首页文章详情

企业观察丨芯培森以三元闭环解决方案开展AI4M落地实践

氪报2026-08-27 14:25
**

在AI4S(AI for Science)产业快速发展背景下,不少新材料研发机构、高校课题组尝试依靠通用CPU、GPU开展AI4M(AI for Materials)材料计算,但CPU、GPU存在存储墙、功耗墙难题,导致材料计算速度慢、能耗高、大体系原子模拟难以落地;与此同时,市面上多数材料计算服务存在层层转包现象,让科研人员面临"算得慢、数据不可靠、算不起"的困境。 

作为大湾区AI4S企业代表,广东芯培森技术有限公司围绕原子级科学计算,探索出一套硬件算力底座、AI智能工具、专业科研服务三者协同的落地路径,为材料研发领域提供新的解题思路。 

芯培森是谁:清华系创始人团队与"非冯·诺依曼"技术路线 

芯培森,专注于AI4M(人工智能赋能材料研发)领域,从事该领域专用算力芯片、加速卡、服务器、集群等计算工具,以及云计算、垂类模型开发、计算方案设计、计算技术培训等计算服务的研发与销售。该企业定位并非单纯芯片公司,而是致力于成为AI4M(人工智能赋能材料研发)算力底座与应用解决方案的双重引领者,构建"超级终端(芯培森·MaterHaven) + 智能体(芯培森·MaterPlato) + 计算方案(芯培森·SwiftMater)"三元闭环生态。 

芯培森的核心技术路线是"非冯·诺依曼"专用芯片架构,已研制出原子级物质计算工具APU(Atomistic Processing Unit)——专为原子级物质计算设计的专用算力芯片。与传统通用芯片不同,APU针对原子模拟的计算特征重新设计了底层架构,打破"存储墙"和"功耗墙"瓶颈。 

该企业的团队背景也值得关注。其中,联合创始人、董事长兼首席科学家刘杰教授是湖南大学二级教授、博士生导师,拥有华中科技大学电气与电子工程及计算机双学士学位、清华大学电机系硕士学位、美国华盛顿大学电子工程博士及应用数学硕士学位,2024年入选国家"万人计划"领军人才。他曾任职美国Synopsys高级研发工程师、Micron实习工程师,承担6项华为芯片领域委托研发项目,在国际高水平期刊和会议上发表学术论文60余篇,申报美国专利和PCT国际专利10余项、中国发明专利30余项。

 而联合创始人、总经理樊正伟先生,拥有武汉大学电气工程学院本科学历,保送清华大学电机系,后跨专业至清华大学经济学研究所,兼具工科与经济学科优势;他曾在万亿级基金平台长期围绕科技赛道做研究与投资,拥有丰富的投资与产业双重视角。 

三元闭环的材料计算解决方案:从芯片到服务的全栈闭环 

"部分外界将芯培森简单理解为只做芯片的企业,这是对我们模式的误读。"芯培森联合创始人、总经理樊正伟先生在接受采访时表示,"芯培森APU芯片是整套体系的硬件底座,而科研客户真正需要的,是可以解决实际研发问题的完整的材料研发解决方案。硬件算力、AI智能工具、专业科研服务三者缺一不可,这也是我们构建三元闭环生态的出发点。"

 首先,三元闭环中的第一元,是芯培森·MaterHaven超级终端,是核心依托自研APU(Atomistic Processing Unit)芯片的物质计算工具。 

不同于通用芯片路线,芯培森APU独创性地采用非冯·诺依曼专用芯片架构,面向原子模拟的计算特征重构底层,针对性破解存储墙与功耗墙瓶颈。实测数据显示,在机器学习分子动力学MD、密度泛函理论DFT等原子级科学计算场景中,相较传统CPU/GPU,APU计算速度实现1-3个数量级提升,能耗下降1-2个数量级,能够支撑数十小时不间断亿级原子规模的第一性原理精度模拟。以此芯片为核心打造的赫曦服务器,采用超异构计算架构(CPU+GPU+APU协同),夯实了AI赋能材料研发解决方案的硬件根基。 

仅仅依靠高性能硬件,仍难以释放全部算力价值,三元闭环第二元便是芯培森·MaterPlato材料研发智能体。在传统材料计算流程中,科研人员大量时间耗费在手动建模、反复调参、报错排查等重复性工作上。而芯培森·MaterPlato作为内部AI提效工具,能实现智能参数寻优、自动建模、报错预判、辅助后处理等全流程自动化。樊正伟向记者介绍:"这套材料计算AI智能体会从真实项目中持续学习,形成'算力生产数据、数据训练模型、模型反哺效率'的增长飞轮。" 

三元闭环的第三元,落脚于芯培森·SwiftMater全职直营硕博团队——重构材料计算的生产关系。 

如今,行业内不少材料计算代算服务还是多层分包中介模式,带来价格不透明、结果溯源困难等问题。而芯培森采用全职在岗硕博团队直接对接高校PI、企业研发课题组,剔除全部中间加价环节,依托三层质控体系搭配法律级赔付保障,让"准时、准确、可溯源"从承诺变成标准配置。 

芯培森的价值,不仅在于"材料研发超级终端"的叙事,更在于它对一个行业痛点的精准回应——材料研发的算力瓶颈,需要的不只是更快的芯片,而是一套从底层硬件到上层服务的系统性解法。 

当前国内AI for Science尚处在产业落地的关键阶段,材料计算相关企业大多选择单点突破,有的专注芯片硬件研发,有的布局算法工具,有的仅提供代算服务,但材料计算本身是硬件、算法、科研服务深度耦合的领域。芯培森的三元闭环模式,核心价值在于打通算力底座、垂类智能体、直营科研服务的链路,避免硬件性能与实际研发需求脱节。未来,三元闭环解决方案或将成为AI赋能物质研发的重要发展方向,期待更多本土科创企业持续沉淀技术,把算力能力切实转化为新材料产业创新动能。