# Startup AI vật liệu mới Suoge Zhisuan gọi vốn thành công hàng chục triệu NDT - Nguồn: elsewhere: Bài viết - Thời gian phát hành: 2026-09-24 11:04 (giờ Việt Nam) - Điểm AI: 31/100 - Link AIHOT.vn: https://aihot.vn/items/6a0bdda0f0fa60d2 - Nguồn dữ liệu AI HOT: https://aihot.news/items/cmuf3fwq80965roodljr7wrxn - Link gốc: https://elsewhere.news/zh/yunqipartners/yunqi-capital-backs-suoge-zhizhis-angel-round-to-accelerate- ## Tóm tắt AI Suoge Zhisuan vừa huy động thành công hàng chục triệu NDT vòng thiên thần để đẩy mạnh ứng dụng AI trong vật liệu mới. Công ty sở hữu thuật toán đột phá giúp tăng tốc độ tính toán lên gấp hàng chục lần và mô hình chuyên biệt SOGNET-Battery vượt trội hơn các mô hình phổ thông. ## Thân bài ![Yunqi Capital co-invests in Suoge AI's angel round to accelerate AI-driven new materials commercialization | Yunqi Partners](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/231c4bc73b4e.jpg) ![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/cb8c6679be8e.png) Các mô phỏng vật liệu vốn từng đòi hỏi các trung tâm siêu máy tính quốc gia nay đã có thể chạy hiệu quả trên các cụm chỉ khoảng hơn chục GPU đa năng — nhờ vào thuật toán phân lô ngẫu nhiên (stochastic batching algorithm) độc quyền của SogSci Computing, giúp giảm độ phức tạp tính toán của các mô phỏng đa vật thể từ bậc hai xuống bậc tuyến tính. Được thành lập bởi Zhenli Xu, giáo sư xuất sắc tại Trường Khoa học Toán học thuộc Đại học Giao thông Thượng Hải và là người nhận Quỹ Khoa học Quốc gia dành cho các học giả trẻ xuất sắc, công ty đã hợp tác với các doanh nghiệp hàng đầu trong lĩnh vực pin thể rắn và hóa chất. Hôm nay, công ty thông báo đã hoàn tất vòng gọi vốn thiên thần với sự đầu tư từ Yunqi-SJTU AI Angel Fund. Trong ấn bản này của "Yunqi Partners", chúng tôi khám phá công việc của SogSci Computing trong lĩnh vực AI cho Vật liệu — một hướng đi then chốt trong AI cho Khoa học mà chúng tôi đã theo dõi sát sao. ![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/534d16e0ef59.jpg) Luận điểm đầu tư của Yunqi Capital: AI cho Vật liệu là một hướng đi quan trọng trong AI cho Khoa học mà chúng tôi tiếp tục theo dõi chặt chẽ. SogSci Computing đang tái cấu trúc mô hình R&D vật liệu thông qua các thuật toán độc quyền. Dưới sự dẫn dắt của Giáo sư Zhenli Xu, đội ngũ liên ngành của công ty đã đồng sáng lập Trung tâm Nghiên cứu Vật liệu Mới AI với Đại học Giao thông Thượng Hải và đã tích hợp công nghệ của mình vào hệ thống R&D của các nhà sản xuất pin hàng đầu. Chúng tôi mong đợi công ty sẽ tiếp tục chuyển hóa các thuật toán độc quyền của mình thành các công cụ R&D có thể tái sử dụng trong công nghiệp, giúp AI cho Vật liệu thực hiện bước nhảy vọt quan trọng từ các đột phá trong phòng thí nghiệm sang triển khai trên dây chuyền sản xuất. ![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/5fecf3193932.png) Nội dung sau đây được chuyển thể từ Hard Kr Bởi Ou Xue, biên tập bởi Silai Yuan SogSci Computing (Shanghai) Technology Co., Ltd. [sau đây gọi là "SogSci Computing"], một công ty AI cho Vật liệu, gần đây đã hoàn tất