推动高性能材料研发从「经验试错」走向「智能设计」。

AI新材料研发公司鼎犀智创（Rhinovate™）近日完成数亿元Pre-A轮融资，本轮融资由鼎晖百孚领投，九合创投、彬复资本、龙芯创投、顺禧基金、中关村资本跟投。这是继此前昆仲资本、元生创投、上海未来产业基金、晶泰科技等投资后一年内完成的第三轮融资。本轮资金将重点用于RhinoMat材料科学基础大模型及底层技术研发、多场景可编排AI智能体与自主进化实验室体系建设、碳基高性能材料放大验证，持续沉淀核心技术与实验数据。

鼎犀智创成立于2025年，依托北京大学科研力量孵化，核心团队成员来自北京大学、清华大学、剑桥大学、斯坦福大学、麻省理工学院等，是一家由Physical AI驱动的新材料研发公司，致力于将复杂、依赖经验的材料研发转化为可计算、可验证、可规模化的工程体系。公司以「RhinoAI智能研发平台」为核心，整合AI Scientist、自主实验系统与中试放大能力，构建覆盖“设计—执行—表征—反馈—优化”的端到端研发闭环，让模型、数据、配方与工艺在真实实验中持续进化，推动高性能材料研发从「经验试错」走向「智能设计」。

1.RhinoAI智能研发平台：从「干湿闭环」迈向「自主进化」

新材料是一切硬科技的物理基础，但其研发模式长期停留在经验试错：从设计到量产通常需要五到十年，计算、实验与放大彼此割裂，模型难落到工艺、数据难回流，性能也可能在放大中失效。

鼎犀智创以跨尺度物质编译为底层统一理论框架，让材料研发成为一个能持续学习、验证的自主进化平台。其自研系统Rhino以AI Scientist和Self-Driving Lab为核心，构建贯通科研认知、实验执行与反馈进化的Physical AI平台。平台不只自主迭代模型、设计材料配方、推荐设备参数，还能自主规划实验方案、调度执行流程，最终在真实物理世界中完成材料的制备和验证。

Rhino Scientist作为全链路科研智能体，能够理解科研目标，调用知识、材料模型与算法，完成知识探索、方案设计和任务编排；多个智能体可按不同材料场景灵活编排，将科学问题转化为可执行的计算、实验与工程任务；Rhino Lab由机器人、智能实验工站、高通量表征设备及统一控制系统构成，是AI Scientist进入物理世界的实验载体，承接研究策略，在计算模拟与实验校准的干湿闭环中，自主完成实验编排、样品制备、多模态表征与数据回流，依据反馈调整下一轮实验。

在这一体系中，AI Scientist负责提出假设与策略，机器人负责高通量执行，科学家负责目标定义、机理解释与工程决策。共同形成「设计—执行—表征—反馈—优化」的自驱动闭环，让每次实验都推动知识库和模型更新，使系统越实验、越精准。

2.三层迭代飞轮：让模型、配方与设备参数协同进化

模型侧，Rhino正在构建面向聚合物的模型RhinoMat。该模型以三维等变图神经网络与长程作用模块为底座，对聚合物结构进行统一表示；构建力场模型以模拟聚合物体系，结合扩散模型逆向生成目标聚合物，将结构表示融入代理模型进行贝叶斯优化。此外，模型可与实验数据对齐，根据实验反馈持续迭代优化。

数据侧，Rhino已在结构承载聚合物、烯碳材料与电解液方向积累超过125万条多尺度模拟数据、4.8万条自动化实验数据，并构建了包含21.4万个实体和62.6万条实体关系的知识图谱。在实验数据方面，区别于公开数据库，Rhino持续采集「工艺—结构—表征—性能」全过程数据，并保留失败实验记录，通过数据质控与因果证据链建设，确保数据全程可追溯、结果可归因。

每一轮真实实验数据都会回流校准模型；模型据此生成并筛选下一轮候选配方；实验结果再反向驱动设备与工艺参数调整，由此构成「模型—配方—设备」三级递进的增强回路。模型侧推演与机器人侧实测持续互馈，使每一轮研发在强化模型能力的同时，同步沉淀专有数据、配方认知与工艺经验。

3.从「材料实证」到「产业放大」：构建可复用的AI研发基础设施

鼎犀智创围绕从科研到产业的全链条，与北京大学科学家团队开展深度合作，依托北京、深圳、香港三地布局，汇聚科研力量与创新资源，形成跨区域协同的研发网络，与万华化学、贝特瑞、金羽新能等产业龙头开展联合研发。

在复合材料领域，鼎犀联合北大深研院材料学院教授课题组，依托CarbonKylin™「自主进化纤维材料AI科学家系统」已贯通材料单体设计、工艺优化、自动制备和力学表征全流程，系统在模型、配方与制备参数之间进行联动寻优。在万级参数空间中，系统将原本预计约2,000天的多目标寻优压缩至4天，研发周期缩短99.8%；烯碳/芳纶复合纤维拉伸强度达到41.2 cN/dtex，并已进入中试。系统还发现，碳材料与芳纶分子链形成的强界面层可通过锚定效应抑制缺陷，推动AI从“黑箱优化”走向“可解释发现”。相关成果荣获2026世界人工智能大会人工智能创新大赛AI4S科学智能应用赛道冠军，并入选北京市首批人工智能赋能科学研究典型案例。

在新能源材料领域，鼎犀联合北大团队从知识图谱定义研究空间，以机器学习和贝叶斯优化驱动自动配液、检测、扣电组装与循环测试。系统通过模型、配方与实验参数的闭环迭代，7天找到配方突破方向，将研究周期由180天缩短至30天，实验量减少75%，电池库伦效率突破99.5%。

面向未来，公司将持续推进RhinoMat材料科学基础大模型与底层技术体系建设，以聚合物模型为先行方向，构建多场景、可编排、具备自主进化能力的AI科学家体系，贯通计算、实验与产业应用的研发闭环。随着更多材料方向接入，模型、数据、实验技能与工艺知识将持续沉淀、复用，推动材料研发从单点项目走向平台化基础设施，让物质发现与产业转化成为可计算、可验证、可规模化的持续能力。

本轮投资方鼎晖百孚表示：“AI for Science的价值，由真实实验、可验证成果和产业能力定义。鼎犀智创成立一年，已做出业界领先性能的材料并推进中试，科学家、AI Scientist与机器人形成了完整的研发闭环。这套可跨材料方向复用的平台能力，正在形成新一代材料研发基础设施。”

鼎犀智创总裁吕海峰表示：“材料是硬科技的重要物理基础。过去一年，我们让AI Scientist走进真实实验室，用自主实验系统做出材料、理解材料，并把成果推向放大验证。下一阶段，这套体系将在更多材料方向跑通，让每一次实验都成为下一次发现的起点。”

（封面图来源：鼎犀智创）