一块电极片上的盲区，如何吃掉数亿美元

锂电池制造商的新超级工厂里，第一年报废率可以冲到 40%。运营几年之后，这个数字仍然可能高于 5%。这不是某个边缘产线的异常值，而是行业公开讨论中反复出现的结构性损耗。更麻烦的是，很多缺陷在产线上并不容易被看见：电极涂层的厚度偏差、孔隙率漂移、导电率不均，往往要等到电芯下线甚至装车之后才暴露出来。到那时，损失已经以批次为单位计算。

半导体、航空航天、先进涂层领域面对的是同一类问题。材料在沉积、固化、复合过程中产生的变异，传统检测手段要么需要取样破坏，要么只能覆盖有限点位，要么速度跟不上产线节拍。制造商在“看不见”和“测不准”之间，被迫用试错和过量生产对冲不确定性。SirenOpt 的切入点就在这里：用冷大气等离子体扫过材料表面，再让物理信息机器学习解读信号，试图在不破坏样品、不停下产线的前提下，实时推断出厚度、密度、孔隙率、电阻率、导电率和化学组成。

2026 年 9 月 18 日，SirenOpt 向美国证券交易委员会提交的 Form D 文件披露，公司已在一轮总额 3240 万美元的股权发行计划中售出 19,428,895 美元。文件同时显示，其中约 740 万美元来自已转换证券，约 1300 万美元尚未售出。这轮融资的规模接近公司此前两轮已披露融资之和的五倍，但文件没有列出任何投资者姓名、领投方、估值、股价或可转换证券条款。

字段 内容
公司 SirenOpt, Inc.
轮次 未披露
金额 已售出 1940 万美元（目标规模 3240 万美元）
投资方 未披露（此前投资方包括 Voyager Ventures、Visionaries Tomorrow、Access Industries、Berkeley SkyDeck Fund、Climate Capital、Climate Club、Union Labs、Wireframe Ventures、Impact Science Ventures、Courtyard Ventures、Hitachi Ventures）
总部 Oakland, California（来源：fundz.net；其他来源仅称 California）
创始人 Jared O’Leary（联合创始人兼 CEO）、Ali Mesbah（联合创始人，UC Berkeley 教授）、Joel Paulson（联合创始人，University of Wisconsin-Madison 教授）
官网 https://www.sirenopt.com/

冷等离子体如何从实验室工具变成产线仪表

SirenOpt 的核心产品是 PlasmaSens 制造智能平台。据公司披露，该系统将冷大气等离子体（CAP）施加到材料表面，采集等离子体与材料相互作用产生的信号，再用物理信息机器学习模型反推材料属性。与单纯基于图像或历史数据的预测不同，公司称其模型以物理行为为约束，输出的是可解释的测量结果。公司还持有 PlasmaSmart 商标，但来源材料未披露该商标对应的具体产品形态或商业化状态。

这套技术路线并非凭空出现。SirenOpt 于 2022 年从 UC Berkeley 化学工程系分拆成立，技术根基来自三位联合创始人的研究交叉：O’Leary 在伯克利攻读化学工程博士期间研究基于学习的先进材料制造表征与控制；Mesbah 的研究覆盖等离子体处理和预测控制；Paulson 的研究方向是科学机器学习与过程控制。O’Leary 和 Mesbah 被列为底层技术的发明人。O’Leary 此前在斯坦福获得化学工程学位，并曾在 Theranos 担任工程师和团队负责人——这段履历在来源材料中被明确提及，但来源未将其与 SirenOpt 的技术可信度或商业判断建立任何关联。

从产业链角度看，PlasmaSens 试图替代或补充的是传统计量与检测工具的组合。在半导体领域，KLA Corporation 和 Nanometrics 等公司提供成熟的薄膜厚度、折射率、缺陷检测设备；在电池电极领域，视觉检测系统覆盖表面缺陷，但难以穿透涂层获取体相属性。SirenOpt 的主张是，一个等离子体平台可以同时提取多种材料属性，而这些属性原本需要多台设备分别测量，或者需要取样送实验室做破坏性分析。这个主张如果成立，意味着产线可以少停机、少取样、多维度地理解材料状态。但“如果成立”是关键限定：截至来源材料披露时点，尚未有独立生产数据公开发表，以证明 PlasmaSens 在工厂规模下的精度、吞吐量和经济性。

