当“AI for Science”从概念走向实践，一家扎根苏州工业园区的硬科技企业正悄然改写新材料研发的游戏规则。

近日，苏州材科源图科技有限公司（MatSource）宣布完成新一轮融资，由经纬创投领投，苏创投及老股东中科创星、硅港资本持续追投，该企业在近三个月内，完成天使++轮及天使+++轮共计超亿元。

这家专注于“AI+新材料”领域的企业，

缘何获得资本密集押注？

背后承载着怎样的技术逻辑与产业理想？

日前记者专访材科源图创始人兼首席科学家李昊，他表示“AI for Science”不是依赖AI，而是要脚踏实地，是把新材料做出来、性能可验证，最终走向产业。

PART.01

【破解“不可积累”的行业困局】

材科源图成立于2025年4月，是一家聚焦“AI for Materials”领域的科技公司。

创始人李昊现任日本东北大学终身正教授，是全日本唯一华人“卓越教授”（日本学术体系最高头衔），也是日本历史上最年轻的终身正教授之一（32岁获评，日本平均终身正教授年龄58岁）。

“材料研发的本质痛点不只是周期长、成本高、依赖经验，更深层的问题是研发过程不可积累、不可复用、不可系统化。”

采访中，李昊一针见血地指出行业症结。

在他看来，一个项目结束后，大量经验停留在人脑或散落的Excel表里，无法转化为下一轮研发的资产，而这是新材料行业最核心的效率瓶颈。

正是瞄准这一痛点，材科源图选择了一条与众不同的路径，通过构建“数字材料生态”，而非简单的AI工具。

这一生态包含四大核心支柱，分别是高质量真实实验材料数据库、物理约束模型、材料AI智能体，以及AI智能体驱动的高通量实验平台。

为此，材科源图该投入上百名硕博人员进行论文数据挖掘与标注，已积累百万级真实实验数据，其中甚至包含大量宝贵的失败数据，计划年内将数据量扩充至千万级。

同时，团队自主研发了200余个材料预测物理模型，在AI预测中嵌入“材料结构——组分——性能”关系的物理约束，提供可解释性及适用边界，物理模型目标年内将突破250个。

PART.02

两月时间破解产业难题

理论体系的先进性，最终要靠实战检验。李昊向记者分享了一个典型服务案例。

去年，某世界500强企业的一项技术难题，终于在苏州材科源图科技有限公司的帮助下得到破解。此前，该企业某关键工序的催化材料转化效率长期徘徊不前，传统试错法投入巨大却收效甚微。

材科源图接到订单后，摒弃了传统“堆试验、碰运气”的模式，运用公司自研的AI智能体在百万级真实数据库中锁定关键机理，并利用物理约束模型剔除了理论上可行、工业上却无法落地的“伪方案”。

经后续实验验证与配方优化，仅用了不到两个月的时间，便交付了成熟方案，帮助企业将该环节转化效率提升30%，目前该测试已完成小试并进入中试阶段。

客户企业对此给予高度评价：“能够如此高效、前瞻地完成我们过去二十多年一直未能解决的研发任务，确实令人惊喜。”

李昊表示，这正是基于自身强大的全流程智能化材料研发平台，实现“AI设计—智能合成—自动测试—反馈优化”的闭环，材科源图才能够将材料研发效率提升百倍以上。

这种模式颠覆了传统的“试错型”实验方法，极大地缩短了先进功能材料的研发周期，并显著降低了研发成本。

“真正有价值的AI for Science不是‘我有算力、我有平台’，而是把新材料做出来、性能可验证、可走向产业。”李昊说。

PART.03

“材料银行”重塑行业底层逻辑

在李昊看来，材科源图的目标不止于解决单一客户的研发难题，而是要系统性重构新材料研发的底层逻辑。

他告诉记者，当前，材科源图正计划深入布局能源材料等细分领域，并逐步开发各领域的智能材料研发平台。“我们希望通过数十乃至数百‘虚拟材料科学家’高通量、高精准、高效率地输出功能材料设计方案，构建能源领域的‘材料银行’”。

何为“材料银行”？

李昊解释，它不仅是数据仓库，更是将材料组成、结构、性能、工艺、应用场景、实验记录（含失败数据）、IP等系统化管理的平台。一个项目结束，经验沉淀为可复用资产，支持下一轮研发和产品孵化。更重要的是，当全球供应链波动时，手握备选材料方案的企业可迅速切换最优经济技术方案。“这意味着，企业竞争不再只是‘有没有一个材料’，而是‘有没有持续发现好材料的能力’。”

这种底层逻辑也正在重塑材科源图的商业模式，从传统低复用、低毛利的项目制技术服务，向平台化自研加孵化自主知识产权新材料演进。

团队结构也随之变革，除了传统材料科学家，还需要AI工程师、数据工程师、自动化实验工程师、软件架构师、IP专家、懂产业需求的产品科学家。

在李昊看来，材料研发正在从“单个专家经验驱动”，进化为“跨学科系统工程驱动”。这种战略布局，预示着智能材料研发将迎来更加广阔的发展空间。

材科源图的连续成功融资，也反映出资本市场对AI技术在材料科学领域应用前景的坚定看好。

据悉，本轮融资完成后资金将重点投向三大方向，深化“数据-物理模型-智能体-自动化实验”全链条研发闭环，加速智能高通量实验平台搭建；加速能源、催化、有机高分子等领域关键材料的产业化落地与市场拓展；持续引进“AI+材料科学”复合型顶尖人才。