鼎犀智创：完成数亿元Pre-A轮融资，"Physical AI+自主实验室"切入高性能材料研发

近日，鼎犀智创（Rhinovate™）宣布完成数亿元Pre-A轮融资。本轮由鼎晖百孚领投，九合创投、彬复资本、龙芯创投、顺禧基金、中关村资本跟投，是继昆仲资本、元生创投、上海未来产业基金、晶泰科技等机构投资后，公司在一年内完成的第三轮融资。

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。

鼎犀智创2025年成立于深圳南山区，依托北京大学深圳研究生院深港河套科创中心孵化，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。

创始人兼CEO吕海峰早期曾在中科院超算中心参与高性能计算项目，此后任职于英特尔及北京北龙超级云计算等企业，长期从事高性能计算及相关技术的产业化工作。

公司是一家由Physical AI驱动的新材料研发企业，从产业链位置看，它并非传统材料生产商，也不只是出售材料模拟软件，而是位于新材料研发上游，尝试向企业提供模型、自动化实验及联合研发服务。

传统新材料研发周期漫长，从实验室成果到工业化生产线之间，横亘着多尺度机理关联缺失的巨大鸿沟，这是当前AI+材料落地最核心的堵点。

更尖锐的矛盾在于"预测的胜利"与"合成的鸿沟"——DeepMind的GNoME模型曾预测38万种稳定材料，但仅有736种完成实验验证，验证率不足0.2%，AI单日产生的海量预测，需要人类用10年甚至更长时间才能完成全面验证。

与此同时，材料科研普遍存在两大数据孤岛：单次实验内部制备与表征数据割裂、不同课题组之间数据标准不统一，大量宝贵实验数据散落在设备和个人电脑中，无法被AI读取复用。

鼎犀智创自研的RhinoAI智能研发平台，以跨尺度物质编译为底层统一理论框架，由AI Scientist与Self-Driving Lab协同驱动。

AI Scientist作为全链路科研智能体，负责理解科研目标、调用知识库与材料模型、生成研究方案，并可按不同材料场景灵活编排多个智能体，把科学问题转化为可执行的计算、实验与工程任务。

Rhino Lab自主实验室则由机器人、智能实验工站、高通量表征设备及统一控制系统构成，在计算模拟与实验校准中自主完成实验编排、样品制备、多模态表征与数据回流，再依据反馈调整下一轮实验。

模型层面，公司正在构建面向聚合物的材料科学基础大模型RhinoMat：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；在此基础上构建力场模型模拟聚合物体系，结合扩散模型逆向生成目标聚合物，并将结构表示融入代理模型进行贝叶斯优化。

数据层面，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——在万级参数空间中，系统将原本预计约2000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。

2026年3月，贝特瑞联合北大深研院SHINES、鼎犀智创在香港揭牌成立"贝特瑞智瑞AI材料实验室"，推动材料研发从经验驱动的试错模式迈入算法驱动、持续自进化的生成式时代。

目前，鼎犀智创主要面向化工材料、新能源电池和高性能复合材料等领域，与万华化学、贝特瑞、金羽新能等企业开展联合研发。

鼎犀智创计划围绕几条主线推进：依托本轮融资加速RhinoMat基础模型与多场景可编排AI智能体的研发，持续沉淀专有实验数据与工艺认知；推进碳基高性能材料的放大验证，把"设计—执行—表征—反馈—优化"的研发链路从中试推向产业应用；依托北京、深圳、香港三地布局，与北京大学科学家团队深度合作，形成跨区域协同的研发网络。

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体系，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。

创始人兼CEO吕海峰表示，过去一年公司让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。

文章来自于微信公众号 “药圈时汇”，作者 “药圈时汇”