来源：Z Potentials
Z Potentials 近日独家获悉，AI for Science 初创企业「清析智研」近日完成近亿元天使轮融资。本轮投资方包括中芯聚源、高瓴、智元机器人、风物资本、东方嘉富及多家产业背景基金，覆盖半导体、先进制造、产业投资及国际科技创新生态；多维资本担任长期独家财务顾问。产业界对 AI+ 材料研发的态度，已经从围观技术，走向场景应用。
在 AI4S 赛道，多数公司还在讲述模型与榜单的故事，清析智研已在 AI+ 材料研发与交付上取得实质性进展。据悉，清析成立半年内已累计签约订单数千万元，客户涵盖先进制造、半导体、新材料等领域的产业企业与科研机构，并已与头部智能终端客户签署材料全栈委托研发订单。同时，公司即将发布全球首个全模态专家级智能表征分析模型，进一步推动专业模型能力的产品化。
AI 原生仪器设备，是清析智研实现材料涌现的重要切入口。
公司从科学仪器与工艺设备的 AI 化升级起步，将专业模型嵌入设备的测量、分析与控制流程，并逐步布局自主实验室与多合一 AI 原生主机台。这条路线既让模型能够参与真实实验，也打通了设备侧的数据接口，为模型持续迭代提供真实数据。据公司介绍，目前已积累数千万量级真实实验多模态数据，支撑多款自研模型在国际权威 Benchmark 中取得 SOTA 成绩。
更稀缺的是其飞速的材料产业转化能力。清析自主研发的新一代稀土永磁材料已推进中试转化，目标于 2027 年实现量产。同时，公司正与头部机器人厂商联合开发面向髋、膝、肩部关节及灵巧手等应用的高性能永磁材料，共建稀土材料数据基座，重点突破高扭矩密度、轻量化与高温稳定性等关键指标。
当被问及行业核心竞争力时，清析智研的判断是：模型能力的长期壁垒，取决于能否持续获得高质量的真实科学数据；而真实订单，则是模型能力最直接的试金石。
01 清华 + 斯坦福梦之队，要做科学家团队中的 " 产业派 "
上述堪称 " 梦幻 " 的产业成果，诞生于一支真正做过材料与产线的团队。
创始人董斯鸣毕业于清华大学本科、斯坦福大学材料科学博士，拥有 15 年以上半导体与产业研发经验。曾主导美国头部半导体企业首个 AI 自动化工艺开发项目（后发展为行业通行技术）。任 AI 业务负责人期间，他管理横跨先进工艺、智能装备与科学仿真领域、年收入近 2 亿美元的业务，并推动多个 AI 智能化设备项目落地国际头部晶圆厂。具备从底层工艺研发、智能装备创新到全球业务经营与产业化落地的复合经验。
联合创始人兼 COO 赵震林同样拥有清华、斯坦福背景，曾任美国等离子体技术企业应用科学家，深度参与特斯拉电池车身一体化工艺开发，并在国内主导 PVD 重稀土晶界扩散磁性材料技术研发与产线建设。兼具前沿材料创新、产业工程化与全球商业化经验。
联合创始人兼首席科学家王欢博士毕业于清华大学，长期从事多模态大模型与复杂科学系统智能化研究，师从多位海内外院士，已连续三年入选全球前 2% 科学家名单，在 AI 领域位列前 0.35%，累计发表高水平论文 100 余篇、拥有专利 30 余项、学术引用超过 5000 次。
AI、材料、设备三类能力汇集在一个创始团队——这让清析智研从成立之初，就具备从模型研发直接走向工业交付的能力基础，也让它对 " 终局路径 " 的判断不同于纯算法背景的团队。
02 一条少有人走的路：AI 原生仪器与设备，打造真实数据壁垒
当被问及 AI4S 的核心竞争力时，清析智研的判断是：决定模型上限的，是高质量数据，特别是来自真实物理世界的实验数据。
因此，公司选择从科学仪器与工艺设备切入，通过 AI 原生仪器的研发与改造，打通设备数据接口，将测量结果、工艺参数与实验记录转化为可用于模型训练的 AI-Ready 数据，目前已积累数千万量级真实实验数据。
