2026 年，AI 应用将全面爆发。
我是 “AI 明白人”，启动《商业拆解 100 家 早期获投 AI 样本》计划：
只针对刚成功拿到早期融资的AI应用初创公司，深挖真实商业逻辑。
编号 04/100：开物纪智能
细分赛道：AI+Science
创始人：陆子恒
融资官宣时间：26年2月12日
融资轮次：天使轮
? Q1：为何能高频连续融资
读者嘴替 问：一家成立半年、没官网、没客户的公司，凭什么几个月内能够成功连融两轮？
AI 明白人 答：
2025年9月8日，北京开物纪智能科技有限公司注册成立。
2025年11月，完成亿元级天使轮融资，IDG资本、蓝驰创投联合领投，BV百度风投、L2F光源创业者基金、高瓴创投跟投。
2026年2月，完成第二轮天使轮融资，投资方为JAFCO Asia集富亚洲、Monolith Management砺思资本。
成立不到半年，连续两轮融资，投资方清一色顶级机构。
资本在赌三个关键变量：
赛道天花板足够高：传统材料研发是一个"慢工出细活"的行业：一款新材料从实验室到量产，平均周期10-20年，研发投入动辄数亿元，成功率低于5%。
全球每年在材料研发上的投入超过千亿美元，但效率极低。以锂电池正极材料为例，从发现到商业化用了近30年；高温超导材料发现至今40年，仍未大规模应用。
AI4Materials被称为材料科学的"第五研究范式"。如果AI能将材料研发周期从10年压缩到2年，成功率从5%提升到30%，这个市场的想象空间是万亿级的。
技术突破已经发生：陆子恒在微软研究院期间开发的MatterSim模型，准确性是之前模型的10倍；MatterGen模型的研究成果已在Nature期刊发表，源代码以MIT许可开源。
微软研究院与中科院深圳先进院合作，成功合成了MatterGen生成的新材料TaCr₂O₆，实验测得的体积模量为169 GPa，与设计目标200 GPa的误差低于20%。
团队稀缺性：核心团队来自剑桥、牛津、耶鲁、清华、微软、BASF（巴斯夫）等机构，同时具备材料科学、AI大模型、自动化实验、工程量产的全链条能力。
"这是全球范围内稀缺的高度复合型团队。"——BV百度风投董事总经理刘水
"未来材料产业的竞争将不再仅是单项性能的比拼，而是材料IP发现效率与平台化能力的竞争，而开物纪正率先构建这一代际能力的基础设施。"——光源资本合伙人娄洋
"开物纪致力于将材料研发重塑为一场可计算、可预测的'理性设计'革命。"——高瓴创投项目负责人
? Q2：创始人明星光环
读者嘴替 问：创始人陆子恒从微软首席研究员到创业，他手里的"核武器"到底有多硬？
AI 明白人 答：
创始人履历：一份标准的"教科书级"的AI科学家简历
剑桥大学材料系博士后
微软研究院首席研究员、材料团队负责人
长期专注于大模型与材料科学交叉研究
开发并部署MatterSim、MatterGen、DiG等材料大模型
技术积累：两个模型
1. MatterSim：材料模拟器
基于Graphormer架构（源于Transformer理念）
专门预测材料在不同温度和压力条件下的行为和属性
采用主动学习方法，通过量子力学计算生成合成数据
准确性是之前模型的10倍
基于"原子语言"训练，从整个元素周期表中学习
2. MatterGen：材料生成器
基于扩散模型的生成式AI工具（类似图像生成模型）
在60.8万种稳定材料数据上训练（来自Materials Project和Alexandria数据库）
可根据应用需求直接生成新材料，而非筛选已知材料
能够在给定化学成分、对称性约束、电子/磁性/机械属性的情况下生成新材料
两个模型的"飞轮效应"：MatterGen快速生成候选材料→MatterSim模拟验证性能→如果不符合预期则迭代调整→生成新候选材料。这个过程类似于不断优化提示词，直到得到理想结果。
验证案例的含金量：微软研究院科学智能中心与中科院深圳先进院合作，用MatterGen生成了新材料TaCr₂O₆（设计目标：200 GPa体积模量），实验室实际测得169 GPa，误差低于20%。
? Q3：模型已开源，护城河在哪？
读者嘴替 问：但目前MatterGen已经开源，任何人都可以用。那陆子恒的护城河在哪？
AI 明白人 答：
答案是：数据飞轮+自动化实验闭环。
开源模型只是起点，通过持续迭代的模型训练数据（来自真实实验反馈）+高通量自动化实验平台（快速验证能力）+从设计到量产的全流程Know-how（工程化能力），建立新的护城河。
光源资本合伙人娄洋评价："在材料大模型、自动化实验和数据体系上的系统化建设，使高价值材料IP的产出与验证具备了更可预测、可扩展的路径。"
? Q4："AI大模型+自动化实验"闭环步骤
读者嘴替 问：没有实际的落地案例，"AI大模型+自动化实验"闭环这个想法，真能跑通么？
AI 明白人 答：
开物纪计划构建覆盖"设计—验证—中试—量产"的全流程平台，清晰的三步走：
模型Scale：扩大模型规模与数据体系
平台建设：实验室与底层自动化平台建设
IP孵化：推动多条材料管线的孵化与产业化交付
第一道关：实验室验证