从 660 万到 650 万，再到 3240 万目标

SirenOpt 的融资节奏在三年内经历了明显跳升。2024 年 7 月，公司完成 660 万美元种子轮，由 Voyager Ventures 和 Visionaries Tomorrow（TOMORROW，Visionaries Club 旗下）领投，Access Industries、Berkeley SkyDeck Fund、Climate Capital、Climate Club、Union Labs、Wireframe Ventures、Impact Science Ventures 和 Courtyard Ventures 参投。2025 年 10 月，公司完成 650 万美元战略融资，由 Hitachi Ventures 领投，现有投资方 Voyager Ventures 等参投。两轮金额几乎相同，但投资方结构发生了变化：日立旗下的产业资本进入，意味着公司开始从纯财务投资人组合向产业验证资源倾斜。

2026 年 9 月的 Form D 将目标规模拉高到 3240 万美元，已售出约 1940 万美元。文件没有披露投资者身份，这是一个值得注意的信息缺口。对于一家进入工厂部署关键期的硬件公司，新一轮资金来自财务投资者还是产业资本，会直接影响其客户导入路径和产品定义话语权。Hitachi Ventures 在上一轮的表态——“SirenOpt 正在交付许多人长期以来视为计量学圣杯的东西”——是投资方声明，而非独立验证结论。Form D 同样未披露估值和股价，因此无法判断这轮融资对创始团队和早期股东的稀释程度，也无法判断 740 万美元已转换证券的转换价格是否包含反稀释条款或清算优先权。

从资本结构看，3240 万美元的目标规模接近前两轮之和的五倍。这种跳跃通常对应两种情境：一是公司进入硬件量产和现场部署阶段，需要大量流动资金覆盖设备制造、应用工程师驻场和长周期客户认证；二是公司希望在收入规模化之前储备足够长的跑道，避免在客户验收节点上因资金不足而妥协。SirenOpt 的情况更接近前者。公司计划在 2026 年推出首批完整在线工厂部署，而工业硬件的现场部署意味着每套系统都需要针对具体产线做集成、校准和验收，这些成本在收入确认之前就会发生。

“蓝筹客户兴趣”与未披露的客户名单之间

SirenOpt 的公开叙事中反复出现“蓝筹客户兴趣”和“多行业验证”。Hitachi Ventures 的投资人称，公司在过去 12 个月内“在每个行业都吸引了蓝筹客户兴趣”。O’Leary 在 2025 年 10 月的声明中表示，公司看到“巨大的客户兴趣”，并已“大幅扩展平台在电池、航空航天、发电、半导体和汽车等多个行业的使用场景”。公司还披露已向客户和合作方部署多套系统。

但这些表述都没有附带客户名称、部署数量、合同金额或收入数据。在工业检测与计量市场，客户名称本身就是最重要的商业验证信号：一家电池厂愿意把产线检测交给新供应商，意味着它已经完成了对设备精度、稳定性、安全性和服务能力的内部认证。没有客户名称，外部观察者无法区分“兴趣”是技术评估阶段的初步接触，还是已经进入采购流程的实质意向。SirenOpt 的客户获取状态因此处于一个模糊地带：公司口径是需求旺盛，投资方口径是蓝筹关注，但独立可验证的客户事实为零。

团队层面的信号相对具体。公司任命了前 Applied Materials 副总裁兼总经理 John Busch 担任 COO，以及深科技创业公司高管 James Carrington 担任商业化副总裁。Applied Materials 是半导体制造设备的核心供应商，Busch 的加入意味着 SirenOpt 正在补充具备大型设备公司运营经验的管理层。但这仍然是投入端的信号，而非产出端的证据。工业硬件公司的真正门槛不在于能否造出原型机，而在于能否让设备在客户的产线上以可重复的良率提升数据说话。

