图片来源/企业供图

全文约3700字，推荐阅读时长8分钟

撰文/欧雪

编辑/袁斯来

硬氪消息，AI for Materials企业——索格智算（上海）科技有限公司（下称“索格智算”）近日宣布完成数千万元级别天使轮融资。本轮融资由复星创富担任领投方，南通产控思源人工智能先导基金、云启资本、中赢创投参与跟投，紫竹科投等原有股东继续追加出资。所获资金将用于新材料自动化研发管线的持续开发与升级、实验室基础设施建设、研发团队扩充以及产业人才引进，旨在推动国产高端材料实现自主可控。

索格智算成立于2025年，是一家致力于通过原创AI计算引擎等融合技术驱动新材料研发的硬科技企业。公司聚焦于国家战略需求下的新材料设计关键难题，借助材料原子大模型、高性能仿真以及干湿实验闭环，打通跨尺度研发链条，推动核心技术的国产化突破，实现关键材料的自主可控。

创始人兼首席科学家徐振礼为上海交通大学特聘教授、人工智能新材料研究中心主任，同时也是国家杰出青年科学基金获得者。核心团队成员具备数学、人工智能及材料学交叉背景。目前公司已组建一支30余人的研发队伍，下设AI算法、应用技术、智能体、量子计算四个研发中心。顾问团队覆盖AI算法、材料研发和产业资源，形成了“基础研究+产业落地”的双轮驱动架构。

新材料研发为何需要AI介入？

硬氪了解到，传统材料研发主要依赖试错法，一个新材料从实验室发现到最终产品化，往往需要耗费数十年时间，不仅研发成本高昂，且机理不透明。在新能源、精细化工等产业加速向更高代际演进的背景下，现有材料供给已难以满足其对下一代高性能材料持续升级的需求，关键材料的自主保障能力存在明显短板。

然而，利用AI加速材料研发同样面临挑战。原子间的相互作用，近程易于计算，远程则难度较大。传统AI模型依赖“消息传递”逐层传输，计算速度慢、成本高，且在不同材料间迁移效果不佳。索格智算的突破点在于从底层算法层面解决了这一问题。

索格智算的技术体系围绕三大原创算法构建：

SOGNet，旨在解决“计算精准”的问题。传统模型仅能处理近程作用，而SOGNet可在傅里叶空间中直接学习远程原子关联，自适应学习不同距离下的衰减特征。相关研究成果已发表于《Phys. Rev. Lett.》（2025），并获得编辑推荐。

基于SOGNet构建的材料原子大模型（图片来源/企业供图）

随机分批算法，旨在解决“计算快速”的问题。传统算法在万核并行时效率仅有20%至30%，而随机分批算法可将效率提升至95%以上，计算速度提升数十至上百倍，使大规模材料模拟成为可能。该成果曾获上海市自然科学一等奖。

新材料专用模拟器 NanoTitan Ultra（图片来源/企业供图）

R2D多场耦合模型，旨在解决“计算真实”的问题。传统电化学建模依赖均质假设，而R2D模型突破了这一框架，能够精确捕捉电池材料在充放电循环中多物理场的耦合演化过程，涵盖离子传输、界面反应、应力演化及失效机制等。

下一代电池自动化仿真软件R2DPack和AI代理模型R2DPack-ONet（图片来源/企业供图）

基于上述算法，索格智算打造了自研产品矩阵，打通了材料设计、计算验证、工业仿真及自主研发的全链路：包括面向锂电、高分子等垂直领域的SOGNet原子大模型、高性能模拟器NanoTitan、材料器件仿真平台R2DPack，以及自主研发的智能体SOG Omni。

SOG Omni 材料研发自主智能体（图片来源/企业供图）

其中，锂电材料垂域模型SOGNET-Battery是面向锂电领域的核心产品。锂电材料涉及离子迁移、界面演化、涂层稳定性等复杂过程，传统模型难以同时兼顾精度与效率。SOGNET-Battery的设计思路是：利用专业筛选和自主生成的锂电数据训练模型，使其实现“近处精准、远处可见、体系放大后仍计算迅速”。

从实际测试结果来看，在六类锂电材料上，SOGNET-Battery以更小的参数规模，取得了优于参数更大的通用势函数模型的精度。更重要的是其迁移能力：在新体系上仅需少量数据微调即可快速适配。以Li-Li₆PS₅Cl体系为例，仅用359个构型进行微调，原子力误差降低约68%，能量误差降低约83%。在推理速度上，SOGNET-Battery相比通用模型提升超过80%，同等算力下可处理更多原子构型。

目前，公司已将上述核心技术和产品沉淀为可复用的材料设计自动化管线，形成了持续迭代能力。在某固态电池企业的电芯设计过程中，团队利用R2DPack开展电芯级多物理场仿真，将材料参数、界面特性与电芯结构进行耦合，实现了对电芯性能的快速预测与设计优化，显著减少了对传统反复实验验证的依赖，加速了固态电池电芯的研发迭代。面向车载实时计算需求，该方案在主流车载芯片同等算力条件下可实现毫秒级响应，为在十万级新能源汽车主流车载芯片上的轻量化部署与实时预测奠定了基础。

针对某化工上市企业的高分子材料智能发现与快速筛选，团队利用SOG Omni推荐符合企业需求的候选配方，再由多尺度计算引擎进行精准预测和筛选，相关结果已进入湿实验验证阶段。

此外，索格智算在国家重大战略需求的新材料设计领域也开始布局，涉及稀土永磁、辐射屏蔽材料等；同时与头部企业及研究院所合作，共建人工智能研发与应用系统，助力关键战略材料实现自主可控。

