Deep Principle Launches MPA for Materials Science Breakthroughs

•深度原理公司由兩位麻省理工學院博士賈皓鈞（執行長）和段辰儒（技術長）於2024年2月21日正式成立，其項目構想最早可追溯至2022年在麻省理工學院孵化時期。
•該公司的核心技術理念是結合深度學習（Deep Learning）和第一性原理（First Principles），旨在重新深入解構微觀世界的運行原理，以加速材料化學創新。
•深度原理已在短時間內完成多輪融資，包括2024年10月的種子+輪、2024年11月的種子++輪、2025年3月的Pre-A輪、2025年11月的A輪以及2026年3月的A+輪，吸引了高瓴創投、祥峰投資、聯想創投、百度風投和螞蟻集團等知名投資機構的參與。
•MPA模型是深度原理「ReactiveAI」平台的一部分，該平台整合了人工智慧、量子化學和高通量實驗技術，並包含一個名為「ReactGen」的生成式演算法模組，能夠生成數百萬種潛在的新分子和化學反應，並透過閉環系統進行實驗驗證。

📊 競品分析▸ Show

公司/產品	特點/功能	定價	基準/性能
深度原理 (MPA/ReactiveAI)	材料科學AI基礎模型，利用大型語言模型訓練技術，整合AI、量子化學、高通量實驗，具生成式AI（ReactGen）和閉環驗證能力。	未公開	在40項工業任務中達到業界領先水平。 [原文]
Google/DeepMind (GNoME)	AI系統用於發現新型晶體材料。	未公開	發現了220萬種新型晶體材料，包括5.2萬種層狀化合物和528種鋰離子導體。
Microsoft (MatterGen)	AI模型能從零開始生成無機材料，可指定材料類型和性能需求（機械、電氣、磁性等）。	未公開	有望顛覆無機材料設計範式。
Citrine Informatics	AI平台用於先進材料研發，透過AI模型預測性能，減少實驗時間，提供訓練數據，建立AI模型，並整合實驗驗證。	未公開	相較傳統研發模式，實驗量減少50%-75%。
深勢科技 (DP Technology)	AI+HPC分子模擬平台，專注於多尺度物理模型，加速新材料研發（合金、鋰電池、半導體、儲氫材料），提供結構和組分搜索解決方案。	未公開	在保持量子力學精確度的前提下，將分子動力學計算速度提升五個數量級以上。
東京大學 (MatAgent)	基於大型語言模型的生成式AI框架，用於無機晶體材料的自主探索和設計，並能輸出自然語言解釋。	不適用（研究項目）	旨在實現自主探索和設計。

MPA模型將大型語言模型的訓練方法應用於材料數據，是材料科學領域的AI基礎模型。 [原文]
深度原理的核心方法論結合了深度學習（Deep Learning）和第一性原理（First Principles），以深入理解微觀世界運行機制。
其ReactiveAI平台整合了人工智慧、量子化學（Quantum Chemistry）和高通量實驗（High-Throughput Experimentation, HTE）技術。
該平台利用AI決策模型和生成式AI於化學反應中，形成多級、多精度的研究工作流程。
ReactiveAI平台包含一個名為「ReactGen」的生成式演算法模組，能夠生成數百萬種潛在的新分子和新的化學反應。
技術流程涵蓋高通量計算篩選，用於量子化學特徵提取和多目標優化，隨後透過高通量合成平台進行濕實驗驗證，形成完整的數據閉環。
共同創辦人兼技術長段辰儒博士在微軟Azure Quantum擔任研究科學家期間，主要研究生成式AI和大模型在化學方面的應用，並負責微軟AI4S研究的產品化。

深度原理將成為材料科學AI領域的領導者之一。

其MPA模型在40項工業任務中表現領先，且公司已獲得多輪知名投資，顯示出強大的技術實力和市場潛力。

AI驅動的材料發現將顯著縮短新材料的研發週期。

MPA等基礎模型結合生成式AI、量子化學和高通量實驗，能大幅減少傳統試錯法所需的時間和成本。

材料科學領域對高品質、多模態數據集的需求將急劇增加。

AI模型性能的提升嚴重依賴於大規模、標準化和多樣化的訓練數據，這將成為該領域的關鍵競爭壁壘。

2022

深度原理的項目構想在麻省理工學院萌芽。

2024-02

杭州深度原理科技有限責任公司正式成立。

2024-10

深度原理完成種子+輪融資，由高瓴創投獨家投資。

2025-03

深度原理完成億元級Pre-A輪戰略融資，聯想創投等多家機構投資。

2025-11

深度原理完成超億人民幣A輪融資，螞蟻集團等參與投資。

2026-03

深度原理完成A+輪融資。

Deep Principle 發布 MPA，實現材料科學領域的突破