vòng gọi vốn thiên thần trị giá hàng chục triệu RMB. Vòng gọi vốn này do Fosun Capital dẫn đầu, với sự tham gia của Nantong Industrial Holdings Siyuan AI Pioneer Fund, Yunqi Capital, và Zhongying Ventures, cùng với khoản đầu tư tiếp nối từ các cổ đông hiện hữu bao gồm Zizhu Sci-Tech Investment. Nguồn vốn sẽ được sử dụng chủ yếu cho việc tiếp tục R&D và lặp lại các quy trình vật liệu mới tự động, xây dựng phòng thí nghiệm, mở rộng đội ngũ và tuyển dụng nhân tài công nghiệp — tất cả nhằm thúc đẩy khả năng tự chủ trong nước về các loại vật liệu cao cấp. Được thành lập vào năm 2025, SogSci Computing là một công ty công nghệ chuyên sâu tập trung vào việc thúc đẩy R&D vật liệu mới thông qua các công cụ tính toán AI độc quyền và các công nghệ tích hợp. Giải quyết các thách thức quan trọng trong thiết kế vật liệu theo các ưu tiên chiến lược quốc gia, công ty kết hợp các mô hình nền tảng nguyên tử vật liệu, mô phỏng hiệu năng cao và các vòng lặp thực nghiệm ướt-khô để kết nối các lộ trình R&D đa quy mô, đồng thời thúc đẩy các đột phá trong việc nội địa hóa công nghệ cốt lõi và tự chủ các vật liệu then chốt. Nhà sáng lập kiêm Giám đốc Khoa học Zhenli Xu là giáo sư xuất sắc tại Đại học Giao thông Thượng Hải và là giám đốc Trung tâm Nghiên cứu Vật liệu Mới AI của trường, đồng thời là người nhận Quỹ Khoa học Quốc gia dành cho các học giả trẻ xuất sắc. Đội ngũ nòng cốt quy tụ chuyên môn về toán học, trí tuệ nhân tạo và khoa học vật liệu. Công ty đã xây dựng một đội ngũ R&D gồm hơn 30 người, được tổ chức thành bốn trung tâm nghiên cứu: thuật toán AI, công nghệ ứng dụng, tác nhân thông minh (intelligent agents) và điện toán lượng tử. Mạng lưới cố vấn của công ty trải rộng trên các lĩnh vực thuật toán AI, R&D vật liệu và nguồn lực công nghiệp, hình thành kiến trúc động cơ kép "nghiên cứu cơ bản + triển khai công nghiệp". Tại sao R&D vật liệu mới cần AI? Theo Hard Kr, R&D vật liệu truyền thống dựa vào các phương pháp thử và sai. Việc đưa một vật liệu mới từ khám phá trong phòng thí nghiệm ra thương mại hóa thường mất hàng thập kỷ, với chi phí cao và cơ chế không rõ ràng. Khi các ngành công nghiệp như năng lượng mới và hóa chất tinh khiết tăng tốc hướng tới các thế hệ cao hơn, nguồn cung vật liệu hiện tại ngày càng không đáp ứng được nhu cầu leo thang về các vật liệu hiệu năng cao thế hệ mới, để lại những khoảng trống rõ rệt trong khả năng tự chủ đối với các vật liệu quan trọng. Tuy nhiên, việc sử dụng AI để tăng tốc R&D vật liệu cũng có những thách thức riêng. Tương tác giữa các nguyên tử dễ tính toán ở phạm vi ngắn nhưng khó ở phạm vi dài. Các mô hình AI truyền thống dựa vào việc "truyền tin" (message passing) theo từng lớp — chậm, đắt đỏ và thường không hiệu quả khi chuyển sang các loại vật liệu khác nhau. Đột phá của SogSci Computing giải quyết vấn đề này ngay tại nền tảng thuật toán. Hệ thống kỹ thuật của công ty tập trung vào ba thuật toán độc quyền: SOGNet, giải quyết vấn đề "tính toán chính xác". Trong khi các mô hình truyền thống chỉ có thể nhìn thấy các tương tác gần, SOGNet học trực tiếp các tương