探路“一人公司”｜素源矩阵那荣钰：从两个人到千万订单，AI正在重构硬科技创业路径

中经记者 吴静 卢志坤 北京报道

从2名全职成员起步，到取得数千万元订单、服务6家大型材料企业，素源矩阵仅用了一年多时间。

以水泥行业为例，其AI系统已在头部建材企业的主要生产环节实现闭环控制；据项目测算，单条产线年化直接经济效益超过1200万元。更重要的是，AI不再只是给出建议，而是开始进入真实工业生产的决策闭环。

近日，素源矩阵联合创始人、COO那荣钰在接受《中国经营报》记者专访时，讲述了这家AI for Materials（材料科学智能）企业如何把过去分散在实验室、软件团队与工厂现场的能力连接起来，走完从机理、模型到产业价值的“最后一公里”。

在他看来，AI对硬科技创业的最大改变不是效率，而是路径本身。“AI重新定义了一个人的边界，以及人和AI协作之后所能带来的价值边界。”那荣钰说。

三天建立一个行业的认知地图

在采访中，那荣钰向记者透露了一个令不少人深感意外的数字：素源矩阵成立的第一年，就拿下了近3000万元的订单，彼时整个团队成员不过10人，而公司成立初期只有2人。

2人如何支撑起服务6家大型材料企业的业务量？那荣钰拆解了团队的“六边形矩阵”——6个核心角色：AI4S（‌AI for Science‌，常简称为‌“科学智能‌”或‌‌“AI4S”）、材料/化学、工艺、物理/数学、计算机/自动化、产品/项目。

“最初两个人不是把事情做少，而是借助AI把多学科能力压缩进一个更小的团队。”那荣钰说，团队后来逐步扩展到6人：有人跨越三到四个领域，也有人专注一个方向。这6个专家角色之外，还有支持性角色，包括AI辅助产品交付和可视化，以及AI驱动的自动化研发——让AI自己提出假设、合成材料、验证材料，搭建高含量的闭环实验室。

物理、数学和计算机能力构成团队相对稳定的“通用引擎”；进入不同行业时，再引入水泥、化工、冶金等垂直领域专家。那荣钰说：“行业专家能补足公开资料之外的现场知识——例如数据为什么会漏记、错记，哪些数值受操作习惯影响，以及哪些口径不能直接比较。这些经验决定了模型能否正确判断数据的可信度。”

素源矩阵选择水泥行业作为第一个切入场景，并非因为团队有行业背景，恰恰相反，他们此前没有直接的水泥行业从业经验。

“水泥以硅酸盐和无机非金属材料体系为主，与陶瓷、玻璃等领域共享部分底层物理化学规律；进一步延伸，还可以连接到半导体制造中的薄膜与界面问题。”那荣钰说，“如果AI连原料波动大、工况复杂的基础材料产线都理解不了，就谈不上真正理解材料世界。我们希望从水泥出发，一路走向更精密的材料体系。”

进入一个陌生行业，素源矩阵的方法论是“三天摸透”。团队组建学习小组，分工明确：一人负责上下游供应链和成本关系；一人研究生产机理、技术路线、设备差异、人员组织架构。每个岗位的KPI是什么、担心什么、行话是什么；一人负责核心反应机理的建模，把它做成模拟器、预测器和执行控制器；还有一人查找行业法律法规。三天不是替代行业经验，而是尽快形成可供专家和现场验证的问题地图。

借助大语言模型和自建智能体，团队先完成第一轮结构化拆解，形成基础认知框架，再通过行业专家访谈和现场数据不断校正。

那荣钰表示，团队的体会是，大量行业共性信息都能在公开领域找到。“论文研究方向往往反映行业问题，行业协会关注的话题也提供了重要线索。AI可以帮助检索、归纳，再用论文和专家访谈交叉验证。”真正需要深入现场的，是每条产线独特的设备历史、原料波动、数据质量和操作习惯。

从“给建议”到“进入生产闭环”