这一数据基础，也支撑了模型能力的迭代。清析智研从多模态表征向材料生成拓展，已建立覆盖 XRD、SEM/TEM、拉曼、XPS、核磁等主流表征方式的模型矩阵，并取得多项 SOTA 成绩。例如，公司自研的 XRD 解析模型在中科院物理所 MatSciBench 基准登顶，超越 Nature 标杆模型。
同时，公司已计划于近期发布全球首个全模态专家级智能表征分析模型，覆盖 20 余种主流表征分析方式，显著降低复杂材料分析对人工操作和专家经验的依赖。
而仪器设备既是数据入口，也是模型参与研发的执行载体。AI 原生仪器与设备由此成为清析智研在 AI4S 赛道中最具差异化的路径之一，具体分为三个阶段。
• 第一阶段，单台设备 AI 化，实现自主测量。将专业模型嵌入现有设备，贯通选区、调参、采集与分析，使仪器能够围绕目标自主执行，并根据结果调整测量过程。
• 第二阶段，AI 原生实验室。在单机自主的基础上，从硬件架构上融合多种测量能力，同步获取材料的成分、结构、形貌等信息，由 AI 交叉验证，让一台设备回答过去需要多台仪器才能解决的材料问题。
• 第三阶段，多合一 AI 原生主机台。以 AI 主机台贯通设计、制备、表征与性能测试，由 AI 围绕性能目标与成本约束，自主规划实验、调度设备、迭代方案，最终形成可 7 × 24 小时持续运行的 "AI 材料超级工厂（AI SuperFactory）"
03 既卖铲子，也挖金矿：首个材料 IP 进入中试转化，卡位人形机器人与新能源车
商业化上，清析智研三线并进：包括标准化 AI 模型订阅和 AI 设备服务、材料委托研发（CRO 模式），同时具备自研材料 IP 能力，瞄准战略新兴材料。成立不到半年，公司累计签约订单已达数千万元，并与北京大学集成电路学院联合发布先进存储器材料智能研发平台，客户与合作方覆盖消费电子、能源、半导体、航空航天等领域的头部产业机构。
此外，更具产业想象空间的是自主材料 IP：清析智研已将 AI 研发体系应用于新一代稀土永磁材料开发。该材料瞄准新能源汽车驱动电机、风力发电、伺服电机等市场，2030 年全球需求预计达 17 万吨，对应市场规模超过 500 亿元。
目前，该材料已取得阶段性小试成果，部分性能指标优于上市公司对标产品，相较上一代材料成本降低约 60%、耐热性能提升约 30%。更关键的是，AI 将曾经需要 3-5 年研发周期的进程缩短到了 5 个月。目前，该材料体系正推进中试转化，计划在北京建设中试基地，并于 2027 年实现量产。
据介绍，公司已与多家头部机器人厂商围绕机器人关节电机 " 小体积、大扭矩、耐高温 " 的需求，联合开发面向髋、膝、肩、灵巧手等高负载关节电机的高性能永磁材料，重点提升磁材的磁性能与高温稳定性。
除稀土永磁外，公司正同步孵化面向核聚变与高端装备的高熵合金，以及光刻胶、新型存储器等关键半导体材料的研发管线，构建可规模化复制的 AI 材料研发体系。
04 结语
AI4S 的上半场比的是模型指标，下半场比的是交付落地。清析智研聚焦产业研发场景，并快速走向落地前沿，本轮融资后将继续推进模型迭代、产业客户拓展。
以终为始，清析智研当下集中做两件事。
第一，用最低的边际成本、最快的速度收集真实物理世界的数据。科学仪器与工艺设备是物理世界产生科学数据最重要的入口。目前公司已积累数千万条真实实验数据，预计一年内达到近亿级。
第二，在选定的材料领域训练泛化能力。磁性材料正是清析智研选定的第一个 " 打样 " 领域：从 AI 设计到中试转化全链条自建，先把 "AI 交付材料 " 做成事实，再将这套打法复制到更多材料体系。
AI4S 不能仅停留在让科学家拥有更强大的工具，而是应该让材料研发本身成为一种可以持续进化、规模化复制的生产能力。谁能解好产业里的真问题，谁就能跑赢 AI4S 下半场。
特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的 30 天内进行。