AI for Science領域迎來一匹技術黑馬。近日，由麻省理工學院背景團隊創立的科技創新企業「深度原理」宣布完成超億元人民幣A輪融資，阿里巴巴創業者基金大灣區基金與螞蟻集團聯合領投，聯想創投、Taihill Venture等現有股東追加投資，BV百度風投持續加注，多家知名機構參與跟投。這筆資金將重點投入三大方向：加速材料發現智能體Agent Mira的迭代升級、推進L4級高通量自主實驗室AI Materials Factory建設，以及深化與國內外頭部企業的產業合作。
該團隊在交叉學科領域的技術積累已形成顯著壁壘。其自主研發的擴散生成模型在《自然》子刊連續發表封面論文：2023年推出的3D化學反應模型OA-ReactDiff首次實現單GPU 6秒內完成過渡態結構預測，將傳統量子化學計算周期從數月壓縮至秒級；2025年升級版React-OT更將預測速度提升至0.4秒，誤差率降低超25%，對復雜反應體系的適應性顯著增強。今年7月，團隊在《先進科學》發表的研究證實，該模型在過渡態搜索中的準確性超越傳統機器學習方法。在大語言模型應用方面，團隊開發的LLM-EO工作流程通過化學頂級期刊《美國化學會志》封面論文驗證，成功利用大語言模型實現過渡金屬配合物的生成式設計。
技術雙引擎驅動的"Diffusion+LLM"架構正在重塑產業研發范式。團隊基于六大核心算法模塊打造的ReactiveAI平臺，近期完成關鍵升級為材料發現智能體Agent Mira。這個具備自主決策能力的AI系統能夠根據研發需求智能調用算法模型、數據集和計算工具，覆蓋分子設計、反應預測、配方優化等全流程。研發人員通過自然語言指令即可啟動任務，使生成式AI從實驗室技術轉化為產業工具。某合作企業透露，使用該平臺后，某新型材料的研發周期從18個月縮短至4個月，實驗成本降低60%。
商業化進程已進入加速期。成立僅一年，公司已斬獲超千萬元訂單，與多家行業龍頭建立深度合作。在超分子材料領域，與杉海創新共建的AI平臺通過百萬級結構篩選，將傳統試錯實驗效率提升百倍；日化領域與歐萊雅的合作中，平臺從化學反應機理層面解析配方成分影響，使新產品預測命中率提升40%，研發投入減少35%。與戰略股東晶泰科技的共創項目則聚焦化學材料智能化研發，共同打造覆蓋全鏈條的智能研發平臺。目前，新能源、精細化工等領域的多個重點項目正在推進，其中某新型電池材料的研發已進入中試階段。
技術落地的最后一公里正在被打通。公司基于ECML（實驗-計算-機器學習一體化）研發范式打造的L4級自主實驗室AI Materials Factory，已進入實質建設階段。這個由Agent Mira統籌的智能系統，將串聯分子設計、反應預測、配方優化等核心模塊，形成"AI預測-計算支撐-實驗驗證"的完整閉環。實驗室配備的自動化設備可實現7×24小時連續運行，單日實驗通量達傳統實驗室的50倍。該設施不僅將加速自有技術在新材料、日化、新能源等領域的落地，更將持續孵化基于ReactiveAI平臺的創新材料矩陣，為前沿領域開拓提供技術儲備。