当这套方法被带到客户面前，年轻团队的第一印象很快被另一件事取代：他们能够直接进入工艺细节，讨论客户最关心的质量、成本与生产稳定性。

“客户最初看到我们，会觉得很奇怪：怎么都这么年轻？但当讨论进入工艺机理、现场约束和价值目标，大家很快就会进入同一种专业语言。”那荣钰说。

这种快速学习能力让团队得以高效拓展新行业。那荣钰透露，从一个新领域启动到最终签单落地，周期大约半年。相比传统新技术进入工业领域通常需要两年的周期，已经快了很多。“主要还是客户的时间，因为他们不是天天都有时间去见你。”他说，“如果天天跟我们对接，我们有信心一个月就搞定。”

水泥行业对生产安全极为敏感，素源矩阵首个项目以联合验证方式启动，第一个客户没有付任何费用。

“客户承担了一定的生产安全风险，愿意第一个尝试，这是客户付出的成本。”那荣钰说。在他看来，新技术的第一个客户，尤其是关键岗位、关键决策的，早期都是以“共建认证”的形式打标杆。

落地分了四个阶段，最初是“给建议”：客户手动输入数据，AI模拟后给出生产决策方案，包括配料方案、烧成方案、控制方案等，然后由人工审核后再执行。执行完毕，将实际值和预测值反馈回来，团队出具验证报告确认准确性。

第二个月，客户就开放了数据接口，不再需要手动输入。到了第五个月，客户验证了半年之后说：“我们也不想审了，你直接闭环，你自己分析，自己下发。”因为此前的方案全部被采纳，没有出过错。

最终阶段实现了全闭环控制：AI自动分析、自动预测、自动下发指令到DCS执行系统，再进行下一轮预测和执行循环。客户的员工只在大屏幕上监控。

“以前4个人盯，现在1个人就够了。”那荣钰说。

那荣钰把系统成熟度类比为自动驾驶的L1到L5：“受企业数字化基础、数据质量和现场管理能力影响，不同工厂可能处于不同阶段。我们目前部分场景接近L4，系统能够自主运行，人员负责持续监控、异常处置。”

关于安全冗余，那荣钰介绍团队采用了一套成熟的工程方法：灰度上线、金丝雀发布（指一种软件部署和发布策略，先让新版本只对一小部分用户或流量开放，验证其稳定性和效果后再逐步扩大范围）、逐步放开，每次模型体现10%的能力，再到30%，再到60%到80%，一旦出现问题马上回滚动到上一阶段。加上实时分析供监督人员审核，形成双保险。

释放存量价值，创造增量材料

那荣钰把素源矩阵的业务概括为一条材料价值闭环：一端在既有产线上“释放价值”，另一端通过新材料“创造价值”。

在“释放价值”上，他强调：“我们不是给工厂多装一个看板，而是让AI真正理解正在被生产的材料。”水泥和混凝土项目属于这一类。即使行业已经高度自动化，原料波动、设备状态和工艺耦合仍会造成材料性能不一致；传统技术人员经验与参数控制难以实时刻画这些变化。素源矩阵希望把控制对象从“设备参数”推进到“材料状态”，在安全边界内提高稳定性、质量与成本效率。

在“创造价值”上，他指出：“发现材料只是上半场，让它稳定制造、规模量产，才是下半场。”素源矩阵用AI设计新材料，并把配方、实验验证、中试放大和规模生产连接起来。例如，团队正与科研院所合作开发面向辐射防护的新材料，也在半导体领域探索面向高深宽比结构的薄膜沉积材料与工艺设计。

那荣钰透露，目前“释放价值”的边际效率非常高，因为材料行业的反应机理很类似。团队正逐步把更多比重放到“创造新材料”上，在他看来，这不仅能展示企业的技术实力，还能创造更丰厚的利润，抢占更大的未来新材料的市场份额。

比如在半导体领域，素源矩阵的AI系统用于设计沉积膜材料。纵深比达到1:60，宽是1，深是60，需要在极深的沟槽中让原子稳定生长。那荣钰称之为“原子级制造”：控制一层一层原子生长，均一性更好、精度更高。“产品一致性更好，良率更好，这是最先进的制程。”

谈及公司的护城河，那荣钰强调，真正的壁垒不是某一个模型，而是三层能力的叠加。

第一层是底层模型。素源矩阵所从事的方向属于科学智能，与大语言模型和具身智能并列的AI三大方向之一。据他介绍，科学智能的重要源头之一是美国劳伦斯伯克利国家实验室，目前全球在该领域领先的机构包括美国国家实验室和麻省理工等。素源矩阵的核心团队成员正来自这一领域的重要研究机构。

