AI新材料公司完成数千万元天使轮融资，携手固态电池及化工龙头企业推动国产材料自主可控来源站：36氪资讯

2026年9月，一家聚焦AI for Materials的硬科技企业——索格智算（上海）科技有限公司宣布完成数千万元天使轮融资。本轮由复星创富领投，南通产控思源人工智能先导基金、云启资本等机构跟投，资金将用于新材料研发管线迭代、实验室建设及人才引进。这一融资事件标志着AI技术加速渗透材料科学领域，并为国产高端材料自主可控提供了新路径。

固态电池合作中的技术应用

在新能源汽车与储能赛道快速发展的背景下，固态电池被视为下一代动力电池的重要方向。索格智算已与某头部固态电池企业展开深度合作，通过其自主研发的R2DPack多物理场仿真平台实现电芯级设计优化。据公开信息显示，该平台能够将材料参数、界面特性与电芯结构进行耦合计算，在主流车载芯片同等算力条件下达到毫秒级响应速度。这一技术突破显著减少了传统研发中对反复实验验证的依赖，使固态电池从实验室到量产的时间周期缩短了40%以上。

在具体应用场景中，团队通过R2DPack模拟电芯充放电过程中的离子传输、界面反应及应力演化等复杂现象，精准预测材料失效机制并优化结构设计。某车企反馈，该技术已成功将固态电池样品的首次循环效率提升至91%，且热失控临界点提高30%。这种“仿真先行”的研发模式，正在重塑动力电池行业的技术创新范式。

化工龙头项目推进情况

在化工领域，索格智算与某全球TOP50化工上市公司合作开展高分子材料智能发现项目。通过其开发的SOG Omni自主智能体平台，团队已筛选出23组满足企业需求的候选配方，并利用多尺度计算引擎进行精准预测和筛选。据企业内部数据显示，该技术使新材料研发周期从传统模式的18-24个月压缩至6-9个月，且实验验证成功率提升至75%以上。

目前，相关成果已进入湿实验验证阶段，其中一款新型阻燃高分子材料在耐热性测试中表现尤为突出——其热分解温度较同类产品提高15℃，同时保持优异的机械性能。业内观察指出，这种“AI推荐+计算筛选”模式正在成为化工新材料研发的新范式，有望大幅降低行业试错成本并加速技术转化。

原创算法在材料研发中的突破

索格智算的核心竞争力源于其底层算法创新。公司构建的SOGNet模型通过傅里叶空间直接学习远距离原子关联，在锂电材料预测中实现参数规模缩减50%的情况下，精度仍超过通用势函数模型；随机分批算法将万核并行效率从传统20%-30%提升至95%，使大规模分子模拟成为可能；R2D多场耦合模型则突破均质假设限制，精准捕捉电池材料充放电循环中的离子传输、界面反应等复杂过程。

这些技术突破已形成完整产品矩阵：面向锂电领域的SOGNET-Battery模型在Li-Li₆PS₅Cl体系中仅需359个构型微调即可使原子力误差降低68%；高性能模拟器NanoTitan支持十万级原子系统的实时计算；R2DPack-ONet代理模型则实现从微观到宏观的全链路仿真。据复星创富投资负责人透露，这些技术已被应用于稀土永磁、半导体封装胶粘材料等关键领域，相关成果已进入产业化验证阶段。

目前，索格智算正加速推进商业化进程，在锂电、化工高分子等领域搭建全流程模拟自动化平台。未来计划通过AI智能体推荐材料，再结合大规模计算、仿真筛选与器件级验证，形成从分子设计到产线落地的完整闭环。随着国产高端材料自主可控需求持续增长，这家以算法驱动创新的企业正站在产业变革的关键节点上。