从“算得准”到“干湿闭环”：龙讯旷腾B1轮融资的产业信号
当一家材料计算软件公司把融资用途写成“干湿闭环搭建”时，它实际上承认了一件事：在AI4S的叙事里，算得准已经不够了。过去十年，第一性原理计算软件的核心命题是求解精度与计算效率；但新材料研发的真正瓶颈，往往不在薛定谔方程的数值解，而在计算结果能否被实验验证、能否进入可重复的研发流程。龙讯旷腾把这层意思直接写进了B1轮融资的资金用途里——研发团队扩充、干湿闭环搭建、商务体系建设。对一个以计算工具起家的团队而言，“干湿闭环”四个字比融资金额本身更值得拆解。
36氪获悉，AI4S企业龙讯旷腾近日完成亿元级B1轮融资，老股东同创伟业持续加码，国泰海通开元与中新资本联合投资。公司成立于2015年，总部位于北京，主要为材料模拟领域的科研团队提供工具与技术支持，致力于开发原子精度材料研发Q-CAD软件。这轮融资的披露口径相当克制：金额为“亿元级”，估值、持股比例、具体到账节奏均未披露。从公开信息看，公司官网为https://www.pwmat.com，但创始人及团队履历同样未披露。这种信息密度在早期硬科技融资里并不少见，但对于一家成立十年、产品矩阵已经相对完整的公司来说，外界能用来判断其商业位置的坐标仍然有限。
| 字段 | 内容 |
|---|---|
| 公司 | 北京龙讯旷腾科技有限公司 |
| 轮次 | B1轮 |
| 金额 | 亿元级 |
| 投资方 | 同创伟业、国泰海通开元、中新资本 |
| 总部 | 北京 |
| 创始人 | 未披露 |
| 官网 | https://www.pwmat.com |
PWmat是龙讯旷腾的技术底座，但“国产”标签需要放在软件生态里理解
PWmat是龙讯旷腾最核心的资产。据集微网披露，公司自主研发了国产第一性原理材料计算软件PWmat。第一性原理计算的核心是从量子力学基本方程出发，不依赖经验参数地求解材料电子结构，从而预测材料的力学、电学、光学、热学等性质。这类软件在全球范围内长期由VASP、Quantum ESPRESSO、Gaussian等国外或开源项目主导，商业软件与学术软件之间的边界也相对模糊。龙讯旷腾将PWmat定位为国产替代选项，这一说法在公开材料中未见独立第三方评测的量化对比数据，因此其性能优势的具体幅度无法核实。所谓“国产”，在材料计算软件语境下可能包含两层含义：一是代码自主可控，二是适配国产算力基础设施。前者是技术问题，后者是生态问题，两者并不总是同步。
更值得关注的是PWmat的部署方式。据集微网报道，PWmat已部署至曙光智算平台。这意味着龙讯旷腾并不完全依赖自有云平台Mcloud来触达用户，而是选择与国产超算基础设施绑定。这种做法的好处是降低了用户的计算资源门槛，也让PWmat在国产算力生态里获得了一个相对稳定的入口。对于高校和科研院所用户来说，能否在已经采购的算力平台上直接调用软件，往往比软件本身的精度指标更能影响采用决策。但另一面是，软件与特定算力平台的耦合程度越高，其跨平台迁移的灵活性就越需要被验证。材料计算用户对软件的选择往往有很强的惯性，一旦科研团队的工作流围绕特定平台搭建，迁移成本会显著上升。从已披露的信息看，龙讯旷腾同时保留Mcloud自有云平台和曙光智算平台两条通道，这可以理解为一种分散渠道风险的策略，但两条通道之间的资源分配和商业协同尚未披露。如果自有云平台与第三方超算平台在用户获取上存在重叠，公司可能需要更清晰的渠道分层逻辑，否则两条通道可能互相稀释定价权。
从计算软件到Q-CAD：产品逻辑在向“材料研发工具链”延伸
龙讯旷腾对外表述的长期目标是开发原子精度材料研发Q-CAD软件。这个定位比单纯卖计算软件要激进得多。CAD在机械、电子、建筑行业意味着从设计、仿真到制造图纸的完整工具链；Q-CAD如果类比到材料领域，意味着用户应该能够在原子尺度上完成材料设计、性质预测、工艺参数优化，并最终输出可执行的实验或生产方案。这要求软件不仅解决计算问题，还要解决计算与实验之间的数据对齐、误差控制、流程标准化问题。换句话说，Q-CAD的“CAD”部分才是真正的产品化难点，因为计算引擎可以靠算法迭代，而工具链需要理解用户的工作流。
这正是“干湿闭环”的实质含义。干实验指计算模拟，湿实验指实验室合成与表征。材料计算领域长期存在一个尴尬：计算结果可以给出某种合金或化合物的稳定性、带隙、吸附能等数据，但实验合成路径、缺陷浓度、相变动力学等真实世界变量往往让计算结果难以直接指导实验。龙讯旷腾把“干湿闭环搭建”列为本轮资金用途之一，说明公司自己承认当前产品离这个目标还有距离。从已披露信息看，公司尚未公布任何与实验机构、材料企业或合成平台的具体合作案例，在公开证据层面，尚无材料可验证其干湿闭环已跑通。
