具身涌现获悉，AI for Science企业屹艮科技完成宁德时代独家亿元级战略投资，这笔交易也是宁德时代在AI4S赛道的首次战略投资。

屹艮科技聚焦电池设计自动化BDA赛道，本次融资标志着“AI+跨尺度仿真”技术正式迈出新能源新材料大规模工程化的关键一步。

这家企业此前已经拿到红杉中国、基石资本、火山石投资等多家头部机构数亿元资金，产业资本的接连入局，也折射出锂电池行业竞争逻辑正在发生本质切换。

01

产学研出身的团队凭何突围？

屹艮科技成立于2020年，创始人郑家新是北大深圳研究生院长聘副教授，手握两项国家重点专项，累计发表SCI论文160余篇，连续五年入选斯坦福全球前2%顶尖科学家榜单。

学术界的积累，让这家初创公司没有停留在纯算法概念层面，从创立之初就锚定产业真实研发痛点做产品落地。

具身涌现认为，不同于多数AI4S创业公司偏重算法论文输出，屹艮科技从资本层面就打通产业端通道。

宁德时代本轮独家战略投资，不只是简单的财务加持，更代表电池龙头愿意开放产业场景、工艺know‑how，与技术团队深度协同。

背靠产学研复合背景，叠加多轮头部机构加持，屹艮科技得以把实验室的跨尺度仿真能力转化为可以交付给工厂使用的商业化平台。

02

物理×AI如何破解研发顽疾？

国内锂电池已经拿下全球八成以上出货占比，但三元、磷酸铁锂性能逼近理论上限，固态电池等下一代技术复杂度成倍抬升，传统反复做实验试错的模式越来越难走通。

一款全新电芯传统研发周期要1‑2年，同时企业内部实验数据分散割裂，工程师积累的经验很难沉淀复用。

屹艮科技选择“物理×AI”双轮驱动的技术路线，这套模式跳出纯仿真、纯AI各自的短板。

纯物理仿真精度足够，但很难处理高维非线性耦合问题；纯AI擅长拟合复杂关系，却极度依赖高质量数据集，很容易出现泛化失效的黑箱问题。

物理仿真输出海量合成数据补齐产业实验数据稀缺的短板，AI算法反过来加速物理模型迭代优化。

依托这套BDA电池自动化设计平台，电芯研发周期能够压缩至半年甚至更短，整套代码实现信创适配、自主可控。

平台可以对接企业ERP、MES、LIMS多套业务系统，把散落的历史实验数据转化为企业专属知识库。

屹艮科技已经和三十余家新材料龙头达成深度合作，同时底层算法能力已经延伸到半导体、合金、精细化工等赛道，搭建起MDA材料设计自动化体系。

它和宁德时代联合产出的电解液模拟算法，能够还原SEI成膜过程，实现电解液配方正向预测与逆向设计，相关成果也已经刊发国际期刊。

公司自研的新材料管线，计划在2026下半年推进量产验证。

03

资本入局释放何种产业启示？

具身涌现洞察到，这笔融资背后，行业竞争已经从拼产能规模转向拼研发效率与数据资产。

过去国内锂电产业依靠产能扩张抢占全球市场，走到技术攻坚阶段，我们更需要国产自主的材料研发软件工具，不能继续依赖海外CAE仿真工具完成核心研发工作。

很多AI4S项目容易陷入“论文好看，落地很难”的困境，屹艮科技一边对外输出研发平台，一边布局自研材料管线，这套模式值得行业观察。

自研管线并不是要和客户抢市场，而是完整跑通从数字仿真到实体量产的全链路，实实在在验证平台能力，解决下游制造企业对新技术的信任门槛。

跨行业拓展的时候，它选择和各赛道头部企业共建方案，复用通用算法底座再做行业二次开发，避免从零造轮子，降低技术跨域落地成本。

政策层面国内已经出台文件，鼓励发展能源材料跨尺度计算框架，强化材料反向设计能力。

但也要客观看到，物理×AI不会直接取代实验室湿实验，它更多承担筛选、预测、模拟的角色，最终结果依旧需要真实实验验证。

未来BDA、MDA赛道想要走远，行业标准、干湿实验闭环搭建、产业know‑how持续沉淀，都是绕不开的必修课。