一场从“候选材料”到“工程方案”的翻译战
材料研发长期被困在一个尴尬位置：论文里的候选材料成千上万，产线上能用的却寥寥无几。航空航天需要耐高温、抗疲劳的复材构件；先进封装要求热膨胀系数精确匹配的界面材料；核能场景则要同时应对辐照、腐蚀与应力演化。每一个场景都不是缺“新材料”，而是缺一种能提前判断材料在温度、压力、应力下如何演化的能力。传统路径依赖资深专家逐层试错，周期以年计；AI 若只停留在生成候选分子式，离真正可交付的工程方案仍隔着物理验证、工艺窗口与服役可靠性三座山。
这正是 AI4M（AI for Materials）赛道被反复讨论却鲜见规模化落地的原因。2026 年 10 月 19 日，一家名为 MATARIA（元材新界）的公司宣布完成数千万人民币种子轮融资，由君联资本领投、小苗朗程跟投，点石资本后续担任独家财务顾问。据投资界报道，MATARIA 的切入点不是“多生成几个候选”，而是以多尺度世界模型为基座，打通原子、介观到宏观构件的跨尺度推演，并在仿真、实验与产线的真实反馈中持续进化。
这轮融资的金额放在当下创投语境里并不算大，但它的信号意义在于：一支由材料科学家与 AI 研究者混合组成的团队，试图把材料研发从“候选生成”推进到“状态轨迹推演”。这个命题能否成立，取决于一个更具体的问题——一套声称能预测复材强度误差 ±1.2% 的系统，究竟离产线交付还有多远。
| 字段 | 内容 |
|---|---|
| 公司 | MATARIA（元材新界） |
| 轮次 | 种子轮 |
| 金额 | 数千万人民币 |
| 投资方 | 君联资本（领投）、小苗朗程（跟投） |
| 总部 | 未披露 |
| 创始人 | 刘政（创始人）、汤碧珺（CEO）、安波（负责材料大模型训练） |
| 官网 | 未披露 |
±1.2% 的强度预测，是能力证明还是单点样本
据投资界报道，在商业复材体系的强度预测中，MATARIA 模型的误差为 ±1.2%，结果落在实验区间之内。这是目前公开材料中唯一可量化的技术指标，也是外界评估其模型能力的最直接依据。该指标目前仅见媒体转述，尚无独立第三方验证。
单看 ±1.2%，在复材强度预测中确实是一个有竞争力的区间。复材强度受纤维取向、树脂固化度、孔隙率、层间应力等多因素影响，工程上通常需要较大安全系数来覆盖不确定性。如果模型能在特定商业复材体系上稳定复现这一误差，意味着它至少具备了从配方和工艺参数到宏观强度的映射能力。但需要明确的是，来源并未披露该指标对应的复材体系数量、样本规模、测试条件或对比基线。一个体系上的 ±1.2% 与跨体系泛化能力之间，仍有相当距离。
更值得关注的是验证端的另一条信息：据投资界报道，团队不到两个月就定位到了双波段红外四元材料体系；另一项超薄红外材料技术，已授权给一家海外领先的光子技术企业。这两条信息指向的是模型在真实材料搜索任务中的表现。四元材料体系的搜索空间远大于二元、三元体系，传统试错方法往往需要数月甚至更长时间。两个月定位到目标体系，如果前提是明确的性能目标与约束条件，说明其“基模假设—工具推演—实验验证”的闭环至少在红外材料方向上跑通过一次。但同样，来源未披露该四元体系的具体性能指标、合成难度或是否已进入器件验证。
把实验设备改造成“会记录”的数据入口
材料 AI 的一个核心瓶颈是数据。与语言、图像不同，材料的状态数据天然稀缺：一次高温合成可能只有几十个数据点，且分散在不同实验室、不同设备、不同格式的记录里。据投资界报道，MATARIA 的应对方式是把传统实验设备一台台改造成“会记录的设备”——给化学气相沉积生长装上显微镜实时观测，给炉子加装传感器记录全过程数据，生长过程中的电镜测试全部自动记录。复材方向有从设计、3D 打印到验证的全自动装置；催化方向有高通量平台，几百个配方可以快速完成合成与测试。
这套做法的逻辑是：与其依赖文献里静态的论文参数，不如自己生产带时间维度的状态轨迹数据。据投资界报道，团队还能使用全球顶级的同步辐射光源开展表征，积累了近十年的单原子级电镜数据，并对同一种材料既做仿真又做实验，沉淀交叉校准数据。同步辐射光源属于稀缺科研基础设施，通常需要申请机时，能长期使用意味着团队在学术资源上有一定积累。但需要区分的是，近十年的单原子级电镜数据是团队学术生涯的积累，还是已经转化为 MATARIA 可调用的结构化数据资产，来源未作进一步说明。