另一个产品是机器学习力场开源软件包PWMLFF。机器学习力场是近年来材料计算领域最活跃的方向之一，它用机器学习模型拟合第一性原理计算产生的能量和力数据，从而在保持接近第一性原理精度的同时大幅降低计算成本。龙讯旷腾选择将PWMLFF开源，这一策略在学术生态里有明确逻辑：开源可以快速积累用户和训练数据，也能让公司的商业产品与学术社区保持接口兼容。但开源也意味着直接商业化空间有限，PWMLFF更可能承担的是生态入口角色，而非收入来源。公司未披露PWMLFF的用户规模、社区活跃度或商业转化数据。一个可能的路径是，PWMLFF训练出的力场模型未来可以成为Mcloud上的可调用资产，但这一转化链条目前同样缺乏公开证据。
Mcloud的SaaS逻辑与材料计算用户付费习惯之间的张力
Mcloud是龙讯旷腾的商业化载体。据集微网披露，Mcloud集成多款专业软件，提供SaaS材料模拟计算服务。SaaS模式在材料计算领域并不新鲜，海外已有Materials Project、Citrine Informatics、Schrödinger等不同形态的参与者。Schrödinger走的是软件授权加药物研发合作的路子，Materials Project以开放数据库和计算工具为主，Citrine Informatics则强调数据驱动的材料信息学平台。龙讯旷腾的Mcloud更接近计算资源与软件工具的云化整合，其付费逻辑建立在用户愿意为算力、软件许可和流程管理持续付费的基础上。这种整合模式在国内科研场景里有一定适配性，因为用户往往希望在一个界面里完成从建模到后处理的全流程，而不必在多个平台之间切换。
问题在于，材料模拟领域的核心用户群体——高校和科研院所——对软件付费的意愿和能力长期偏低。第一性原理计算软件市场存在大量免费或低成本替代方案，开源社区的活跃度也很高。龙讯旷腾把客户描述为“材料模拟领域的科研团队”，这一定位意味着公司目前的收入结构可能高度依赖科研经费驱动的采购决策。科研用户的预算周期、采购流程和续费行为与企业客户差异显著，这会直接影响SaaS模式的收入可预测性。科研经费通常按年度或项目周期拨付，采购决策往往集中在特定时间窗口，且对价格敏感度高于企业用户。公司未披露客户名单、收入规模或付费转化率，因此Mcloud的商业化进度无法从公开信息中判断。如果Mcloud的收入主要来自算力转售而非软件价值，其毛利结构可能与普通云服务商没有本质区别。
从本轮投资方结构看，同创伟业作为老股东持续加码，国泰海通开元与中新资本联合投资，这是一个相对典型的成长期组合。投资方未公开对龙讯旷腾的具体估值判断和退出预期。在AI4S赛道整体融资热度波动的背景下，老股东加码通常被解读为对团队执行力的认可，但也可以理解为在缺乏外部领投方的情况下维持公司运转的必要选择。这两种解释在公开信息中无法区分。在编辑分析框架下，可推测三家机构继续押注意味着其对龙讯旷腾的技术积累和产品完整度有一定认可，但该推断待验证。
AI4S的产业落地竞赛里，龙讯旷腾面对的是“工具商”与“材料商”两条路线的挤压
龙讯旷腾目前明确站在工具商这一侧，其产品矩阵都是围绕计算软件和云服务展开的。这条路线的好处是离现金流更近，不需要承担材料研发的长周期和失败风险；坏处是天花板相对有限，且容易陷入与开源工具和海外商业软件的价格竞争。工具商的收入规模通常受制于用户基数和客单价，而材料计算软件的用户基数在可预见的未来仍然集中在科研领域。
从产业链约束看，材料计算软件的价值最终取决于它能否进入真实的材料研发决策链。一个电池企业选择计算工具，看的不是软件本身的精度指标，而是它能否缩短配方筛选周期、能否预测循环寿命、能否与产线数据打通。龙讯旷腾的Q-CAD愿景如果成立，理论上可以覆盖从原子尺度设计到工艺参数输出的完整链路。但这条链路里最难的环节——计算与实验数据的闭环验证——恰恰是公司目前披露信息最少的部分。没有公开的实验合作案例、没有披露的误差控制方法、没有可核验的客户成功故事，Q-CAD就仍然是一个产品愿景，而非可评估的商业能力。这并不意味着公司没有在推进相关验证，而是说在公开信息层面，产业界无法据此做出采购判断。