第二层是从模型到现场的工程化能力，以及由此形成的迭代速度。它不仅要求模型准确，还要理解工艺约束、接入DCS、APC、MES、LIMS等系统，并通过灰度上线、人工审核和回退机制，把研发结果安全地变成可运行的产品。

第三层是创新迭代的速度。那荣钰称之为“在有限时间、有限资源下做最大化的研发和创新，因为创业不是在局部反复打磨，也不是无方向地跳跃，而是在控制风险的前提下扩大探索步长，用一次次验证不断逼近更优解”。其底层逻辑来自AI的一个算法原理：随机梯度下降。

“就像在一个高维的数学空间里，你站在最高点，最优解在最低点，但这个空间是坑坑洼洼的。”他解释道，“这告诉你，不要在小范围里只做一小步尝试，也不要到处乱跳，而是稍微跳大一点步伐，试一把，再跳一段，再试一把。”

那荣钰将这套算法原理翻译成团队的管理哲学：“多走出舒适区域，多探索新技术，多总结交流，以及不断做这些事情。”

谈到公司的定位，那荣钰提出了一个明确的目标：“我们想成为材料领域的AlphaFold。”

这不是简单对标某一个模型，而是试图重建材料价值被创造的方式。“我们既可以为工厂提供生产优化系统，帮助其做分析、预测和决策；也可以参与新材料设计，并通过授权或产业合作实现商业化；还希望推动传统材料工厂逐步向AI原生工厂演进。”

在他看来，目前行业内还没有一家企业能把这些事情全部涵盖。“大家各有各的优势，也各有各的劣势。我们最开始就认识到了这一点，通过AI把这件事真正整合在一起，并对材料最终能否形成产业价值负责。”

那荣钰用一个对比来说明这种整合：传统材料研究院擅长工艺、材料与计算，工业互联网团队擅长软件与产品，大学实验室擅长物理、材料与AI。但这些能力长期分散在不同组织和部门，缺少围绕最终材料价值的统一目标。“我们要做的，是把材料从发现到量产所需的一系列能力真正拉通。”

他特别提到团队中的两类角色——前沿部署科学家和前沿部署工程师。“把最前沿的AI4S人才带到最复杂的真实产线，在现场完成研究、验证与交付，让最前沿的技术直面最真实的问题。”

AI，让专业快速成为产品

那荣钰认为，AI时代组织架构之所以能如此轻量化，根本原因在于信息获取和协作方式发生了质变。

他说：“以前去学习一个事情，要找多少专家？而且专家也不总是那么不厌其烦地给你讲。AI时代不一样，你不懂的，AI懂，AI帮你拓展。”

他将AI在团队中的角色定位为“第二大脑”和“第二替身”。团队内部有一个中心文档，每个成员在理解事情时，可以追问AI：“我理解的跟核心文档的偏差是什么？给我三个可能性。”很快就能纠正认知偏差。

那荣钰说：“AI有24小时在线的、非常强大的智力。你只要用好了，它就是爱因斯坦；用不好，它就只是一个聪明人而已。”

回顾创业历程，那荣钰认为AI对硬科技创业最大的改变，不是效率本身，而是路径，它改变了专业走向产品的过程。

“过去稀缺的是会不会做某件事情。”他说，“但今天开始，更多的是通过快速的执行、快速的试错、快速的翻译和理解需求，把客户的问题转化成一个可被执行、可被解决的方案。AI没有替代专业，但它可以让我们的专业快速地做成产品，将产品带向世界。 ”

目前，素源矩阵创立一年多，已服务6家大型材料企业，拿下数千万元实际订单，预计今年覆盖超过20条产线。团队从2人扩展到10人，但底层逻辑始终不变——用科学智能理解材料世界，用AI工具加速从模型到场景的交付，用最小组织撬动最大价值。

“AI真正让一个有足够专业壁垒的团队或个人，第一次可以跨过科研、跨过机理，很快地走向模型到场景交付的‘最后一公里’。”那荣钰说。

（编辑：卢志坤 审核：童海华 校对：颜京宁）