从工程角度看，设备改造与高通量平台的建设，本质上是把数据采集从“人工记录”变成“设备原生”。这能降低数据获取的边际成本，也更容易形成统一格式。但设备改造本身也是一项重投入：传感器选型、数据采集系统、设备兼容性、实验流程标准化，每一项都需要时间与资金。种子轮的数千万人民币，在支撑一个基座、一个研发平台和多个垂直单元同时推进时，资金消耗速度会很快。公司未披露本轮资金的具体用途，这使外界难以判断其在设备改造、模型训练与产业交付之间的资源配置优先级。
“1+X+Y”架构：复材先行，半导体与红外光电排队
据投资界报道，MATARIA 在组织上采用“1+X+Y”架构：“1”是材料世界模型这个共同基座，“X”是连接模型与实验的研发平台，“Y”是一个个垂直产业单元，各配一位产业合伙人负责落地与交付。复材是第一个“Y”，半导体材料、红外光电材料会是接下来的方向。
这个架构的实质，是把“模型—实验—产业”三层拆开，又通过产业合伙人把垂直单元与真实客户绑定。复材作为第一个垂直单元，逻辑上说得通：复材在航空航天、风电、储氢等领域有明确需求，且强度、疲劳、损伤容限等性能指标相对可量化，适合作为模型验证与商业化的第一站。据投资界报道，MATARIA 与航空航天、先进封装、核能领域的头部企业，从下一代产线的设计阶段就开始共建：上游做材料设计，中游做工艺优化，下游做服役期健康监测。投资界报道称，客户的每一次迭代都在校准模型，模型的每一次进化又反哺客户的下一代产品；刘政将这一模式概括为“介入早、绑定深”。
“介入早、绑定深”是刘政的原话，也是理解其商业模式的关键。从下一代产线设计阶段进入，意味着 MATARIA 不是向客户卖一个现成的软件或数据库，而是嵌入客户的研发流程，与客户的工艺迭代同步进化。这种模式的优点是粘性强、数据飞轮效应明显；缺点是交付周期长、标准化程度低，每个客户都可能需要定制化服务。据投资界报道，目前已经有接近 20 家航空制造、复材与化工龙头或初创新锐开始使用 MATARIA 的技术。
“接近 20 家开始使用”是一个需要拆解的表述。来源未披露这些客户是付费使用、试点合作还是免费测试，也未披露使用深度与续约情况。在种子轮阶段，客户数量本身不是最关键的指标，更关键的是其中有多少家从“试用”进入“共建”，以及共建合同能否覆盖交付成本。如果接近 20 家客户中大部分是轻量级试用，那么商业化的真实进度需要打折扣；如果有 3 至 5 家进入深度共建，则其“介入早、绑定深”的模式就有了初步验证。目前这一信息尚未披露。
资本结构：君联领投的产业逻辑与未披露的资金用途
君联资本领投本轮，小苗朗程跟投，点石资本后续担任独家财务顾问。君联资本在深科技与先进制造领域有长期布局，其投资逻辑通常偏向技术壁垒高、产业周期长但天花板高的方向。小苗朗程则更多关注早期科技项目。两家机构的组合，说明本轮投资方对 AI4M 的技术价值有一定共识，但投资金额仅为“数千万人民币”，并未披露具体数字。
种子轮数千万人民币，对于一家同时推进模型训练、设备改造、高通量平台和多个垂直产业单元的公司来说，并不宽裕。据投资界报道，接下来的 18 个月，MATARIA 计划推出可部署的材料世界模型 V1.0，并在 3 至 5 个行业完成试点。这个时间表相当紧凑：18 个月内要完成从当前状态到“可部署”的模型版本，同时在 3 至 5 个行业跑通试点，意味着公司需要在模型工程化、行业数据积累和客户交付三条线上同时推进。来源未披露本轮资金的具体用途，也未披露公司是否已有收入或后续融资计划。
从资本结构看，点石资本作为独家财务顾问“后续担任”，这一表述暗示本轮融资的完成与财务顾问的正式介入可能存在时间差。这并不罕见，早期项目往往先由创始团队与投资方直接接触，后续再引入财务顾问规范流程。但这也意味着，本轮融资的条款、估值和资金到账节奏等关键信息，外界均无从得知。
团队配置：材料科学家与 AI 研究者的混合体
据投资界报道，创始人刘政是南洋理工大学材料科学与工程讲席教授，2018 年起连续八年入选科睿唯安全球高被引科学家，在《Nature》《Science》及其子刊发表论文 70 余篇，《纽约时报》也曾以他作为材料领域的代表科学家进行专题报道。CEO 汤碧珺博士是刘政的学生，从本科开始学习材料科学，博士阶段主攻二维材料合成。安波是南洋理工大学校长讲席教授、AAAI Fellow，亲自操盘材料大模型的训练。另外，安波实验室多位即将博士毕业、手握大厂高薪 offer 的年轻研究员也选择了加入。
这套团队配置的核心价值在于“材料”与“AI”的交叉。刘政的学术背景覆盖材料合成与表征，汤碧珺的二维材料合成经验意味着团队对实验细节有第一手理解，安波的 AAAI Fellow 身份则补上了大模型训练的能力缺口。据投资界报道，MATARIA 认为 AI 负责把搜索范围压缩到极致，判断、校准与翻译交给真正懂材料的人。这一表述点出了 AI4M 的一个关键问题：模型可以生成大量候选，但哪些候选值得进入实验、实验结果如何反哺模型，仍需要材料科学家的判断。
