硬氪近日获悉，聚焦电池设计自动化（Battery Design Automation, BDA）的 AI for Science（AI4S）企业屹艮科技完成由宁德时代独家亿元级战略融资。这是宁德时代在 AI4S 赛道的首次战略投资，标志着以 AI 和跨尺度仿真为核心的 AI4S 算法技术在新能源新材料领域工程化应用迈出重要一步。

屹艮科技成立于 2020 年，公司构建的以 AI+ 全流程仿真为核心的通用新材料研发平台，覆盖材料从科学发现、制造、生产到服役的全生命周期，方案已通过数十家产业龙头企业高标准验证。自成立以来，屹艮科技已累计获得红杉中国、宁德时代、基石资本、火山石投资、深圳天使母基金等多家头部机构数亿元投资。

公司创始人兼 CEO 郑家新为北京大学深圳研究生院新材料学院 / 科学智能学院长聘副教授，主持两项国家重点专项，累计发表 SCI 论文 160 余篇，连续 5 年入选斯坦福全球前 2% 顶尖科学家榜单。他告诉硬氪：" 传统模式开发一款电芯，完整周期往往需要一到两年。依托 BDA 电池设计自动化平台，研发周期能够压缩至半年甚至更短，帮助企业快速迭代产品、提升性能、节省大量研发成本、加快产品上市速度。"

国内锂电池产业已经占据全球主导地位，2025 年，中国锂电池出货量达 1888.6GWh，全球占比 82.8%。但万亿市场的竞争逻辑正在改变，研发效率和数据资产已替代产能规模，成为企业的核心壁垒。

当前三元和磷酸铁锂的性能逼近理论极限，固态电池等下一代路线的复杂度指数级上升，传统依靠反复实验试错的研发模式，痛点日益凸显：电芯研发周期漫长，试制实验成本高昂；企业内部实验数据分散割裂，工程师积累的产业经验难以沉淀复用。

锂电池是材料、物理、化学和电化学的多学科深度交叉的复杂体系，研发过程面临跨尺度、多物理场耦合、长流程、多因素的多重挑战，无论是传统的 CAE 仿真，还是纯数据驱动的 AI 模型，均难以完整适配产业真实研发场景。

针对行业痛点，屹艮科技提出 " 物理 × AI" 双轮驱动技术路线。物理仿真提供严谨的科学约束，避免 AI" 黑箱 " 失真问题，同时产生海量高质量合成数据，补齐产业真实实验数据稀缺的短板；AI 算法反过来加速物理模型迭代与优化，处理高维非线性耦合问题，弥补传统物理模型的局限。

郑家新向硬氪介绍：" 我们通过 AI 驱动的跨尺度模拟，可以用少量产业实验数据完成物理模型校准，校准后的模型可以产生大量贴近真实工况的合成数据，再结合企业自有数据训练 AI 模型，以此推动 AI 在工业场景落地。"

电池设计自动化（BDA）

基于这套底层框架，屹艮科技搭建了全球领先的电池设计自动化（BDA）平台，完整覆盖 " 材料－颗粒微结构－电芯及模组－服役系统－工艺制造 " 的全尺度和全流程。全部信创适配，代码自主可控。

2025 年，屹艮科技联合宁德时代发布了全球首套 AI 驱动的锂电池自动化设计平台（BDA）的设计框架（Natl. Sci. Open 2025）；双方联合研发的电解液配方跨尺度模拟和 AI 模型算法，不仅能精准还原复杂的 SEI 成膜过程，还能快速正向预测、根据性能逆向设计电解液配方（Nat. Mach. Intell. 2026）。

" 物理 × AI" 支撑新能源新材料研发新范式

在 " 物理 × AI" 范式下，屹艮科技自研的数智化平台可统一对接企业 ERP、MES、LIMS 等系统的多源数据，深度嵌入企业研发流程，将历史数据孤岛转化为企业专属多模态知识库，沉淀工程师实践经验，形成可持续迭代的数据飞轮。基于 " 物理 × AI" 底层算法能力，屹艮科技建立起 " 产业 know-how →数据积累→算法优化→物理 AI 模型升级→落地效果提升 " 的正向循环。

