从“AI应用示范”到“AI科研策源”：清科微宙落户静安，夯实“科学智能”关键一环

近日，上海清科微宙科技有限公司（以下简称“清科微宙”）正式落户静安。这家孵化自清华大学物理系的硬科技企业，集结领域科学家和产业专家，主营科学智能（AI4S）研发与服务，致力于构建AI与物理深度融合的电子结构基础模型，驱动材料智能发现。

据清科微宙介绍，一份含金量十足的“技术愿景清单”即将扎根静安：

构建面向材料研发的电子结构基础模型

跑通“AI加速—数据生成—模型进化”的数据飞轮

打造关键新材料的“上游发现”引擎

当AI学会“计算”材料

材料，是现代工业的“粮食”。从手机芯片到航空发动机，从稀土永磁到高温超导，几乎所有关键技术的突破，最终都要落到同一个问题上——能不能找到对应的功能材料。

而找材料，越来越离不开“算”。

第一性原理材料计算，是材料设计的核心手段：

无须反复试错，就能在计算机里预测一种新材料的性质。但基于量子力学的传统计算方法算力成本高昂，难以支撑高通量、大规模筛选，材料大数据的发展因此受限；主流计算软件与材料数据库长期由欧美主导，自主可控迫在眉睫。

2024年，两项诺贝尔科学奖同时授予AI相关研究，“AI4S”成为全球科研的新范式。把深度学习引入量子力学计算、用AI加速第一性原理材料仿真——这恰是清科微宙的看家本领。

DeepH：把量子第一性原理“装进”神经网络

清科微宙的核心技术DeepH，由清华大学物理系研究团队原创提出：

将基于量子第一性原理密度泛函理论的底层算法“压缩”进Transformer神经网络，在保持量子力学精度的同时，把计算效率提升多个量级。

一个直观的对比——对万原子级的魔角石墨烯体系，DeepH的计算速度较传统方法快一万倍以上。目前，该方法已拓展至密度泛函微扰、杂化泛函等前沿方向，计算复杂度降至线性标度。

“快”只是手段，“准”才是根基。DeepH将对称性、守恒律等物理原理深度嵌入神经网络，构建出兼具高精度、普适性与强泛化能力的材料电子结构基础模型，在国际上处于领先地位。团队系列成果多次入选物理学顶刊PRL编辑推荐、Nature子刊封面，开源社区活跃度居计算物理领域前列。今年6月，DeepH的两篇PRL论文入选APS （美国物理学会）系列期刊《DFT与AI前沿交叉进展》精选论文的前两篇。

更关键的是，DeepH已跑通一条数据飞轮：AI加速计算，计算生成高精度数据，数据反哺模型进化。这条正反馈循环，正是规模化构建材料大数据、训练垂直领域材料电子结构基础模型的工程路径。

为何选择静安？

谈及落户静安的缘由，清科微宙方面表示，最看重的正是这里“从算力到场景”的完整AI生态。

静安区正全力打造人工智能创新应用示范区：

市北国际科创区已集聚人工智能及相关领域企业800余家，数据港智算中心筑牢算力底座，六大AI场景运营平台覆盖专业服务、消费、大视听、制造、教育、生活等领域；区“十五五”规划纲要明确将科学智能列为数据智能产业重点拓展方向，依托专项产业政策支持科学智能联合实验室建设，并通过算力券、工具券等政策工具为企业研发赋能。

当前，静安在市北布局打造AI4S生态社区，已集聚思朗科技、玻色量子、清科微宙、复鞍智能、扰动之心、陶术生物等一批AI4S企业，构建涵盖量超智融合基础设施、专用模型算法、科学数据语料、学科工具平台、行业应用场景的完整AI4S生态。

对一家以“算”为生产力的科学智能企业而言，这里是天然的土壤。而这一次，这场双向奔赴，分量更胜以往。

夯实“关键一环”：从“AI应用示范”迈向“AI科研策源”

清科微宙的落地，对静安乃至上海而言，意义不止于“多了一家科技公司”。

夯实静安“科学智能”的关键一环。区内AI企业目前以应用层为主，增强了AI4S的基础策源能力。

承接上海“AI+材料”市级战略。上海已出台《上海市加快培育材料智能引擎发展专项方案（2025—2027年）》《上海市促进新材料产业高质量发展实施方案（2025—2027年）》，清科微宙构建的电子结构大数据与基础模型，正是“材料智能引擎”最底层的数据与模型引擎。

为上海高温超导产业集群强化“上游发现”引擎。高温超导是上海新材料“3+5+1”体系五大产业集群之一：上海超导的二代高温超导带材国内市占率超80%，全球领先；能量奇点等核聚变企业加速集聚。超导新材料的理论筛选依赖电-声耦合等第一性原理计算，极其耗时，是全链条最难、最缺AI赋能的环节。DeepH以超导为切入点，将为集群强化“AI驱动超导新材料发现”的策源引擎，助力形成全市协同创新格局。

面向未来：迈向“DFT2.0”时代

按照规划，清科微宙将构建“数据——模型——应用”三位一体的技术体系：持续生产高质量材料电子结构数据；发展垂直领域材料电子结构基础模型；建设智能化材料设计平台，实现以超导、稀土、半导体、能源电池材料为代表的AI驱动新材料发现。

研发成果显示，随着数据体量增大、模型参数增多，电子结构基础模型的精度与效率持续提升，符合“规模定律”（Scaling Law）的整体趋势。当材料数据积累到一定体量，模型有望涌现出发现人类材料科学史上未曾探索过的新材料的能力。

更长远地看，随着基础模型能力被深度嵌入第一性原理计算软件，传统材料计算方法有望整体升级为“AI加速的DFT”——材料微观仿真将由此进入“DFT2.0”时代。

新材料，是下一代产业革命的“粮食”。当AI学会在电子相互作用层面“计算”材料，发现一种新材料的时间尺度，将从数十年压缩到数年、数月，乃至更短。这场从静安出发的探索，值得期待。

记者：蒋文婕

编辑：叶苹

资料：区科技经济委

转载请注明来自上海静安官方微信