在人工智能与科学研究的深度融合浪潮中，AI4M（人工智能赋能材料科学）正成为推动产业变革的关键力量。从AlphaFold 2实现蛋白质结构原子级预测，到华为云“盘古”气象模型将全球天气预报效率提升万倍，AI技术已从辅助工具进化为科学发现的核心引擎。作为AI4S（人工智能驱动科学研究）的重要分支，AI4M领域近年来涌现出诸多突破性进展，其中深度原理公司的创新实践尤为引人注目。
成立于2024年的深度原理科技，今年7月宣布完成近10亿元A系列融资，创下国内AI4M领域单轮融资规模新高。这笔资金吸引了头部国资、产业资本及财务投资机构的联合参与，为公司在自动化材料研发领域的布局提供了强劲动力。公司创始人贾皓钧在2026世界人工智能大会期间透露，其自主研发的全自动化科学研究平台Mira已实现科研全流程自主闭环，标志着AI正式从“辅助计算”迈向“自主发现”的新阶段。
Mira平台的核心突破在于构建了“干湿闭环”验证体系。该系统通过计算推演（干实验）生成材料设计方案后，可自动调度高通量实验室设备进行实验验证，并将结果实时反馈至模型进行迭代优化。贾皓钧比喻道：“这相当于为AI科学家配备了全自动实验室，整个研发过程无需人工干预，真正实现了从假设提出到方案落地的完整闭环。”据介绍，该平台已成功应用于新能源、电子材料等多个领域，显著缩短了新材料研发周期。
在技术实现路径上，深度原理采取了“双轮驱动”策略。一方面持续迭代SAGA、MPA等SOTA模型，解决材料计算中的特定难题；另一方面通过Mira平台整合各模型能力，形成覆盖材料发现全链条的解决方案。这种系统化创新使公司区别于多数仅聚焦单点技术的AI企业，构建起难以复制的技术壁垒。贾皓钧强调：“真正的挑战不在于模型精度，而在于如何让AI解决方案在真实产业场景中产生价值。”
产业落地方面，深度原理已与多家行业龙头建立深度合作。在AI算力基建领域，公司与头部芯片企业联合开发新型冷却液，通过AI预测材料性能与实验验证的协同优化，项目已接近实验室成功阶段。这种“需求导向”的研发模式，使公司能够快速积累产业数据，反哺模型训练，形成技术进步与商业化的良性循环。贾皓钧透露，目前公司客户复购率显著提升，合作模式正从单点问题解决向材料管线共同研发升级。
全球范围内，AI4M赛道竞争日趋激烈。英伟达将该领域列为AI三大战略方向之一，谷歌DeepMind等科技巨头持续加大投入，CuspAI、Lila Sciences等初创企业也获得大额融资。市场研究机构预测，生成式AI在材料科学领域的市场规模将从2026年的22亿美元跃升至2030年的70亿美元，年复合增长率达33%。面对国际竞争，贾皓钧认为国内企业需在生态建设上发力：“我们既要保持技术前沿性，更要构建产业协同网络，让AI解决方案真正解决中国制造业的关键材料需求。”
当前，深度原理正推进L4级高通量实验室向L5级进化。贾皓钧解释，L5级实验室需实现全场景柔性运作，能够自适应不同材料类型和合成工艺。这一突破将使AI材料研发从“专机专用”升级为“通用平台”，大幅拓展应用边界。随着Mira平台在更多产业场景的验证，中国AI企业有望在全球材料科学革命中占据先机，为制造业转型升级提供核心技术支持。