在未来规划方面，索格智算的目标是通过自主可控的产品技术，实现高价值新材料设计能力的突破。在产品层面，公司计划在锂电、化工高分子领域搭建全流程模拟自动化平台，从智能体出发，通过AI推荐材料，再进行大规模计算、仿真和筛选，最后在器件层面进行仿真，打通整套流程；同时在高分子、化工等领域推出自动化计算筛选平台。

以下为硬氪与公司创始人、首席科学家徐振礼的对话节选（经编辑）：

硬氪：索格智算的核心技术壁垒是什么？

徐振礼：我们的核心壁垒是原创算法。SOGNet解决了长程相互作用势函数瓶颈，随机分批算法突破了微尺度计算扩展性瓶颈，R2D多场耦合模型实现了高保真计算。

这三个算法并非简单的工程优化，而是从底层数学出发的原创突破。基于这些原创算法，索格智算打通了数据—模型—仿真—实验的完整闭环。

硬氪：AI for Materials赛道竞争日益激烈，索格智算如何应对？

徐振礼：材料领域细分方向众多，也存在不同技术路线，商业机会丰富。我们的优势在于算法效率与精度。未来大家都在竞争算力利用率，投入相同算力时，算法效率更高、精确度更高，预测能力就更强。

另外，我们提供软硬件一体化产品，进一步发挥算法与硬件协同加速的效果，并充分适配材料企业对本地部署的需求。我们也在推进管线建设，从智能体出发，通过生成式人工智能推荐材料，再进行大规模计算、模拟、仿真和筛选，最后在器件层面仿真，打通整套自动化流程。

硬氪：公司未来的商业化路径如何规划？

徐振礼：我们分两个层面。一是以概念验证阶段的联合研发作为合作起点，在高价值材料方向率先跑通技术可行性，再向纵深布局；二是深化战略合作，锚定高价值关键材料赛道，重点布局光刻胶、半导体封装胶粘材料等细分领域，纵深推进新材料分子设计、配方开发与产线落地。

投资方观点：

复星创富：AI for Materials作为人工智能与先进材料深度融合的重要方向，具备颠覆性变革材料研发范式的战略价值。

我们非常看好索格智算，核心在于其在“底层算法—算力平台—产业应用”上的完整技术实力。依托创始人徐振礼带领的计算数学、人工智能与材料工程交叉学科顶尖团队，公司围绕材料长程界面精准模拟等核心难题形成了SOG-Net高斯和神经网络、RBMD随机分批分子模拟等原创技术，并探索出软硬件协同的产品化路线。我们认为，这种从底层核心技术出发，进一步向产业场景延伸的能力，是AI for Materials企业形成长期竞争壁垒的重要基础。公司已在锂电、稀土永磁、半导体等关键产业领域展现出明确的应用价值，正处于从技术突破向产业规模化落地的关键跨越期。

未来，我们期待与索格智算共同推动AI与材料科学的深度融合，支持公司持续强化核心技术、拓展产业应用、推动国产材料开发基础设施进一步实现自主可控，并成长为AI for Materials领域具有长期影响力的标杆硬科技企业。

云启资本：AI for Materials是我们持续关注的AI for Science关键方向。索格智算以原创算法重构材料研发范式，徐振礼教授领衔的交叉学科团队已与上海交通大学共建人工智能新材料研究中心，并在头部电池企业研发体系中落地应用。我们期待公司持续将原创算法转化为产业可复用的研发工具，让AI for Materials真正进入从实验室突破到产线落地的关键跨越期。

南通投管：我们看好AI与物理计算深度融合对材料研发范式的重塑，也看好索格智算从底层算法创新走向产业应用的潜力。材料智能设计的关键，在于兼顾复杂体系的预测精度与大规模模拟的计算效率。索格智算围绕这两项核心能力形成了具有辨识度的技术布局：SOG-Net通过可学习的高斯和表示刻画长程相互作用，补充短程机器学习势对远距离作用描述的不足，为复杂材料体系提供更完整的物理建模能力；随机分批算法则通过随机采样降低相互作用计算开销，并在RBMD分子动力学平台中实现工程化，提升大规模模拟的效率与可扩展性。两者分别从建模精度与计算效率出发形成协同，为材料筛选、性能预测及机理研究提供支撑。依托团队在应用数学、机器学习与高性能计算领域的积累，以及在电池、先进合金和半导体等场景的持续探索，我们期待索格智算将原创算法优势转化为可复用的研发工具和行业解决方案，帮助产业客户缩短研发周期、降低试错成本，推动AI驱动的材料创新落地。

中赢创投：徐振礼教授为国家杰青，深耕交叉领域20余年，学术影响力深远。已组建一支兼具应用数学、AI、化学、材料背景的交叉团队，在算子学习、机器学习势与大规模分子模拟领域积累深厚。尤其团队以SOG-Net长程势函数实现底层突破，打通了从微观到宏观的闭环路径，这种“算法+工程”能力是AI for Science赛道最为稀缺的壁垒。我们期待索格能持续将技术突破转化为可规模化产品，成为新材料研发范式变革的重要推动者。

紫竹科投：索格智算是我们在AI+材料赛道重点布局的硬科技项目。AI赋能新材料研发已成为国家战略方向，高性能材料仿真平台是国内新材料产业突破的重要底座。索格智算来自上海交大和紫竹共同成果转化代表项目，团队已逐步实现前沿计算科学算法向AI赋能行业的落地转化。公司直击国内材料研发仿真精度不足、大规模计算效率低下的行业痛点，覆盖算法软件、垂域大模型、纳泰软硬件一体机完整产品矩阵。期待公司持续打磨全栈AI材料研发解决方案，成为驱动新材料前沿探索与全链路交付的核心引领者。