0
| 本文作者： NEO | 2026-09-28 12:49 |
2026 年 9 月，索格智算（上海）科技有限公司（简称：索格智算）宣布完成天使轮融资。
本轮由复星创富领投，南通产控思源人工智能先导基金、云启资本、中赢创投跟投，紫竹科投、启高资本、菡源资产、紫竹小苗和材研清源等老股东追加投资。募集资金将用于核心算法迭代、大模型训练、算力及湿实验设备采购、新产品研发等。
索格智算成立于2025年9月，是一家专注于利用原创AI计算引擎等融合技术，驱动新材料研发的硬科技公司。团队以算法为核心驱动，融合原创机器学习模型、高性能计算与多尺度建模技术，聚焦国家战略需求下的新材料设计关键难题，通过材料原子大模型 + 高性能仿真 + 干湿实验闭环，打通跨尺度研发链路，推动核心技术国产化突破与关键材料自主可控。
公司核心团队来自上海交大数学科学学院，融合AI、材料交叉复合背景。依托上海交大人工智能新材料研究中心，公司已组建 30 余人的研发队伍，并具备产业交付能力。此外，公司顾问团队涵盖数学算法、材料研发，有丰富的产业资源，为技术落地提供可靠支持。
新材料传统研发路径依赖试错法，一种新材料从实验室发现到产品化落地往往需要数十年时间，研发成本高昂且机理不透明。索格智算以 AI 计算为核心枢纽，贯通"读 — 算 — 做" 三位一体的全新材料研发范式，打通从微观机理理解到工程化落地的全链路。
【索格智算自研SOG Materials-AI智能引擎，构建新材料自动化研发管线】
「读」：看懂材料的微观语言
"读" 是研发的起点，也是 AI for Materials 最核心的能力底座。传统材料学中，原子间的长程相互作用（静电、色散、范德华力等）长期被简化处理，导致模拟精度不足；而通用 AI 大模型虽具备强大的语言理解与生成能力，却缺乏对材料物理化学规律的深层认知。从原子级的电子结构，到介观的界面演化，再到宏观的性能表现，"读" 环节解决了"材料为什么表现出这种性能"的底层认知问题。
索格智算打造的SOGNet 原子大模型，正是一款专为材料科学领域训练的、具备物理可解释性的专业大模型：
机理层面 —— 从 "黑箱预测" 到 "可解释认知"。 SOGNet 通过将总势能分解为短程与长程项独立建模并高效耦合，引入可训练的高斯和函数（Sum-of-Gaussians），自适应拟合库仑、色散等长程作用，让 AI 模型不再是 "黑箱"，而是能 "读懂" 材料微观作用机理的科学工具。
数据层面 —— 小样本学习下的高精度预测。不同于通用大模型依赖海量标注数据，SOGNet 将物理先验知识嵌入神经网络架构，在高精度量子化学计算数据量有限的情况下，仍能实现对复杂系统能量与力的精准预测。这一特性使其能够快速迁移到新型材料体系，大幅降低建模所需的数据成本。
认知层面 —— 从原子级到介观尺度的全尺度贯通。 SOGNet 原子大模型贯通了从原子级的电子结构、介观的界面演化，到宏观的性能表现的多尺度认知链条，解决了"材料为什么表现出这种性能"的底层认知问题，为后续的 "算" 与 "做" 提供了可靠的机理锚点。
【基于SOGNet构建材料原子大模型，助力高价值材料的设计】
「算」：以超高计算效率重构研发节奏
"算" 是整个范式的核心引擎，也是索格智算技术壁垒最深的环节。公司从三个层面重新定义了材料计算的边界：
第一，算法层 —— 把 "算不动" 变成 "算得快"。传统分子动力学模拟的计算复杂度高，千万级原子体系的长时间模拟已逼近现有算力极限，上亿原子体系更是行业天花板。索格智算原创的随机分批系列算法，通过数学上的创新将计算复杂度降至线性扩展，从根本上突破了多体模拟的算力瓶颈。这一突破意味着：过去需要国家级超算才能完成的大规模模拟任务，现在在十几张通用GPU芯片的集群上即可高效运行。
