今年8月,省高校新材料领域骨干教师技能提升培训班的学员来到芯培森合资赫曦原子智算中心,实地考察了这座专注原子级科学计算的算力中心。同月,芯培森团队也走进企业——赴兴发铝业开展业务交流。
一来一往之间,一个长期存在的问题被反复提及:实验室里跑通的材料方案,如何顺利走到生产线上。近日,记者围绕材料研发的「最后一公里」进行了走访了解。
实验室里的「够用」与产线上的「不够用」
在高校课题组里,一项材料研究通常从很小的体系开始——几十个、几百个原子,验证一个机理,发表一篇论文,计算量尚在可控范围之内。这种规模的模拟,通用算力通常能够承载,结果也足以支撑学术论证。
但到了产线,问题会以另一种尺度出现:体系规模可能从数百原子量级跃升到几十万乃至上百万原子,需要考虑的温度、压力、杂质条件显著增加,对结果稳定性和可重复性的要求也完全不同。实验室里「机理成立」的结论,到了产线上可能因为一个未被考虑的杂质元素而失效。
从「机理成立」到「工艺可行」,中间隔着的正是这道「放大」的门槛。而跨过它的前提,是能把放大后的体系真正算出来——不只是算一个简化后的理想模型,而是算一个接近真实工况的、包含杂质和缺陷的大体系。
算力是这道门槛的第一关
材料计算对算力的要求,随体系规模呈非线性上升:原子数量从几百扩大到几十万乃至上百万时,计算量不是按原子数等比例增加,而是按更高的幂次放大——以密度泛函理论DFT的计算标度为例,其计算量随原子数大致呈三次方增长。
这也是近年机器学习分子动力学MLMD受到关注的原因之一:用机器学习训练出的势函数替代传统经验势函数后,标度被压向接近线性,可处理的体系规模随之扩大。通用CPU/GPU在处理这类原子级计算负载时,受制于存储墙、功耗墙,大体系原子模拟往往难以落地——要么算不完,要么算得太慢,等到结果出来时,实验可能已经做完了。
对课题组而言,这往往意味着被动缩小模拟体系——把原本需要百万原子量级才能呈现的现象压缩到更小,代价是结论的适用范围随之收窄。实验室里的「够用」,到了产线上就变成了「不够用」。
芯培森的解题方向是从架构入手。芯培森APU(Atomistic Processing Unit,原子级物质计算专用算力单元)采用独创性「非冯·诺依曼」专用芯片架构,让数据紧靠存储位置参与运算,在存储墙、功耗墙这两个环节上作出针对性设计。以APU为核心的赫曦服务器采用超异构计算架构(CPU+GPU+APU协同),目前芯培森合资赫曦原子智算中心的赫曦服务器部署规模已达100台。
产学研两端的对话
跨过「最后一公里」,需要实验室与产线之间的持续沟通。回顾芯培森今年上半年的动态,这类沟通并不少见。
2026年5月12日,清华大学机械工程系主任周明教授一行来到芯培森合资赫曦原子智算中心,现场观看了搭载APU的专用服务器在锂电材料计算中的应用演示。5月13日,芯培森联合创始人、董事长兼首席科学家刘杰教授与联合创始人、总经理樊正伟一行到访中国科学院苏州纳米所,与副所长张珽研究员及其科研团队交流,并参观了纳米真空互联实验站。同月,佛山大学校长徐向民教授一行也来到赫曦原子智算中心,重点了解芯培森APU算力芯片与算力服务器在人工智能赋能材料研发领域的应用前景。
芯培森联合创始人、董事长兼首席科学家刘杰教授是湖南大学二级教授、博士生导师,并曾在美国Synopsys担任高级研发工程师。这种横跨学界与产业界的履历,让他在与高校课题组和产业界沟通时,更容易理解两端关注点的差异——学术端关心的是「能不能算准」,产业端关心的是「能不能用上」。
在企业一侧,2026年8月7日,芯培森团队赴广东兴发铝业有限公司开展业务交流。交流中,芯培森介绍了APU与材料研发智能体(芯培森·MaterPlato)的技术原理、研发进展及产业化应用情况,双方围绕人工智能赋能铝合金研发及后续合作进行了交流。这是把算力带到具体工业场景的一次动作。
把算力变成「用得上」的服务
有了算力,还需要有人把它交到科研人员手里。2026年9月10日,芯培森旗下材料计算服务品牌芯培森·SwiftMater正式发布。这一服务品牌瞄准的第一个方向,是固态电池电解质。据芯培森团队介绍,该服务采用全职直营方式,由硕博技术团队直接对接用户,剔除中间加价环节,并实行三层质控体系与法律级赔付保障双线并行。
这意味着,算力从「实验室能用」到「产线上能用」之间,多了一个专门负责交付的环节。算力提供的是速度,工具降低的是门槛,服务保障的是质量——三者缺一不可。
两端需要同时走近
材料研发的「最后一公里」,一端是实验室,一端是产线。打通它,不只需要算力——还需要实验室把计算纳入常规研发流程,需要产业端把真实的工艺问题交给计算去解。
把今年8月的两次走访放回各自场景看,两端要跨过的其实是两道不同的门槛。实验室一侧要跨的是「用得上」:算力是否随取随用,科研人员是否不必再把大量时间耗在手动建模、反复调参、排查报错上,就能提交大体系计算任务。产业一侧要跨的是「敢拿出来」:真实的工艺参数、缺陷数据与失效案例,是否愿意交给计算方处理,而不是只给出简化后的理想模型;算出来的结果,又能否与产线实测相互印证。省高校新材料领域骨干教师技能提升培训班的学员走进赫曦原子智算中心,芯培森团队走进铝型材企业——前者是实验室一侧走近算力,后者是算力走向生产现场,恰好各自落在两端要跨的门槛上。