一个推翻四十年经典理论的CTO

要理解新研智材，得先认识一个人——公司联合创始人兼CTO南凯。

南凯拥有南佛罗里达大学应用物理博士学位。读博期间，他做了一件不太“常规”的事：以第一作者身份在物理学顶刊《Physical Review Letters》发表两篇论文，推翻了一项存在了四十年的经典银纹理论，并建立了新的物理模型。

这项研究为设计高韧性柔性电子材料开辟了新路径。

新研智材核心团队成员来自华为、字节跳动、日本产业技术综合研究所（AIST）、新加坡南洋理工大学、浙江大学等科研与产业前沿机构。

这个团队有一个很鲜明的特征：既懂材料，又懂AI，还懂产业。公司硕博比例高达80%。

用投资人的话说：这是一支“能进入产业深水区”的团队。

行业底层的“手工活”

要理解新研智材在做什么，得先理解传统材料研发到底有多慢。

一组数据可以说明问题：一个新材料的研发，从实验室发现到产业应用，通常需要10到15年，平均研发成本动辄上亿元。为什么这么慢？因为传统材料研发高度依赖“试错”——工程师在海量的配方组合中凭借经验尝试，失败率高，知识沉淀困难。

新材料研发本质上是一个“搜寻”问题：在近乎无限的元素组合和工艺参数中，找到那个最优解。传统方法是用人的经验来缩小搜索范围，但人的经验终究有限。

AI的介入，让这个“搜寻”有了新的可能。

新研智材自主研发的“SynMatAI”智能体系统，融合了生成式AI能力、分子动力学模拟（MD）与高通量虚拟实验，构建起“预测-验证-优化-小试-量产”的全链条研发闭环。

这个系统的效果有多显著？它可以将材料性能预测时间压缩至10分钟以内，预测准确率提升至95%以上，同时帮助企业综合降低研发成本超过70%。新研智材创始人曾在种子轮融资后公开表态：“目标是将新材料开发周期压缩至传统模式的1/3”。

说白了，就是用AI把材料研发这个“手艺活”，变成可复制、可加速的系统工程。

而在应用方向上，新研智材的聚焦点非常明确——半导体先进封装材料。这包括CPO（共封装光学）关键光学粘接材料、GPU/HBM等高性能计算所需的导热界面材料，以及光刻胶、前驱体等高壁垒电子化学品。

选择这个方向，眼光够“毒”。

严格来说，AI+新材料研发尚处于行业发展早期。无论新研智材、开物纪还是鼎犀智创，都还在从“技术可行”向“商业规模化”跃迁的进程中。

但一些信号已经足够明确。

当AI大模型在语言、图像、视频领域掀起一轮又一轮的浪潮时，一场更“安静”的革命正在新材料领域悄然发生。它不像ChatGPT那样引人注目，但可能对实体产业的影响更加深远。

新研智材创始人曾在种子轮融资后说过一句话：“推动AI从‘辅助工具’升级为‘研发驱动引擎’”。

这句话或许揭示了AI for Science的真正价值所在：它不是锦上添花，而是要从底层改变科学发现和产业研发的方式。

而这，正是一场静悄悄但意义深远的范式变革。