不过，学术履历与创业能力之间不能直接画等号。刘政作为讲席教授，其学术声誉有助于早期融资与人才招募，但公司运营、客户交付、供应链管理是另一套能力体系。汤碧珺作为 CEO，从学生直接过渡到创业者，其管理经验与商业判断力尚未经过公开验证。安波“亲自操盘材料大模型训练”意味着其参与度较高，但一位校长讲席教授能投入多少时间在创业公司，也是需要观察的变量。来源未披露三位核心成员的股权结构、全职与否或退出学术机构的安排。
竞争格局未明，但替代方案早已存在
AI4M 领域的竞争格局尚未明确，这是来源中明确写出的风险提示。但这并不意味着 MATARIA 没有对手。相反，它的对手可能不是另一家 AI4M 创业公司，而是材料研发领域已有的替代方案：传统试错研发、基于物理的仿真软件、高通量实验平台，以及大型科技公司内部的材料 AI 团队。
在复材强度预测上，有限元分析与经典层合板理论已经有一套成熟的工程方法，虽然精度依赖输入参数与模型假设，但在工程实践中被广泛接受。MATARIA 的 ±1.2% 误差如果能在更多体系上复现，确实有替代或补充传统方法的潜力；但如果只限于特定体系，其商业价值就局限于该体系的客户群。在红外材料方向上，双波段红外四元材料体系的搜索是一个相对明确的优化问题，传统方法也能解决，只是速度可能更慢。MATARIA 的差异化在于速度与自动化程度，但这需要更多公开案例来证明其可复制性。
据投资界报道，MATARIA 的定位是以多尺度世界模型和状态轨迹数据为基座，而非以候选生成为核心；这是媒体转述的公司自述。这个定位如果成立，意味着其护城河不在单一模型或单一数据集，而在“模型—实验—产线”闭环的完整性与数据飞轮的持续性。但闭环的建立需要时间与资金，而种子轮的资源有限。在竞争格局尚未明确的阶段，先发优势能否转化为壁垒，取决于其 18 个月内能否在 3 至 5 个行业跑出可复制的试点案例。
18 个月窗口：可部署模型与待验证的假设
据投资界报道，接下来的 18 个月，MATARIA 计划推出可部署的材料世界模型 V1.0，并在 3 至 5 个行业完成试点。这是目前公开信息中唯一的时间表，也是评估其执行力的核心标尺。
“可部署”是一个模糊但关键的词。它可能意味着模型可以离开实验室环境，在客户现场运行；也可能意味着模型具备标准化的接口与文档，能由客户自己的工程师操作。两者之间的工程化工作量差异巨大。3 至 5 个行业试点，则意味着公司需要在复材之外，至少再跑通 2 至 4 个垂直场景。半导体材料与红外光电材料是公司点名的方向，但这两个领域对材料纯度、批次一致性和工艺稳定性的要求极高，任何一个方向的试点都需要大量实验与客户配合。
从已披露的 ±1.2% 复材强度预测、红外材料授权和接近 20 家客户使用来看，MATARIA 至少证明了其技术路线在某些场景下有初步可行性。但“初步可行性”与“可交付的工程方案”之间，还隔着跨体系泛化、工艺窗口验证、成本控制与客户付费意愿等多重关卡。来源未披露本轮资金用途、客户付费结构、模型泛化能力的具体边界，也未披露 V1.0 的定义标准。这些未披露项，正是未来 18 个月最需要被验证的假设。
从产业逻辑看，MATARIA 选择从产线设计阶段介入，是一条重但可能更稳的路径。如果它能在航空航天或先进封装的头部客户中跑通一个从材料设计到工艺优化再到服役监测的闭环，其价值就不再是一个“材料 AI 工具”，而是客户下一代产线的共同定义者。但这条路对交付能力、行业 know-how 和资金耐力的要求，也远高于卖一个软件许可证。种子轮的数千万人民币能支撑多久，取决于其客户共建合同能否在 18 个月内产生可观的现金流，而这一点目前完全未披露。
RecodeX 极客视：MATARIA 的故事核心不是“AI 找材料”，而是把材料研发从静态候选生成推进到动态状态轨迹推演。±1.2% 的复材强度预测和红外材料授权是值得跟踪的信号，但真正的分水岭在于：18 个月后，它交付的是一个可部署的模型，还是一家能持续从产线反馈中进化的工程公司。前者是技术里程碑，后者才是商业壁垒。在资金用途、客户付费结构和模型泛化边界都未披露的当下，这轮种子融资更像一张进入深水区的门票，而非抵达终点的证明。
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。