另一个容易被忽略的约束是算力成本。第一性原理计算对算力的消耗极大，机器学习力场虽然能降低单次计算成本，但训练模型本身需要大量高质量标注数据。龙讯旷腾与曙光智算平台的合作可以部分解决算力供给问题，但算力成本如何分摊到SaaS定价中、用户是否愿意为云化服务支付溢价，这些商业细节均未披露。在国产超算资源相对充裕但商业定价机制尚不透明的环境下，Mcloud的毛利率和规模效应存在较大不确定性。如果算力成本在Mcloud的定价结构中占比过高，公司可能面临“规模越大、毛利越薄”的困境；如果定价过高，又可能把价格敏感的科研用户推向开源替代方案。
亿元级融资能买到什么：团队、闭环和商务体系，但验证路径仍然漫长
按照公司披露的资金用途，本轮亿元级融资将用于三件事：研发团队扩充、干湿闭环搭建、商务体系建设。这三个方向分别对应产品深度、验证能力和商业转化。对于一个成立十年的公司来说，这个组合本身说明龙讯旷腾正在从“有软件可卖”向“有闭环可验证”过渡。这个过渡阶段的典型特征是，资金投入的方向不再是单一的技术研发，而是开始涉及组织能力和外部合作网络的建设。
研发团队扩充的直接目标是加速Q-CAD的产品化。龙讯旷腾未披露现有团队规模和招聘计划，因此无法判断这笔资金能在多大程度上缓解人才约束。按公司披露口径，亿元级资金在扣除运营成本后，能够支撑的团队扩张幅度可能有限，尤其是在AI4S领域人才竞争激烈的背景下，单个人才的获取成本可能高于一般软件行业。干湿闭环搭建则更依赖外部合作资源，单纯靠招人无法解决。如果公司没有同步公布与实验平台、材料企业或高校实验室的合作进展，那么“干湿闭环”在短期内更可能停留在数据接口和流程设计层面。闭环的建立需要实验数据的持续回流，而实验数据的获取往往涉及知识产权、数据归属和合作机制等多重约束，这些都不是软件公司单方面能够控制的。
商务体系建设是三者中最容易被低估的部分。材料计算软件的销售周期长、决策链复杂，科研用户和企业用户的采购逻辑差异巨大。龙讯旷腾过去十年的客户积累主要集中在科研团队，本轮融资后如果要向产业用户拓展，需要建立完全不同的销售和服务能力。公司未披露现有商务团队规模、客户行业分布或客单价，因此商务体系建设的起点和缺口都难以评估。如果公司希望在短期内同时覆盖科研和企业两类客户，可能面临销售资源分散的风险。
从已披露的融资节奏看，龙讯旷腾的B1轮发生在公司成立第十年。这个节奏在软件公司里偏慢，但在材料计算这个垂直领域并不罕见。真正的问题不是融资速度，而是这轮融资之后公司能否拿出可验证的闭环案例。AI4S领域最稀缺的不是算法或算力，而是一个被产业界认可的“计算驱动发现新材料”的完整证据链。龙讯旷腾把资金投向干湿闭环，说明它清楚这个证据链的缺口在哪里；但缺口能否被填上，取决于接下来两年里公司能否公开具体的实验验证数据、客户合作成果和可重复的研发流程案例。如果这些证据迟迟不能出现，Q-CAD的定位可能被市场重新理解为一种营销话术，而非产品路线图。
还有一个结构性风险需要指出：龙讯旷腾的融资轮次在公开报道中存在表述差异。36氪、搜狐、DoNews等来源均称“B1轮”，集微网标题称“B轮融资”但正文称“B1轮融资”。这种差异本身不构成事实错误，但反映出公司在对外融资信息披露上缺乏统一口径。对于一家正在搭建商务体系的B端软件公司而言，融资信息的清晰度本身就是商业信任的一部分。潜在客户在评估供应商时，往往会交叉核对公开信息，轮次表述的不一致可能增加尽调成本，也可能让部分谨慎的采购方产生疑虑。
材料计算软件的市场规模在公开材料中未披露，龙讯旷腾的收入、客户数量、续约率等核心商业指标也均未公开。这意味着外界无法从财务角度评估这轮融资的估值合理性。在编辑分析框架下，稀缺性要转化为商业壁垒，还需要跨越从“科研工具”到“产业研发基础设施”的鸿沟。这条鸿沟的宽度，远比亿元级融资能覆盖的想象空间更现实。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：龙讯旷腾这轮融资最值得读的信号不是金额，而是资金用途里“干湿闭环”四个字。它承认了材料计算软件行业的真正瓶颈不在算力，而在计算与实验之间的信任鸿沟。PWmat、PWMLFF和Mcloud构成了一条从引擎到云服务的完整产品链，但Q-CAD的愿景能否成立，取决于公司能否在科研用户之外，拿出让产业界愿意为之改变研发流程的验证证据。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。