第二，产品层 —— 从 "能用" 到 "好用" 的工程化跨越。算法的价值最终要通过产品落地。索格智算打造的专用模拟器NanoTitan Ultra，具备超高并行效率，扩展效率趋近 100%，同时实现了跨硬件平台的自动适配与优化，全面支持国产异构计算芯片，计算筛选速度提升数十倍至百倍，让 "大规模材料计算" 从奢侈品变为日常工具。
【索格智算专用模拟器 NanoTitan Ultra：十几张国产芯片并行模拟上亿原子，推动跨尺度计算进入实用阶段】
此外，索格智算针对锂电材料这一战略性新兴产业，推出了下一代电池自动化设计软件 ——R2DPack。
R2DPack 基于公司原创的R2D 多场耦合模型，突破了近三十年来基于均质假设的电化学建模框架，能够精准捕捉电池材料在充放电循环中的多物理场耦合演化过程 —— 包括离子传输、界面反应、应力演化与失效机制等。与传统电化学模型相比，R2DPack：
• 精度跃升：从宏观均质假设升级为介观多场耦合建模，可定量预测电池材料的衰减路径与失效拐点； • 效率倍增：依托随机分批算法的并行效率优势，在同等算力条件下，电池材料仿真计算速度提升数十倍，支持大规模工况模拟与材料筛选； • 场景导向：针对动力电池、储能电池等不同应用场景，内置了完整的性能评估与寿命预测工作流，研发人员无需深厚的计算背景即可快速上手。
目前，R2DPack 已在头部电池企业的研发体系中落地应用，为下一代高安全性、高能量密度电池材料的研发提供核心计算工具。
【下一代电池自动化仿真软件R2DPack和AI代理模型R2DPack-Onet】
第三，智能层 —— 从 "人算" 到 "机算" 的范式跃迁。更进一步，公司推出的SOG Omni 材料自主研发智能体，将 "算" 的边界从被动模拟拓展到主动探索。它可以自动完成材料结构生成、性能预测、配比优化、失效分析等全流程计算任务，将研发人员从繁琐的参数调优与批量计算中解放出来。科研人员只需提出目标性能，智能体即可在虚拟空间中完成成百上千种候选方案的计算筛选，直接输出最优解的实验验证方案。
"算" 环节的本质，是把过去依赖专家经验、以年为单位的材料研发过程，转化为以天甚至小时为单位的可计算、可复现、可优化的智能工程过程。
【SOG Omni 材料研发自主智能体】
「做」：让计算结果在实验室与产线上落地
"做" 是研发价值的最终出口。索格智算不做 "纸上谈兵" 的计算工具，而是坚持 "干湿闭环"—— 每一个计算方案都对应可落地的实验验证路径。
公司与头部企业合作，将计算结果直接对接企业的实验平台与产线数据，形成 "计算预测→实验验证→数据反馈→模型迭代" 的迭代闭环，验证结果持续回流模型。
产业合作：与头部企业共建材料创新生态
在产业化落地方面，索格智算已与多家行业头部企业建立深度合作，形成 "材料设计 — 实验验证 — 工程应用" 的全流程闭环：
• 新能源领域：在某固态电池企业电芯设计过程中，团队利用 R2DPack 开展电芯级多物理场仿真，将材料参数、界面特性与电芯结构进行耦合，实现对电芯性能的快速预测与设计优化，显著减少传统电芯设计对反复实验验证的依赖，加速固态电池电芯研发迭代，面向车载实时计算需求，在主流车载芯片同等算力条件下实现毫秒级响应，为在十万级新能源汽车主流车载芯片上的轻量化部署与实时预测奠定基础； • 化工高分子领域：对于某化工上市企业高分子材料的智能发现与快速筛选，团队利用SOG Omni推荐满足企业需求的候选配方，再由多尺度计算引擎进行精准预测和筛选，相关结果已经进入湿实验验证； • 算力生态：与国家超算互联网、并行科技等国内领先算力平台达成战略合作，将 RBMD 软件集成至超算云平台，为科研与工业用户提供 "一键式专家级仿真" 服务，已服务全国数十所高校与企业客户。
此外，索格智算在国家重大战略需求的新材料设计领域也开始布局，包括稀土永磁、辐射屏蔽材料；与头部企业、研究院所共建人工智能研发与应用系统，助力关键战略材料自主可控。
雷峰网雷峰网雷峰网(公众号：雷峰网)
雷峰网特约稿件，未经授权禁止转载。详情见转载须知。
