苏州材科源图完成超亿元天使轮融资，打造「AI for Materials」全链路闭环

苏州材科源图科技有限公司（MatSource，下文简称「材科源图」）近日向 36 氪披露，公司在近三个月内连续完成两轮超亿元天使轮系列融资。前轮由苏高新、硅港资本、合肥原初陆号、上海远鼓参投，老股东亿合、清新资本追投；新一轮由经纬创投领投，苏创投及老股东中科创星、硅港资本持续加注。资金将用于深化「数据—物理模型—AI智能体—自动化实验」全链路研发闭环，推进固态电解质等关键材料的中试与产业化。

公司背景：海外学者回国押注 AI for Materials

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。创始人兼首席科学家李昊现任日本东北大学终身正教授，是全日本唯一的华人「卓越教授」（日本学术体系最高头衔），32 岁获评这一头衔，远低于日本 58 岁的平均年龄。

李昊认为，新材料产业当前的核心瓶颈并非投入不足，而是传统研发范式本身的效率天花板。他以固态电解质为例：人类过去数十年对该类材料的覆盖尚不足 8%，按传统试错法走完剩余 92% 的材料空间预计需要 60 至 100 年，这也是固态电池量产时间一再推迟的根本原因。

技术架构：「大脑+四肢」的协同闭环

材科源图将自身技术体系描述为「大模型+四肢」的协同系统：AI 智能体与物理模型构成「聪明的大脑」，高通量自动化实验构成「强壮的四肢」，数据库则是系统持续进化的「记忆」。

• 数据底座：已建成百万级真实材料数据库，由团队耗时七年、投入超百名领域专家，通过文献与专利的系统化挖掘、标注与清洗积累而成。李昊透露，目前 AI 自动数据挖掘的「幻觉率」可能高达 95% 以上，仍需依赖人工审核，公司计划年内将数据库规模扩充至千万级。
• 物理模型：已自研超过 200 个材料预测物理模型，目标年内突破 250 个。物理模型既用于约束 AI 预测的「幻觉」，也与 AI 智能体形成双向校验，提升可解释性。
• AI 智能体：已开发十余个面向具体材料研发场景的专用 Agent，覆盖固态电解质、氢能电催化、离子液体、光刻胶、热催化、分子筛、有机电合成及费托合成等方向，公司近期刚发布了费托合成 AI 智能体。
• 自动化实验：推出全球首台由 AI Agent 驱动的无机固相/固液相高通量合成平台，单日样品处理能力达 150 个，覆盖「规划—设计—工艺—执行—反馈」全流程。

四个板块串联形成自我迭代的正循环：数据→物理模型→AI智能体→材料筛选→自动化实验→实验验证→数据反馈→模型迭代。

商业模式：技术服务+材料银行+自研材料三位一体

李昊指出，当前 AI for Materials 行业普遍存在「重预测、轻验证、更轻产业化」的现象，大量论文展示了 AI 成功预测新材料，但真正完成小试、中试并送上产线的案例屈指可数。

材科源图选择以技术服务、材料 IP 授权与自研材料生产三种方式结合，打通从 AI 预测到材料交付的完整链路。在其披露的案例中，某世界500强企业的热催化反应催化剂转化效率问题困扰其 20 余年，材科源图接手后合同约定一年交付，实际不到两个月即找到性能更优的催化剂系列，最优者较原方案性能提升 30%，目前已通过小试，正在推进中试与量产。

在自研材料方面，公司重点聚焦绿色有机电合成与固态电解质，核心项目已进入中试阶段；近日还与某生物医药材料企业签署战略合作，将 AI 材料研发能力拓展至生物医学领域。

下一步：从研发闭环走向产业落地

李昊在采访中表示，公司目标是成为全球最早借助 AI 实现材料大规模产业落地的企业。本轮融资后，材科源图将持续推进数据库扩建至千万级、物理模型突破 250 个，并完善 AI 智能体矩阵与高通量自动化智能实验室建设，加速关键材料从研发到产业化的全链条落地。