用AI发现新材料 深度原理融资近10亿元

一家成立仅两年的创业公司，用AI来发现新材料，被资本看到了。

今年7月，深度原理（Deep Principle）完成A系列融资，累计融资金额近10亿元，得到孚腾资本、华控基金、康君资本、顺禧基金、高瓴创投、联想创投等机构的青睐。

AI for Materials（AI赋能材料科学），是个新概念。对于深度原理来说，融资和技术热度只是起点。更难的，是让材料、化学、能源等传统行业客户，愿意为AI研发而付费。

深度原理的创始人兼CEO贾皓钧是一位95后，在美国麻省理工学院（MIT）获得博士学位，师从AI化学领域的领军人物Heather Kulik教授。他曾在陶氏化学全球研发总部工作，专注于用人工智能研发催化剂配方、预测化学反应路径。

9月中旬，他在接受21世纪经济报道记者专访时表示：“要把改变世界的材料做出来，仍需要投入非常大的资源。”

贾皓钧。资料图

走进产业

深度原理在2024年成立，一群来自材料、化学、AI、计算和产品等不同背景的人，一起研究问题。

公司成立之初，深度原理做了一个“反共识的战略判断”：不拿着论文、模型或专利去找客户，而是先去产业里寻找真实需求。

2024年下半年，创始团队访谈了一百多家企业。他们发现，不少企业已经意识到，AI可能会改变化学和材料研发，只是不知道如何操作。比如，怎样用AI设计新的分子，让它在终端场景里满足稳定性、活性、热学、电学等指标。

从一个具体问题切入，再延伸到一类问题，深度原理想做的，正是利用AI技术，逐步覆盖材料研发流程。

欧莱雅项目就是一个样本。

2025年，深度原理与美妆巨头欧莱雅建立联系，其最初需求是为一款抗衰产品做配方改良。

在化妆品研发中，高活性分子能够带来卓越功效，但也面临稳定性差、保质期短的挑战。加之客户方不能开放完整配方数据，分子筛选工作只能在一个可采购、可销售、可添加的候选化合物范围内进行。

深度原理要做的，是从4000多个候选分子里，找出真正值得实验的选项。

最终，公司向欧莱雅推荐了十余个分子，客户实测其中80%的分子效果优于过去的配方分子。

这个项目，给了深度原理切入真实客户需求的机会。贾皓钧透露，欧莱雅成为其种子客户之一，合作已延伸到活性分子衍生物设计和新分子设计。

商业进化

对产业客户来说，愿不愿意付费，得看能否真正解决问题。

过去，AI在材料研发里的应用，多体现在加速计算，或用模型更快生成候选结构。

深度原理向前多走了一步：不只给出一个候选材料结构，还解释结构背后的物理机制和化学反应路径。这一技术路径，在公司内部称为“动态白盒生成”。

贾皓钧说，深度原理的客户，拿到的不是一个孤立答案，而是一套可以继续推导、验证的线索。相比只输出候选结构的黑箱生成路线，公司更强调反应过程和机理解释，提高候选材料进入实验验证的确定性。

在深度原理的AI Scientist平台中，既有与研发人员交互的AI Agent Mira，也有负责生成、筛选、预测和机理解析的React系列模型，还有把模型结果带进真实实验的高通量实验室AI Materials Factory。

与超分子领域头部企业杉海创新的合作，体现了深度原理的商业模式演进。

公司为杉海创新完成了AI+超分子合成平台的本地化部署后，合作升级为Agent订阅模式，并启动高价值新型活性物联合研发。

目前，杉海创新提出17个分子研发需求，首批5个覆盖抗皱、美白、防脱发、止痒等方向，合作采用首付款、里程碑付款和收益分成形式。

从欧莱雅到杉海创新，深度原理与客户的关系在加深。前者围绕一个明确研发问题交付结果，后者则把平台、订阅和管线共研放进同一套合作里。

此外，一项围绕氟化冷却液的研发工作，则体现了深度原理自研管线的潜力。

AI芯片和数据中心推高散热需求，传统风冷难以满足高密度算力场景。深度原理判断，冷却液材料会出现新的研发窗口。

团队从大量候选分子中筛选，经过高通量实验验证，实验数据回流模型后，继续校准下一轮筛选策略。经过四个多月，团队完成了一组冷却液配方，正在推进专利申请和下游兼容性测试。

深度原理的商业化，已从早期项目交付，进入平台订阅、管线共研、自研管线并行的阶段。

原生协同

深度原理的业务，横跨AI与材料科学。公司的核心团队，正是典型的跨学科组合。

贾皓钧的背景偏材料化学、产业转化与战略。创始人兼CTO段辰儒，更熟悉AI、计算方法和生成模型，曾在微软Azure Quantum从事相关研究。两人是MIT同门兄弟，都师从Heather Kulik教授。

COO张露阳则补齐工程化一环，他曾在Tenstorrent负责AI计算平台，在地平线负责高阶辅助驾驶计算平台，现在全面负责深度原理的AI工程规划、落地与运营。

他们带领的跨学科团队中，材料科学家负责定义问题，AI团队把问题转成模型任务，计算团队解释机理和筛选路径，实验团队验证结果，交付团队则把结果嵌入客户研发流程。

贾皓钧透露，在项目推进过程中，已摸索出一种配合方式：行业老兵指明方向，年轻人利用AI工具完成工作。

深度原理团队的产业探索，与持续走热的资本环境相遇。

去年以来，产业人士将AI for Science与大语言模型、具身智能并称为AI应用的三大关键方向。

资本和产业资源涌入之后，深度原理要面对的检验会更具体。

客户会不会把更多研发需求放进这套系统，其研究平台能否支撑更多材料场景，都影响着下一步的方向。

对深度原理来说，融资只是一个节点，更长的路，仍要回到客户项目和实验结果里。