6.3
深览指数
科技微博·经济观察报··AI 生成
AI盯上新材料
AI企业正从AI制药转向材料学领域（AI4M），认为其市场空间更广、商业化路径更短。文章梳理了字节、小米、阿里等大厂入局动作，以及多家创业公司的融资进展。核心判断是：AI4M尚缺成熟基准模型，创业公司仍有窗口期，但产业落地仍面临数据封闭、从实验室到量产的工程化门槛。适合关注AI产业落地、新材料投资、硬科技商业化的读者。原文 ↗
核心观点
- ▍AI企业正从AI制药转向AI4M（AI for Materials），认为新材料领域市场空间更广、无需漫长临床试验、商业化路径更短，且尚缺AlphaFold级别的成熟基准模型，创业公司仍有成长机会。
- ▍AI4M的落地路径是：先辅助科研（高校和院所买单意愿强），再逐步进入工业化量产，当前仍处于市场教育期。
- 012024年诺贝尔化学奖授予AlphaFold核心开发者，推动AI4S赛道获关注。2026年7月，耀速科技、临界航天、深度原理等十余家AI4S创业公司释出融资信息。
- 02字节跳动2026年6月拆分AI4S制药部门，7月启动SEED STEM科学家计划；小米2026年6月招募俞之奡担任材料CORE团队负责人；阿里达摩院联合发布超导材料发现AI智能体ElementsClaw。
- 03深度原理CTO段辰儒2023年提交的论文显示，应用Diffusion模型预测化学反应，预测准确度大幅提高，速度至少提升1000倍。
- 04协鑫光电已建成钙钛矿AI高通量设备，每日完成300片电池多种涂层制备、产出1800组高精度数据，机器实验误差可降至0.1%左右。
- 05深度原理与一家欧美美妆公司合作，解决活性分子光照稳定性问题，最终所有推荐分子均优于对照组。
- 06深度原理创始人贾皓钧认为，有机材料赛道最容易实现突破，未来将逐步推广到无机材料和电化学材料。
反方 / 局限
- — 光因科技AI4S相关负责人指出，科研数据干净可控，但真实生产中面临设备漂移、环境波动、批次差异等问题，AI4M从实验室到量产仍有门槛。
- — 线性资本投资总监周天意表示，AI4M企业目前大多签订项目制合同，商业模型有待进一步清晰与完善；材料领域数据比医药更封闭，分散在高校和企业实验室内部。
7 分钟 · 4 卡片 · 11 资料
读原文 →