thích nguyên tử tầm xa trong không gian Fourier, thích nghi học các đặc tính suy giảm ở các khoảng cách khác nhau. Nghiên cứu liên quan đã được công bố trên Phys. Rev. Lett. (2025) và được chọn là Editors' Suggestion. ![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/fd87e40d3e50.png) Mô hình nền tảng nguyên tử vật liệu xây dựng trên SOGNet (Nguồn ảnh: Công ty) Thuật toán phân lô ngẫu nhiên (stochastic batching algorithm), giải quyết vấn đề "tính toán nhanh". Trong khi các thuật toán truyền thống chỉ đạt hiệu suất 20%-30% với khả năng song song hóa 10.000 lõi, thuật toán phân lô ngẫu nhiên đạt hơn 95%, cải thiện tốc độ tính toán từ hàng chục đến hàng trăm lần và làm cho mô phỏng vật liệu quy mô lớn trở nên thực tế. Công trình này đã nhận Giải nhất Giải thưởng Khoa học Tự nhiên Thượng Hải. ![](https://kkcktdhgzddmdjdjoenc.supabase.co/storage/v1/object/public/media/images/25fb58b0-2a9e-4cb9-8d0e-c612f7e8620a/a5096b4e3a7a.png) Trình mô phỏng chuyên dụng cho vật liệu mới NanoTitan Ultra (Nguồn ảnh: Công ty) Mô hình ghép nối đa trường R2D, giải quyết vấn đề "tính toán thực tế". Mô hình điện hóa truyền thống dựa vào các giả định đồng nhất hóa; mô hình R2D phá vỡ khuôn khổ này để nắm bắt chính xác sự tiến hóa ghép nối đa vật lý trong các chu kỳ sạc-xả pin — bao gồm vận chuyển ion, phản ứng bề mặt, sự tiến hóa ứng suất và các cơ chế hư hỏng. Phần mềm mô phỏng tự động cho pin thế hệ mới R2DPack và mô hình thay thế AI R2DPack-ONet (Nguồn ảnh: Công ty) Dựa trên các thuật toán này, SogSci Computing đã phát triển một ma trận sản phẩm độc quyền bao trùm toàn bộ chuỗi thiết kế vật liệu, xác thực tính toán, mô phỏng công nghiệp và R&D độc lập: mô hình nền tảng nguyên tử SOGNet cho các lĩnh vực dọc như pin lithium và polymer; trình mô phỏng hiệu năng cao NanoTitan; nền tảng mô phỏng thiết bị vật liệu R2DPack; và tác nhân thông minh R&D tự chủ SOG Omni. Tác nhân thông minh R&D vật liệu tự chủ SOG Omni (Nguồn ảnh: Công ty) Trong số đó, mô hình lĩnh vực vật liệu pin lithium SOGNET-Battery là sản phẩm cốt lõi cho ngành pin lithium. Vật liệu pin lithium liên quan đến các quy trình phức tạp bao gồm di chuyển ion, tiến hóa bề mặt và độ ổn định lớp phủ mà các mô hình truyền thống khó giải quyết được cả về độ chính xác lẫn hiệu quả. Cách tiếp cận của SOGNET-Battery: huấn luyện mô hình với dữ liệu pin lithium được tuyển chọn chuyên nghiệp và tạo ra một cách tự chủ, cho phép nó "nhìn chính xác ở phạm vi ngắn, nhìn rõ ở phạm vi dài và duy trì tốc độ ở quy mô lớn." Trong hiệu suất đo lường trên sáu danh mục vật liệu pin lithium, SOGNET-Battery đạt độ chính xác cao hơn các mô hình tiềm năng đa mục đích với số lượng tham số lớn hơn, mặc dù quy mô tham số của nó nhỏ hơn. Quan trọng hơn là khả năng chuyển đổi: chỉ với một lượng nhỏ dữ liệu tinh chỉnh trên các hệ thống mới, nó thích ứng rất nhanh. Ví dụ, đối với hệ thống Li-Li₆PS₅Cl, việc tinh chỉnh chỉ trên 359 cấu hình đã giảm sai số lực nguyên tử khoảng 68% và sai số năng lượng khoảng 83%. Về tốc độ suy luận, SOGNET-Battery vượt trội hơn các mô hình chung hơn 80%, xử lý