芯培森推出三元闭环方案，探索 AI4M 材料计算落地路径

在 AI4S（AI for Science）从概念走向产业落地的过程中，材料研发领域长期面临通用芯片「存储墙」「功耗墙」以及代算服务层层转包的困扰。36 氪近日报道了大湾区 AI4M 企业广东芯培森技术有限公司（以下简称「芯培森」）的实践路径：围绕原子级科学计算，该公司尝试以自研专用芯片、AI 智能工具、直营科研服务三者协同的方式，构建一套「算力底座 + 应用方案」的双重能力。

公司定位：不止做芯片，更要做材料研发的完整方案

芯培森将自身定位为 AI4M 算力底座与应用解决方案的双重引领者，并提出「超级终端（芯培森 · MaterHaven）+ 智能体（芯培森 · MaterPlato）+ 计算方案（芯培森 · SwiftMater）」的三元闭环生态。联合创始人、总经理樊正伟在采访中强调，外界容易把公司简单理解为只做芯片的企业，但科研客户真正需要的是能够解决实际研发问题的完整方案，硬件、AI 工具与专业服务三者缺一不可。

核心团队方面，联合创始人、董事长兼首席科学家刘杰为湖南大学二级教授、博士生导师，2024 年入选国家「万人计划」领军人才，曾承担 6 项华为芯片领域委托研发项目；总经理樊正伟具备工科与经济学交叉背景，并曾在科技投资领域深耕多年。

技术路线：自研 APU 芯片主打非冯·诺依曼架构

芯培森的技术核心是其自研的 APU（Atomistic Processing Unit）专用算力芯片，区别于通用 CPU/GPU 路线，采用「非冯·诺依曼」专用架构，针对原子模拟的计算特征重构底层，以破解存储墙与功耗墙瓶颈。据公司披露的实测数据：

• 在机器学习分子动力学（MD）、密度泛函理论（DFT）等原子级科学计算场景下，相较传统 CPU/GPU，计算速度实现 1–3 个数量级提升；
• 能耗下降 1–2 个数量级；
• 可支撑数十小时不间断的亿级原子规模第一性原理精度模拟。

以此芯片为核心，芯培森进一步推出「赫曦服务器」，采用 CPU + GPU + APU 协同的超异构计算架构，作为 AI 赋能材料研发解决方案的硬件底座。

软件与服务：AI 智能体与全职硕博团队补齐闭环

在硬件之外，三元闭环的第二元是芯培森 · MaterPlato 材料研发智能体。该智能体面向传统材料计算中手动建模、反复调参、报错排查等重复性环节，提供智能参数寻优、自动建模、报错预判、辅助后处理等能力。樊正伟介绍，这套系统会从真实项目中持续学习，形成「算力生产数据、数据训练模型、模型反哺效率」的增长飞轮。

第三元是芯培森 · SwiftMater 全职直营硕博团队，直接对接高校 PI 与企业研发课题组，剔除中间加价环节，并配套三层质控体系与法律级赔付保障，以解决行业内常见的代算服务价格不透明、结果难溯源等问题。

行业观察：单点突破之外的另一种思路

当前国内 AI for Science 仍处于产业落地早期，多数材料计算企业选择单点突破——专注芯片硬件、布局算法工具或仅提供代算服务——而材料计算本身是硬件、算法、科研服务深度耦合的领域。芯培森的三元闭环模式试图打通从底层硬件到上层服务的链路，避免硬件性能与实际研发需求脱节。

不过需要指出的是，文中提及的 1–3 个数量级加速、1–2 个数量级能耗下降等数据，均来自公司自身披露，尚未见独立第三方基准复现。对于关心 AI4S 产业进展的读者而言，芯培森的实践提供了一个从「工具」走向「解决方案」的样本，但其实际效果仍需在更多科研场景中接受检验。