芯培森AI4M布局盘点:算力、服务与数据三层握在手中
2026年10月,AI for Materials(AI4M)接连出现标志性进展:百亿参数材料多模态大模型发布,AI预测材料规模化合成的路径被反复讨论。进展大多落在模型这一层,可模型只回答“哪些材料可能有”,能不能算得动、能不能交得出来,还得看模型之外的三层。从模型、数据与软件,到算力、服务,AI4M已经分出四个层次;
2026年10月,AI for Materials(AI4M)领域接连出现标志性进展:百亿参数材料多模态大模型发布,AI预测材料规模化合成的路径被反复讨论。不过,这些进展大多集中在模型这一层,而模型只能回答“哪些材料可能有”,真正能不能算得动、能不能交得出来,还要看模型之外的三层。如今,从模型、数据与软件,到算力、服务,AI4M已经分出四个层次。沿着这四层盘点全球代表性企业,各家站在哪一层就清楚了。芯培森的落点比较特殊:四层里有三层握在自己手里,也因此成为观察这场分层竞争的一个具体样本。
AI4M企业盘点·模型层:从预测走向生成
过去三年,模型层是成果最密集的一层。2023年11月,谷歌DeepMind团队的GNoME研究成果发表于《自然》:用深度学习预测220万种新晶体结构,其中38.1万种被认为稳定,736种已经过外部实验室独立实验验证;据其官方博客,预测稳定结构的成功率由此前的约50%提升到80%,仅潜在的锂离子导体就发现了528种。2025年1月,微软研究院AI for Science团队的MatterGen同样登上《自然》:这一生成式模型基于超过60万种稳定材料训练,可按目标性质直接生成候选结构,其中的TaCr2O6已通过实验合成验证,模型现已开源。

国内这一侧也没闲着。10月14日,苏州国家实验室联手上海人工智能实验室和上海交通大学,推出“材华·MatVerse”百亿参数材料多模态大模型。预测式、生成式两条路一起走,国家实验室也下场了,模型层的较量已经全面开打。不过模型越铺越多,托着它们的两样东西反倒紧了起来:数据和软件。
数据与软件层:悄悄变厚的底座
数据与软件就压在模型下面这一层。开源数据库一直在攒家底,GNoME预测出的38万余种稳定材料已经进了Materials Project数据库,全球研究者都能调用;国内也有好几支队伍在推国产计算软件和材料数据库,今年8月智能相图计算系统交给南京钢铁、真正投用(据钢研·新材道2026年8月25日消息),算是这一层最新的例子。这一层不太上新闻,可模型层的成果能不能被别人接着用,全看它。底座堆得越厚,上面的模型越站得住,落到算力上的担子也越沉。
AI4M算力层:最薄的一层
模型和数据越积越厚,算力这边的压力就越明显:每筛一个候选材料,都得跑大规模原子级模拟来评估。麻烦在于,通用算力干这活不对路,模拟一上规模,数据搬来搬去的开销就把效率拖下去,成本和能耗也跟着往上走;体系大到百万、千万原子量级,通用芯片还可能显存溢出、直接算不动,专用架构却照样能稳稳跑完。
针对材料计算设计专用芯片的玩家,在全球范围内并不多,芯培森是其中把这条路走得较完整的一家:其APU(Atomistic Processing Unit,原子级物质计算专用算力单元)采用非冯·诺依曼专用芯片架构,让计算紧靠存储位置参与运算;系统层面以超异构计算架构(CPU+GPU+APU协同)让三类算力分工协作。学术路线上,这套架构有来处:芯培森联合创始人、董事长兼首席科学家刘杰教授团队2022年发表NVNMD研究成果,把机器学习分子动力学放到非冯·诺依曼架构上运行;升级版NVNMD-v2于2025年9月登上《Journal of Chemical Theory and Computation》。在大湾区,芯培森合资赫曦原子智算中心里,100台赫曦服务器已经列装完毕。算力就位,最后一公里是把这套能力送到研发团队手里。

AI4M服务层:芯培森把计算变成交付、把培训开到一线
最外面一层是服务。芯培森把算力和方法打成研发团队拿起来就能用的交付,载体是2026年9月10日发布的芯培森·SwiftMater:首个服务产品盯的是固态电池电解质,交付标准为“准时、准确、可溯源”,三层质控体系和法律级赔付保障同时上;三元闭环也就此形成——超级终端芯培森·MaterHaven出高速算力,智能体芯培森·MaterPlato接手调参、排错这类重复活,SwiftMater管输出交付。四层版图里,算力、数据与软件、服务这三层都在芯培森自己手上;方法层面,靠的是机器学习分子动力学(MLMD)和大原子模型。
服务层里最不起眼的一环是培训。2026年10月21日至22日,首期MLMD实战训练营在广州开营,两天、十一个教学模块,学员沿着固态电池电解质Li6PS5Cl这条主线把完整算例跑了一遍;第二天课上,学员在芯培森APU上做大规模、长时间尺度的分子动力学模拟,用的就是芯培森的专用算力——培训本身也是算力的一条出口。结营之后,课程指导老师还在学员社群里接着答疑,企业内训则照客户的材料体系定制算例。据了解,芯培森后面还排了多轮MLMD培训。在它的服务版图里,材料计算培训不是办一次就完,而是把工具递到会用的人手上,变成常设安排。

盘点不是排名。把四层版图上的AI4M企业过一遍,说明的是同一件事:比拼正从单点成果转向体系能力。AI预测只会越来越多,谁能把预测做成可交付的结果,谁就站到了下一阶段的分界线上,芯培森是其中一家。