được nhiều cấu hình nguyên tử hơn với cùng mức tài nguyên tính toán. Công ty đã hợp nhất các công nghệ và sản phẩm cốt lõi này thành các quy trình thiết kế vật liệu tự động có thể tái sử dụng với khả năng lặp lại liên tục. Trong quy trình thiết kế cell cho một doanh nghiệp pin thể rắn, nhóm đã sử dụng R2DPack để thực hiện mô phỏng đa vật lý ở cấp độ cell, kết hợp các thông số vật liệu, đặc tính bề mặt và cấu trúc cell để cho phép dự đoán hiệu suất và tối ưu hóa thiết kế nhanh chóng — giảm đáng kể sự phụ thuộc vào việc xác thực thực nghiệm lặp đi lặp lại trong thiết kế cell truyền thống, đẩy nhanh quá trình lặp lại R&D cell pin thể rắn. Đối với các yêu cầu tính toán thời gian thực trên xe, nó đạt được phản hồi ở cấp độ mili giây trong các điều kiện tính toán tương đương trên các chip ô tô phổ thông, đặt nền móng cho việc triển khai nhẹ và dự đoán thời gian thực trên các chip ô tô phổ thông của xe năng lượng mới với quy mô hàng trăm nghìn đơn vị. Đối với việc khám phá thông minh và sàng lọc nhanh vật liệu polymer của một doanh nghiệp hóa chất niêm yết, nhóm đã sử dụng SOG Omni để đề xuất các công thức ứng viên đáp ứng nhu cầu của công ty, sau đó là dự đoán và sàng lọc chính xác thông qua các công cụ tính toán đa quy mô; kết quả đã bước vào giai đoạn xác thực thực nghiệm ướt. Ngoài ra, SogSci Computing đã bắt đầu triển khai thiết kế vật liệu mới cho các nhu cầu chiến lược quốc gia quan trọng, bao gồm nam châm vĩnh cửu đất hiếm và vật liệu chắn bức xạ. Công ty đang cùng các doanh nghiệp và viện nghiên cứu hàng đầu xây dựng các hệ thống R&D và ứng dụng AI để hỗ trợ khả năng tự chủ về các vật liệu chiến lược quan trọng. Hướng tới tương lai, SogSci Computing đặt mục tiêu đạt được những đột phá trong năng lực thiết kế vật liệu mới giá trị cao thông qua các công nghệ sản phẩm tự chủ. Về mặt sản phẩm, công ty có kế hoạch xây dựng các nền tảng tự động hóa mô phỏng toàn quy trình cho pin lithium và polymer hóa học — bắt đầu từ các tác nhân thông minh, sử dụng AI để đề xuất vật liệu, sau đó thực hiện tính toán, mô phỏng và sàng lọc quy mô lớn, và cuối cùng là mô phỏng cấp thiết bị để hoàn thiện toàn bộ quy trình làm việc. Công ty cũng sẽ ra mắt các nền tảng sàng lọc tính toán tự động cho polymer, hóa chất và các lĩnh vực khác. Sau đây là đoạn trích đã biên tập từ cuộc trò chuyện của Hard Kr với nhà sáng lập kiêm Giám đốc khoa học Zhenli Xu: Hard Kr: Đâu là lợi thế kỹ thuật cốt lõi của SogSci Computing? Zhenli Xu: Lợi thế cốt lõi của chúng tôi là các thuật toán nguyên bản. SOGNet giải quyết nút thắt của các hàm tiềm năng tương tác tầm xa, thuật toán phân lô ngẫu nhiên (stochastic batching) phá vỡ các nút thắt về khả năng mở rộng trong tính toán quy mô vi mô, và mô hình ghép nối đa trường R2D cho phép tính toán với độ trung thực cao. Ba thuật toán này không phải là những tối ưu hóa kỹ thuật đơn giản mà là những đột phá nguyên bản từ toán học nền tảng. Dựa trên chúng, SogSci Computing đã xây dựng một vòng lặp khép kín hoàn chỉnh gồm dữ liệu — mô hình — mô phỏng — thực nghiệm. _Bài gốc còn tiếp._ Xem tiếp tại: