“我家三代都在鞍钢。爷爷那代把废墟变回生产线；父亲那代把中国钢铁做到了全球产量的一半；轮到我们这代，可能要解决‘强不强’的问题。”

我是1991年生人，鞍钢子弟，凭借计算机和物理竞赛成绩，2010年被保送到上海交通大学，专业方向是人工智能。

现在创业做的，是用人工智能研发金属新材料，我们公司做的是AI for Science/Basic Material方向。简单来说，就是用AI研发材料的成分配方以及工艺参数，最终把材料真正“做出来”。

研究生毕业后，我加入了虹软。在那把所有流程都摸透了，同事都叫我“AI全栈”。2019年虹软上市后，我出来创业，成立了敏视科技，用AI做工业检测。初期我带着几个实习生，一年做了300多万的订单，鞍钢、宝钢、商飞都是我们客户。

创材深造创始人王轩泽

当时正是行业青黄不接的阶段，也就是上一轮AI低潮已经出现，而新一轮生成式AI还没起来。AI技术非常好，但从商业角度讲，很多公司确实没赚钱。原因有很多，比如开源程度高、替代成本低、价值捕获能力差。你花很多精力做出来的东西，很可能会被别人用更低的成本做到一样的水平。

我们看到，材料行业能赚钱，而且不用解释怎么做，只需要卖材料就行了。所以最后回到了基础材料领域创业。作为鞍钢子弟，我对这个行业非常了解，材料是我认为最适合AI落地的。

以钢铁为例，中国钢铁产能占世界一半以上，但“大而不强”，高毛利、高附加值、高性能的核心材料突破不了。材料研发是行业最核心的事情，而AI正好能够在这个环节发挥最大价值。

第二个原因：材料的商业转化速度很快。材料研发成功，只要性能达标、成分稳定，就可以卖给客户。客户不关心我是如何研发出来的，这一点和其他AI领域很不一样。我们真正变现，是靠材料本身，而不是软件和模型授权。

相比之下，AI制药、AI化工材料这些AI for Science领域，还有很长的验证周期，需要向终端解释材料在人体中的作用原理、安全性等，因此临床验证周期长，变现慢。AI解决不了验证的问题。

公司成立于2021年2月，但我们从2020年下半年就着手研究。前几版算法都是我自己写的。但我们不是提供软件或算法服务，而是要做产业化落地——真正把材料做出来。

AI制药，做一次服务就结束了，收费昂贵，但材料不一样，如果研发服务，客单价低，复购率低，国内市场对软件服务的付费意愿普遍偏低，赚钱非常难，这也是我们坚持做产业化的原因。

外界对“AI+金属材料”的认知存在显著局限，很多人仍然把材料研发理解为传统钢厂炼钢的逻辑。

基础材料由成分、工艺、组织、性能构成，我们能控制的就是成分和工艺，通过调整它们影响组织，从而提升性能。

我们用AI调的是成分比例，比如铝、铁、镁、钛的占比，也调工艺参数，比如光斑大小、功率、能量密度。传统研发是一遍遍尝试，经验驱动，而很多理论模型在新材料系统下并不适用。

创材深造高强铝合金

我们用数据驱动和模型拟合的方式，在一个巨大搜索空间里找到最优解，相当于把几十个专家的经验集合到模型中。AI不仅加速研发，还能跨领域迁移，特别是在新材料领域，比人积累经验快得多。

2021年至2022年底，我们坚持做底层技术研发、算法生产、数据构建，自主设计并搭建了高通量实验室，自研研发设备，就是为了获得高质量数据，系统性解决“数据从哪里来”的问题。

因为材料数据既少、又贵、质量还差，传统研发可能几个月才能出一条数据，快也要一周几条，而做AI必须依赖大量结构化数据，我们只能硬着头皮从底层做起。

以前一条材料实验数据可能要几万元，这对任何想做数据驱动研发的团队来说都是天文数字。更棘手的是，即便能拿到传统企业的历史数据，这些数据也很难直接拿来训练模型——它们往往是描述性的、面向人看的记录，维度少、格式不统一，存储体量极小，不适合机器学习需要的数百维、几十兆级别的样本。

不同实验室、不同设备、不同检测方法之间的一致性极差，甚至两家检测机构对同一成分的测出结果可能相差几十倍，这种数据污染会破坏整个训练数据池，导致看起来很漂亮的论文或算法在实际材料开发上根本无法落地。

我们咬着牙把解决数据问题作为头等大事来做：自己设计并制造高通量的实验设备，做到在同一成本下同一时间产出几十倍的数据。现在我们的设备可以批量产出数据，把一条数据的成本降到几百块甚至更低，单条产出速度和质量都大幅提升；在单条实验线并联的情况下，月产数据量能达到上千条，已经接近大型国央企产线的量级。

从2023年起我们的底层逻辑基本跑通，开始真正做有市场前景的新材料研发；不到三年时间，我们研发了十多款材料，在今年9月深圳TCT展（深圳华南3D打印及增材制造展览会，亚太地区最重要的3D打印行业展会之一）上发布了7款。

我们已经把“过去需要十几年才能做出来的材料”缩短到两个月左右，而且这些并非停留在实验室——9月发布的7款材料都已经达到批产级别，客户可以直接采购，我们也签下了几十吨的订单。

为什么用AI能让成本下降这么多，是我们的方法论变了：把数据驱动的筛选能力用到十几万种添加剂与配方组合的快速筛选上，能在庞大的候选库里找到“便宜且好用”的添加剂，而不是像传统做法那样习惯性地加稀土或贵金属来“硬堆”性能。

举例来说，国外同类粉末材料可能卖到3000元/公斤，国内某些厂商因稀土成本低可能卖600元左右；我们在保证毛利的前提下可以把价格定到约300元/公斤，这背后不是简单压价，而是通过AI精准配方与高通量验证把成本结构根本改变了。

3D打印是我们最早突破的领域，也是主战场。3D打印最近在深圳很火，这对我们是利好。3D打印缺材料，我们的材料可以快速应用，而且它标准化、数字化程度高，非常适合获取数据、做AI调参。

但拿下客户的过程非常曲折。我们的定位不是给客户做一次性的研发服务，而是要把材料生产出来、规模化交付，因此从2023年开始才真正开始系统接触终端客户。我们先收集大量客户需求：他们需要的性能指标（比如抗拉、屈服、延伸率）、目标成本区间等，然后根据这些真实需求去判定哪个细分市场和哪类材料最有价值，再聚焦研发。

创材深造制作的3D打印模型

我们通常不向客户要研发经费，只要给我明确需求，我方就去做研发、试产、交付零部件，客户拿到成品直接上机测，满意后才下订单——这种“先做材料、傻瓜式交付”的模式让客户非常满意，也极大缩短了从研发到销售的周期。

我们同时也在做压铸、粉末冶金、熔炼、气相沉积等工艺，但3D打印是我们的“大本营”。按类型来看，我们目前重点覆盖中/高强铝合金、高温镍基合金、模具钢与特种钢、钛合金以及铜合金等，未来会根据市场需求不断扩展。

我们选择的路径，在国外生态下难以成立。国外你说做研发，企业支持、给资金，但你想做材料公司，企业说不行，不允许你跟我竞争。而国内市场恰恰相反，为纯研发付费的意愿低，但你做材料，把材料批产出来，验证周期几年就够了，可以直接上车、上产品，下游甚至愿意跟你合建公司，这条路径是通的。我们的模式正是建立在对此的深刻理解之上。

国内多数创业者不愿意做这种“脏活累活”，但我们认为这是正确且必须要做的事。投资人看我们时也会困惑，你们到底是AI公司还是材料公司。材料公司，资本市场给PS倍数，5倍都很高；如果只卖软件、卖服务，靠团队能力就能马上上市，但这背离了我们的初衷，我们不做AI泡沫，而是实实在在做产业。

我们相信材料本身具有大规模产业价值，一个材料可能几十亿市场规模，而我们材料性能比传统高这么多，为什么不去做？我们对技术和材料足够自信，所以才自己孵化材料，而不是把技术卖掉。

未来几年，2025到2030年，短期能产生现金流的场景：

一个是3C、汽车，是替换逻辑；

另一个是新场景，包括可控核聚变、机器人、商业航天，算力相关的导热材料，也是非常大的机会。

这些领域对新材料需求旺盛，接受新材料的难度低。

欢迎访问官网www.deepmaterial.ai或发送邮件至sales@deepmaterial.ai垂询。