MatterGen的TaCr₂O₆案例误差20%，工业级要求通常<10%
单次验证周期多久？成功率多少？这些数据都未披露
第二道关：中试放大
实验室能合成1克，不代表工厂能生产1吨
工艺稳定性、成本控制、质量一致性是全新挑战
第三道关：客户验证
材料不是"做出来就能卖"，下游企业需要6-18个月的验证周期
传统供应链关系根深蒂固，新材料要打破既有格局难度极大
第四道关：量产交付
吨级量产需要重资产投入，开物纪是自建还是外包？
如果外包，利润空间在哪里？如果自建，资金需求有多大？
商业模式：联合实验室是真合作还是变通方案？
开物纪的策略是"与产业合作伙伴共建联合实验室，建立从需求定义到产品落地的柔性协同机制"。
乐观的看：这是轻资产模式，客户出钱出需求，开物纪出技术，风险共担。
悲观的看：现阶段客户不愿直接付费购买材料IP，只能用"联合研发"的方式分摊成本，实际话语权和利润分配存疑。
? Q5：差异化竞争策略
读者嘴替 问：这个赛道已经挤满了玩家，开物纪未来怎么突围？
AI 明白人 答：
竞争格局：谁在做AI材料？
国际玩家有谁：
Google DeepMind：GNoME模型（2023年11月发布），预测了220万种新材料，其中38万种稳定材料
微软：MatterSim和MatterGen的原开发机构，技术持续迭代
Meta：开源了Open Catalyst项目，专注催化剂材料
国内玩家有谁：
中科院上海硅酸盐所：发布材料科学与工程大模型MatMind
其他科研机构：清华、北大、复旦等高校均有AI材料实验室
统材料巨头：BASF、陶氏化学、杜邦等巨头都在布局AI研发，拥有几十年积累的专有数据
创业公司：比如深势科技、鸿之微科技等
深势科技平台架构（来源：亿欧智库）
开物纪的差异化：速度+闭环
相对于科研机构：商业化决心更强，团队配置更完整（有BASF等产业背景人才）
相对于传统巨头：模型能力更强，迭代速度更快，没有历史包袱
相对于国际巨头：本土化优势，更懂中国产业链需求，响应速度更快
所有玩家都有大模型，但谁能最快建立"设计→实验→数据→模型迭代"的正向飞轮，谁就能赢。
高通量实验平台（资金密集）+真实产业需求（客户资源）+工程化能力（人才稀缺）。
目前看，开物纪在"团队完整性"上有优势，但在"实验平台建设"和"客户资源"上仍是未知数。
? Q6：未来展望
读者嘴替 问：三年后再看，开物纪是下一个"独角兽"还是"资本泡沫"？
AI 明白人 答：
AI 4 Science"死亡之谷"在中试
中试是新材料创新链条中最困难的一环，既需要具备产业经验的专业工程技术人员，又需要大量资金和场地，投入大、见效慢。
即使AI设计的材料在实验室验证成功，从实验室到工业化仍有巨大鸿沟。AI设计的新材料仍需通过长周期的化工装置验证，若性能不达预期可能引发客户索赔。
AI材料软件公司的估值其实不高：材料发现软件领先者美国Citrine Informatics，运行着全球最大的商业材料数据库平台。
Citrine利用材料平台构建人工智能，以推动更高效的发现、优化、制造和应用材料。
该平台通过各种来源吸纳结构性和非结构性材料数据，并利用人工智能引擎来识别数据中的重要信息，助力材料企业的研发与制造。
Citrine服务于先进材料研发企业，如3M、BASF、Showa Denko、LANXESS、AGC等；科研机构，如加州大学伯克利分校；政府机构， 如美国能源部等，涵盖汽车、航空、消费品、电池和电子等领域。
在B轮融资中筹集了近2100万美元，公司估值约7,500万美元。在2023年C轮融资时估值约仅1亿美元不到。
这家成立超过10年的公司，已经服务了多家知名企业，但估值仍然有限。
Generate Biomedicines累计融资超7亿美元，已建立自有管线，并在2024年进入临床前IND准备阶段
Isomorphic Labs（DeepMind创始人创立）2025年3月完成首轮6亿美元融资，与礼来、诺华签订的合作协议潜在里程碑总额近29亿美元
因为制药行业的单品价值更高、监管壁垒更强、商业模式更清晰（里程碑付款+销售分成）。
而材料行业则面临：产品标准化程度低、客户验证周期长、单品价值相对较低的现实。
开物纪，比Citrine起点更高，但未来路径更重
MatterSim/MatterGen是Nature级别成果，Citrine主要做材料数据库和预测软件
闭环更完整：不只做软件，要做"AI大模型+自动化实验"全链条
团队更强：陆子恒团队具备从设计到量产的全流程能力
Citrine是轻资产的SaaS模式，开物纪要自建实验室、购买设备、招募工程师，资金消耗速度远超软件公司。这意味着：开物纪，需要更多融资轮次；需要更长时间验证；容错空间更小。
也不可否认，当前中国资本市场对AI+材料的估值更高，开物纪的闭环模式比Citrine的纯软件模式更有想象力。
AI材料公司的宿命：要么用5年时间成为平台，要么用3年时间成为案例。开物纪的时间窗口，比AI制药的资本耐心可能更短!
? 总结：五维商业模型诊断
看清商业逻辑，是最低成本的投资
入局 AI 应用，26年即是最佳时点
这篇拆解若有用，请顺手
