI 科学家上岗、建 24 小时无人实验室 — 智东西（中文媒体，已核验原文）

7. 晶泰科技 2025 年度投资者材料（官方财报） — 港交所 IR（一手）

8. MatBench Discovery 晶体稳定性评测排行榜 — Materials Project 官网（一手）

9. 创材深造 DM Agent：金属材料研发 10 年压缩到 2 个月 — 36氪（中文媒体，已核验原文）