目前屹艮科技已经和 30 余家新能源、新材料龙头企业达成深度合作，" 物理 × AI" 解决方案获得客户持续复购，合作关系正向战略合作伙伴深化。依托 BDA 的成熟方案，屹艮科技已将底层跨尺度算法能力拓展至半导体、光电、陶瓷、合金、精细化工、复合材料等新材料赛道，分行业打造材料设计自动化（Materials Design Automation, MDA）标杆案例，形成 " 一核多域 " 的技术和客户布局。此外，据悉屹艮科技已自主孵化多条新材料管线，计划于 2026 年下半年进入量产阶段。

材料设计自动化（MDA）

新材料数智化研发也契合国家顶层政策设计导向。国家 " 十五五 " 规划已明确跨尺度计算框架在新材料研发中的战略价值。在 2026 年 1 月工业和信息化部等八部门联合印发《" 人工智能 + 制造 " 专项行动实施意见》以及《人工智能赋能制造业重点行业转型指引》的文件中，明确提出 " 发展面向合金、陶瓷、高分子、能源材料的跨尺度计算框架，构建新材料分子设计、合成制备、工艺优化等行业大模型，提升材料 " 成分－结构－性能 " 反向设计能力 "。

谈及接下来 12 个月的核心目标，郑家新表示屹艮科技将进一步夯实在新能源和新材料行业的业务落地能力，在立足国内市场的同时，积极拓展海外版图。他特别提到，在高分子、精细化工等细分行业，公司已完成与多家头部企业合作的技术验证和方案部署，公司后续将持续深耕垂直赛道，进一步做实、做强相关业务，同时推进推动自研新材料管线完成量产与商业验证。

面向中长期，屹艮科技将与战略合作伙伴深度协同，推动 " 物理 × AI" 核心技术在电池全场景规模化落地，联合牵头制定电池设计自动化（BDA）行业标准。在巩固 BDA 赛道优势的同时，拓展新材料行业版图，并与合作伙伴携手搭建湿实验室的物理 AI 操作系统，打造无人值守的干湿研发闭环，成长为全球领先的新能源新材料 " 物理 × AI" 解决方案服务商。

以下是硬氪与屹艮科技创始人郑家新的对话节选（经编辑）：

硬氪：屹艮科技提出 " 物理仿真 +AI" 双轮驱动，这条路和纯 AI 派、纯仿真派的本质区别是什么？

郑家新：纯仿真派基于真实的物理模型做模拟，精度高，但很难处理高维函数和非线性因素耦合的复杂问题。纯 AI 派擅长拟合高维函数和多目标优化，但高度依赖大量的高质量数据集，容易出现泛化性不足的问题。

新能源新材料是物理和化学多学科交叉的地带，既有可以明确解析的白箱物理过程，也存在大量实验难以观测的复杂反应。屹艮科技选择把两套体系结合——仿真负责求解已知的物理机制，输出合成数据弥补真实数据的缺口；AI 负责处理非线性因素耦合的复杂问题，以此解决跨尺度计算、多物理场耦合这类行业共性难题。

这套组合路线更偏向工程落地。单一技术路线各自有它的固有短板，很难完整打通新能源新材料全链条研发的实际痛点。

硬氪：一家 AI 算法公司，为什么要下场做自研管线？

郑家新：AI4S 在新材料产业仍处在市场培育阶段，不少企业对新技术的价值需要实际案例来建立认知。自研管线，是用完整从研发到量产的实践，验证整套平台的全链路能力。

同时这也是对技术资产的价值放大。当前 BDA 电池设计自动化乃至 MDA 材料设计自动化还处在市场培育的阶段，不同于已经高度成熟的 EDA 行业。我们重点瞄准国内存在短板、具备国产替代价值的关键材料赛道，用算法和模型能力切入，加快管线产品研发、验证、量产和导入。卖铲子和挖金子不矛盾，我们面向行业头部材料企业输出研发平台能力，客户布局的材料我们不会涉足，恪守自己的边界。自研管线聚焦的是一些国内供给存在短板的关键材料，重点解决卡脖子的问题。

硬氪：跨行业拓展的核心难点在哪里？怎么解决？

郑家新：最大的挑战来自每个行业独有的业务逻辑和领域 know-how。我们延续了跟宁德时代的合作模式——带着敬畏的心态和新行业的头部企业合作，屹艮科技输出 " 物理 × AI" 的解决方案，合作方输出行业实践经验，双方优势互补，从单点突破到全面协同。

电池研发本身已经覆盖了金属、无机非金属、有机小分子、高分子等主要材料体系，底层算法具备通用性。因此进入新行业很大程度上不需要重复造轮子，在原有技术底座的基础上结合行业的业务逻辑进行二次开发，数月到半年就可以产出标杆项目。