AI热榜 近日，苏州材科源图科技有限公司（MatSource）宣布，近三个月内连续完成两轮超亿元天使轮系列融资。
其中，前一轮投资方包括苏高新、硅港资本、合肥原初陆号和上海远鼓，老股东亿合资本、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、硅港资本继续跟投。
本轮资金将主要用于完善“数据—物理模型—智能体—自动化实验”研发链条，加速智能高通量实验平台的搭建与迭代；推动能源、催化等方向的材料进入中试和产业化阶段；同时引进 AI 与材料科学交叉领域人才。
公开信息显示，材科源图于 2025 年 11 月完成数千万元天使轮融资，由中科创星领投，元禾控股与亿合资本参与。
半年左右先后获得多轮融资，也反映出资本市场对 AI for Materials 的关注，正在从算法和科研平台转向实验闭环与产业交付。
AI 预测之后，还要完成实验验证 AI 进入材料研发并不是新概念。
过去几年，机器学习已经被用于材料性质预测、候选配方筛选和分子结构设计。
但材料研发与文本、图像生成存在明显区别：模型给出的结果只是一组候选方案，最终能否成立，还要经过合成、测试和反复验证。
这使 AI 材料研发面临一个现实问题：计算端可以快速筛选大量候选材料，实验端的合成、表征和验证速度却未必能够同步提升。
如果两者没有形成闭环，模型预测就很难直接转化为可以使用的配方和工艺。
材科源图试图连接这两部分。
其技术体系包括材料数据库、物理预测模型、材料智能体和高通量实验平台。
公司披露，目前已积累百万级真实材料数据库，自研材料预测物理模型超过 200 个，并计划在年内将数据库扩充至千万级、物理模型增加至 250 个以上。
与主要依赖统计相关性的通用大模型不同，材科源图的专用 AI 智能体基于真实实验数据与物理模型训练，属于垂直领域专家系统。
其智能体目前覆盖固态电解质、氢能电催化、离子液体、光刻胶、热催化、分子筛、有机电合成和费托合成等方向。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接