来源：猎云网

3 月 24 日，AI4Materials 企业开物纪宣布完成天使 + 轮数亿元融资。本轮由 Monolith 领投，光合创投、集富亚洲跟投，高瓴创投、IDG、蓝驰创投、BV 百度风投、L2F 光源创业者基金等老股东超额加注。

本轮融资将主要用于深化材料大模型能力建设、推进多条自研材料管线的产业化落地，并持续强化全球顶尖复合型人才团队建设。

作为一家构建 " 模型 — 实验 — 量产 " 闭环系统的全栈式材料创新平台，开物纪聚焦于材料 IP 的全流程闭环，从模型规模化训练、推理、实验验证到吨级量产，致力于实现材料从 " 发现 " 到 " 量产 " 的高效转化。

开物纪由 AI4Materials 领域国际领军科学家陆子恒博士创立。陆博士曾任微软研究院首席研究员及科学智能中心材料团队负责人，长期从事大规模深度学习研发及其在材料设计领域的应用研究，并拥有 10 余年能源材料、实验室与产业落地经验。联合创始人杨孟洋博士曾任微软高级研究经理，具备光学、电子、材料交叉研发背景，曾领导团队参与微软存储与材料研发项目，推动相关工作从概念验证、原型系统搭建走向系统级部署。产业 CTO 任瑜博士拥有 20 余年产业落地经验，曾于 BASF 等材料龙头企业长期负责战略选品、复杂技术体系的工程化与量产推进。

此外，公司已构建起一支覆盖模型预训练、Agentic AI、实验室研发与产业转化的顶级复合型团队，核心成员来自 Microsoft Research、Google DeepMind、BASF、剑桥大学、帝国理工大学、哥伦比亚大学、清华大学、北京中关村学院等海内外一流产业机构与高校，形成了从底层研究、模型研发到工程放大的全链条能力，也使开物纪具备了 " 以终为始 " 的产业洞察。

开物纪坚持弱先验约束的规模化 ( scaling ) 路线，已构建具备底层高并发机制的合成数据 ( synthetic data ) 与高通量物理实验数据环境，通过大规模预训练，让模型学习更具泛化能力的材料与化学空间表示，提升对未知材料体系的搜索、生成与筛选能力，从而突破人为化学先验对创新空间的限制，更高效地寻找高价值、突破性源头材料 IP。基于这一能力，公司构建了 "Prophet 预测引擎 + Creator 生成引擎 " 双引擎架构。Prophet 用于高精度广谱性质预测与筛选，Creator 面向跨元素体系的材料生成与逆向设计。与此同时，公司已建立百万级高并发数据基础设施，实验室、自动化高通量平台、公斤级验证平台也已启动建设，正加快形成模型、实验与工程协同推进的底层能力体系。

创始团队在材料大模型与产业转化方向已积累深厚经验。相关研究已验证 Scaling Law 在材料大模型中的有效性，并于 2025 年发表于《Nature》。在既往研究与产业实践中，团队亦曾推动多类高价值材料从模型设计走向实验验证与器件级落地：在固态电解质方向显著压缩研发周期；在热管理材料方向首次在超 64 万种无机晶体结构中系统探索热导率分布，部分关键热导材料被第三方验证；在可回收 PCB 基板材料方向，已实现材料合成并加工出符合真实工况的器件级产品。这些积累构成了开物纪当前技术路线与能力体系的重要基础。

开物纪坚持 " 以终为始 " 的推进方式，从项目立项开始即同步考虑可制造性、稳定性和放大约束，推动材料从实验室迭代走向公斤级验证、中试放大与真实工况应用。公司既推进自研材料管线，也与产业伙伴开展合作共研，探索 AI 材料领域的新商业模式。目前，公司已围绕新能源电池、冷存储、具身散热材料、超导材料等高价值方向展开重点探索，并持续拓展更多具备产业潜力的材料场景。未来，开物纪将进一步深化模型 — 实验闭环，推动多条材料管线的孵化与产业化交付。

开物纪创始人陆子恒博士表示："AI 正以令人惊讶的速度改造现代社会。开物纪希望构建的不只是更快的研发工具，而是一套可复用、可放大的材料智能基础设施，让材料 IP 的产生从依赖个体经验和低频偶然，逐步走向可预测、可规模化。我们期待沿着这条路径持续推进，从模型到量产，把真正有价值的材料做出来。"

领投方 Monolith 表示：" 我们一直在关注 AI 与基础科学的结合点，这个方向需要耐心。开物纪让我们觉得不一样的地方在于，他们不是只做一个好看的模型，而是从一开始就想清楚了大模型在材料领域该怎么用、用到哪、怎么落地。团队对技术路线的判断很清晰，同时也很务实，我们非常看好这种 ‘看得远、走得稳’ 的思路。"