与 KLA、视觉检测和破坏性实验室分析的三角竞争

SirenOpt 的竞争格局需要放在三个替代方案中理解。第一类是 KLA Corporation 和 Nanometrics 代表的成熟半导体计量设备商。它们在薄膜厚度、折射率、缺陷检测等领域拥有数十年积累、庞大的装机基础和客户认证壁垒。SirenOpt 若想进入半导体产线，面对的不是技术原理之争，而是与这些公司已嵌入客户工艺流程的测量配方、数据接口和可靠性记录竞争。来源材料将 KLA 和 Nanometrics 列为竞争对手，但未提供 SirenOpt 在半导体领域与它们直接对比的性能数据或客户案例。

第二类是电池电极产线上的视觉检测系统。这类系统在卷对卷生产中可以高速捕捉表面缺陷，但据 SirenOpt 的定位，视觉检测难以覆盖体相属性如孔隙率和导电率。SirenOpt 的差异化主张是“一个平台提取多种属性”，这在概念上有吸引力，但需要回答一个工程问题：冷等离子体扫描的速度能否匹配卷对卷产线高达每分钟 100 米的基材移动速度？来源材料提到基材移动速度可达每分钟 100 米，但未披露 PlasmaSens 在线模式下的实际扫描速度、采样密度或数据处理延迟。

第三类是传统的破坏性实验室分析。制造商从产线上取样，送到实验室做截面分析、电化学测试或材料表征。这种方法精度高，但时间滞后，且只能覆盖极小比例的产线输出。SirenOpt 的价值主张是替代这种“事后抽检”模式，把测量前置到产线实时完成。加州能源委员会批准的 240 万美元拨款正是针对这一场景：将 SirenOpt 现有的离线检测平台推进到电池电极制造的在线检测和实时过程控制，项目计划持续至 2030 年 3 月。这个时间跨度本身说明，从离线到在线不是简单的设备搬移，而是涉及产线集成、控制闭环和长期稳定性验证的系统工程。

投资逻辑：押注“可解释测量”还是押注“工厂部署能力”

Voyager Ventures 创始合伙人 Sarah Sclarsic 在种子轮声明中给出了一个宏大的效率叙事：SirenOpt 正在“解锁一系列行业每年为全球经济带来超过 1000 亿美元的生产效率提升”。她还提出了一个更具体的气候关联：将电池生产效率提高 5%，到 2030 年就能减少数百万吨二氧化碳排放。这些数字来自投资方声明，来源材料未提供其计算依据或第三方验证。

投资逻辑的另一个支点是“可解释性”。SirenOpt 强调其物理信息机器学习输出的是可解释的测量结果，而非仅基于图像或历史数据的预测。这个定位在工业客户中有现实吸引力：工厂工程师和质量经理需要知道“为什么这个批次不合格”，而不仅仅是“系统判定这个批次不合格”。但可解释性本身不是商业壁垒。真正的壁垒在于，物理模型能否在真实产线的噪声、温漂、材料批次波动下保持足够的测量一致性，以及系统能否在客户的生产节拍内完成从测量到反馈的闭环。

从资本配置角度看，这轮 3240 万美元目标规模的融资，其隐含假设是 SirenOpt 已经跨过了技术验证阶段，进入需要大量资金支撑的部署阶段。Form D 未披露资金用途分配，但 O’Leary 在 2025 年 10 月的声明中已经给出了方向：扩充工程、产品和商业团队，推动客户与潜在客户的合作，并在 2026 年交付首批工厂内部署。这意味着本轮资金的核心用途大概率是人员、设备制造和现场集成，而非基础研发。如果这一推断成立，那么 SirenOpt 的估值逻辑正在从“技术稀缺性”转向“执行确定性”——而执行确定性的唯一证明，是 2026 年工厂部署的实际结果。

2026 年部署节点：所有叙事的分水岭

SirenOpt 把 2026 年设定为首批完整在线工厂部署的年份。这个时间点将成为公司所有叙事的分水岭。如果部署成功并产生可量化的良率提升数据，那么“蓝筹客户兴趣”可以转化为可验证的客户案例，3240 万美元的融资目标也有了继续推进的底气。如果部署延期或数据不达预期，那么“计量学圣杯”的叙事将面临工业客户最严苛的检验：设备能否在真实产线上以可重复的经济性证明自己。

