复鞍智能完成超千万元种子轮融资

9月19日，张通社获悉，上海复鞍智能科技有限公司（以下简称：复鞍智能）完成超千万元种子轮融资，由小苗朗程、天际资本联合领投，上海国投公司旗下上海科创集团子公司上海科投股份、建研院（SH.603183）、实朴检测（SZ.301228）、复旦科创跟投。

复鞍智能成立于2025年5月，位于上海静安区，由复旦大学化学系刘智攀教授团队发起，复旦科创和复容投资联合孵化。资金将用于自研高精度通用大模型的迭代、工业级软硬件矩阵的部署，以及核心商业化场景的深耕。

上海科创集团表示，复鞍智能是AI4S赛道中少有的能从原子层面构建底层的核心计算体系、为真实的科研和技术研发场景提供技术底座和数据支撑的企业，兼具前沿性、稀缺性与可验证性，是科投股份在科技智能赛道布局的高质量早期标的，未来科投股份将以上海国资体系深度赋能，助力复鞍进一步商业化和更多场景落地。

如何让AI理解原子的运动规律，学会像最顶尖的科学家一样在微观世界“搭积木”？
这就是复鞍智能正在做的事，这一愿景正在获得资本市场的认可。

这一愿景的核心载体是复鞍智能推出的首个集成通用全局神经网络势函数（GGNN）与自举扩散生成模型（BDGM-PES）的云端原子模拟平台——LASPAI。

平台通过网页图形界面实现了从材料结构生成到势能面探索的全流程自动化，涵盖分子、晶体、界面及反应路径模拟等功能，显著降低了原子模拟的门槛，为新材料与新反应设计提供了强有力的工具。

核心技术：
让AI“看懂”原子世界

GGNN——读懂元素周期表

LASPAI的GGNN势函数（通用全局神经网络势函数）基于727万个结构训练，覆盖了89种元素——也就是说，它能认识和模拟元素周期表里大多数常见元素组成的结构。

这项技术的底层突破来自团队发表于SCIENCE CHINA Chemistry期刊的高阶对约化神经网络模型（HPNN），实现了低成本、高精度的原子势能建模，达到了与DFT方法相当的精度，但计算速度却快了若干数量级。

更轻量：相比部分国际同类模型，参数量减少10倍

更精准：尤其擅长描述含缺陷的真实材料体系，精度保持领先

更快速：单GPU推理速度提升20倍，计算效率呈现数量级优势

BDGM-PES——把化学式变成3D模型

BDGM-PES（自举扩散生成模型）的作用，就是把“TiO2”这样的文字符号，在平台上高效转化成各种不同形态的三维结构。

用户只需要输入配方，就能自动生成合理的原子排列方式——解决了传统科研中“从分子式到3D模型”这一耗时环节。

全场景应用：
不只“算得快”还要“算得准”

从催化剂设计到新能源材料，LASPAI提供了一整套模拟工具箱。平台提供了从结构生成到性能评估的全流程自动化工作流，支持多种核心场景，例如：

01 晶体结构预测：针对分子晶体、原子晶体等多种不同的晶体类型，自动识别材料形态，帮助科研人员在理论阶段锁定材料的稳定结构，用于药物、特种材料等领域的研究。

02 表面、界面模拟：精准定位分子在材料表面的吸附位点，辅助固体界面匹配建模，用于催化反应、腐蚀防护、半导体等领域的研究。

03 过渡态搜索：预测化学反应过程中的中间步骤和能量变化，寻找从反应物到产物需要克服的最低能量路径，生成反应过程动画。

这些提效背后，是LASPAI强大的AI引擎和灵活的产品设计

生态部署：
开启“垂域大模型+IP共创”

在商业模式上，复鞍智能构筑了一条高附加值的商业化闭环飞轮：

全链条软硬件产品矩阵：