从已披露的加州能源委员会项目时间表看，SirenOpt 的电池电极在线检测工作将延续到 2030 年 3 月。这意味着即使 2026 年的工厂部署落地，距离电池行业的规模化在线过程控制仍有数年距离。半导体领域的客户认证周期通常更长，航空航天领域的适航和材料认证则可能以十年为单位计算。SirenOpt 的多行业策略在叙事上分散了风险，但在执行上意味着同时面对多个不同认证体系、不同产线节拍和不同客户决策链。对于一家成立四年的公司，这种多线作战的资源配置效率本身就是一个待验证假设。

另一个需要观察的变量是 Form D 中 740 万美元已转换证券的性质。来源材料未披露这些证券的转换条件、转换价格或持有人身份。在工业硬件公司的融资中，可转换证券往往与里程碑条款绑定，例如完成特定客户部署、达到特定收入门槛或通过特定技术验证。如果这些转换条件与 2026 年的部署节点挂钩，那么本轮融资的实际成本将取决于公司能否按时交付。这个信息缺口使得外部观察者无法完整评估 SirenOpt 的资本结构和创始团队面临的业绩压力。

风险不在技术原理，而在工厂里的重复性

SirenOpt 面对的核心风险不是冷等离子体技术是否可行——这项技术在材料表面处理领域已有长期研究积累——而是它能否在工厂环境中以可重复的方式创造可量化的经济价值。工业客户购买检测设备的决策标准从来不是“能测什么”，而是“测出来的数据能帮我少报废多少、多产出多少、省下多少时间和人力”。这个标准要求设备在振动、温湿度波动、粉尘、电磁干扰和连续运转条件下保持测量一致性，要求软件与客户现有的制造执行系统和过程控制系统对接，要求服务团队能在客户停机的窗口期内完成维护和校准。

来源材料中有一个细节值得注意：SirenOpt 的半导体材料工作覆盖硅、氮化镓、钨、钛、镍和介电薄膜等多种材料。这种材料广度的叙事在融资阶段有吸引力，但在商业化阶段意味着每个材料体系都需要独立的测量模型验证和客户工艺匹配。一个在硅薄膜上验证过的等离子体测量模型，未必能直接迁移到氮化镓或介电薄膜上。公司称其物理信息机器学习以物理行为为约束，这理论上可以降低对新材料的训练数据需求，但“理论上”不能替代逐材料的实验验证。

从编辑推断的角度看，SirenOpt 的融资节奏和团队配置表明，公司正在从“技术验证”向“部署验证”过渡。这个过渡阶段的典型特征是：资金需求快速上升，客户接触从实验室走向产线，管理层从科学家主导转向工业设备运营背景的高管补充。John Busch 的加入和 3240 万美元的融资目标都与这个阶段相符。但过渡阶段的另一个特征是：失败模式从“技术不 work”变成“技术 work 但客户不买单”。后者的信号往往更滞后、更昂贵，也更难挽回。

Form D 未披露投资者身份这一事实，在这个背景下显得格外重要。如果新一轮资金来自现有投资方的追加，说明内部人对部署前景有足够信心；如果来自新的产业资本，说明公司可能在为特定行业的客户导入绑定战略资源；如果来自对冲基金或结构性投资者，则可能意味着条款中包含与里程碑挂钩的复杂安排。这些可能性目前都只是推测，因为来源材料没有提供任何投资者身份信息。唯一可以确认的是，SirenOpt 已经拿到了推进 2026 年部署所需的部分资金，而剩余约 1300 万美元的发行额度，将在很大程度上取决于公司能否在接下来的工厂部署中拿出可验证的结果。

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：SirenOpt 的故事核心不是“冷等离子体能不能测材料”，而是“一个 UC Berkeley 分拆团队能不能在 2026 年把实验室测量变成工厂里的标准动作”。1940 万美元的股权售出给了它推进部署的弹药，但 Form D 里没有投资者姓名、没有估值、没有条款。在工业硬件这个以客户名单和重复性数据为硬通货的市场里，SirenOpt 的下一份公告，比它的上一份融资新闻更值得等待。