Dingxi Zhichuang gọi vốn thành công vòng Pre-A, tập trung phát triển hạ tầng AI vật lý tự tiến hóa

Công ty R&D vật liệu mới ứng dụng AI Rhinovate™ gần đây đã hoàn tất vòng gọi vốn Pre-A trị giá hàng trăm triệu nhân dân tệ với sự tham gia của Unity Ventures.

Rhinovate là một công ty R&D vật liệu mới dựa trên Physical AI, chuyên tâm vào việc chuyển đổi quá trình phát triển vật liệu phức tạp, vốn phụ thuộc nhiều vào kinh nghiệm, thành một hệ thống kỹ thuật có thể tính toán, kiểm chứng và mở rộng.

Unity Ventures tin rằng Rhinovate kết hợp được nền tảng học thuật hàng đầu từ Đại học Bắc Kinh và Trường Sau đại học tại Thâm Quyến của trường với kinh nghiệm thực thi công nghiệp đặc biệt vững chắc. Là đơn vị tiên phong trong ngành thiết lập vòng lặp khép kín "ướt-khô" (wet-dry) toàn quy trình, công ty đã nhiều lần nhận được sự công nhận cao từ khách hàng và chính quyền địa phương nhờ công nghệ cốt lõi mạnh mẽ. Unity Ventures mong đợi Rhinovate tiếp tục thể hiện vai trò dẫn đầu trong lĩnh vực AI4M và tạo thêm động lực mới cho quá trình chuyển đổi sâu rộng của ngành vật liệu.

Công ty R&D vật liệu mới ứng dụng AI Rhinovate™ gần đây đã hoàn tất vòng gọi vốn Pre-A trị giá hàng trăm triệu nhân dân tệ, dẫn đầu bởi CDH Baifu cùng các khoản đầu tư tiếp nối từ Unity Ventures, Binfu Capital, Loongson Venture Capital, Shunxi Fund và ZGC Capital.

Đây là vòng gọi vốn thứ ba của công ty trong vòng một năm, sau các khoản đầu tư trước đó từ Kinzon Capital, YuanSheng Ventures, Shanghai Future Industry Fund và XtalPi. Số tiền thu được sẽ được phân bổ chủ yếu cho việc phát triển RhinoMat, mô hình lớn nền tảng dành cho khoa học vật liệu, R&D công nghệ cơ sở, các AI agent có khả năng điều phối đa kịch bản, hệ thống phòng thí nghiệm tự tiến hóa, và xác thực quy mô lớn các vật liệu hiệu năng cao gốc carbon — nhằm liên tục làm sâu sắc thêm các công nghệ cốt lõi và tài sản dữ liệu thực nghiệm.

Được thành lập vào năm 2025 và ươm tạo từ năng lực nghiên cứu của Đại học Bắc Kinh, các thành viên nòng cốt của Rhinovate đến từ Đại học Bắc Kinh, Đại học Thanh Hoa, Đại học Cambridge, Đại học Stanford và MIT. Công ty chuyên tâm vào việc chuyển đổi quá trình phát triển vật liệu phức tạp, vốn phụ thuộc vào kinh nghiệm, thành một hệ thống kỹ thuật có thể tính toán, kiểm chứng và mở rộng.

Trung tâm của hệ thống là Nền tảng R&D thông minh RhinoAI, tích hợp AI Scientist, các hệ thống thực nghiệm tự hành và năng lực khuếch đại quy mô thí điểm để xây dựng một vòng lặp R&D khép kín từ đầu đến cuối bao gồm "thiết kế — thực thi — đặc tính hóa — phản hồi — tối ưu hóa". Điều này cho phép các mô hình, dữ liệu, công thức và quy trình liên tục tiến hóa thông qua các thí nghiệm thực tế, thúc đẩy R&D vật liệu hiệu năng cao từ "thử và sai theo kinh nghiệm" sang "thiết kế thông minh".

Nền tảng R&D thông minh RhinoAI: Từ "Vòng lặp khép kín ướt-khô" đến "Tự tiến hóa"

Vật liệu mới là nền tảng vật lý của mọi công nghệ cứng (hard tech), tuy nhiên mô hình R&D của chúng từ lâu vẫn bị mắc kẹt trong phương pháp thử và sai theo kinh nghiệm: từ thiết kế đến sản xuất hàng loạt thường mất từ năm đến mười năm, với các khâu tính toán, thực nghiệm và mở rộng quy mô hoạt động độc lập. Các mô hình gặp khó khăn trong việc chuyển đổi thành quy trình, dữ liệu không thể phản hồi ngược lại và hiệu năng thường suy giảm trong quá trình mở rộng quy mô.

Rhinovate sử dụng phương pháp biên dịch vật chất đa quy mô làm khung lý thuyết thống nhất cơ sở, biến R&D vật liệu thành một nền tảng tự tiến hóa, có khả năng học hỏi liên tục và kiểm chứng. Hệ thống Rhino tự phát triển, với AI Scientist và Self-Driving Lab làm cốt lõi, xây dựng một nền tảng Physical AI kết nối nhận thức khoa học, thực thi thực nghiệm và tiến hóa dựa trên phản hồi. Nền tảng này không chỉ tự động lặp lại các mô hình, thiết kế công thức vật liệu và đề xuất thông số thiết bị — mà còn tự động lập kế hoạch giao thức thực nghiệm, lập lịch trình quy trình thực thi và cuối cùng hoàn thành việc chuẩn bị và xác thực vật liệu trong thế giới vật lý thực.

Nền tảng R&D thông minh Rhinovate RhinoAI

Rhino Scientist đóng vai trò là một tác nhân thông minh nghiên cứu toàn chuỗi, có khả năng hiểu các mục tiêu nghiên cứu, huy động kiến thức, các mô hình vật liệu và thuật toán để hoàn thành việc khám phá tri thức, thiết kế giao thức và điều phối tác vụ. Nhiều tác nhân có thể được điều phối linh hoạt cho các kịch bản vật liệu khác nhau, chuyển đổi các vấn đề khoa học thành các tác vụ tính toán, thực nghiệm và kỹ thuật có thể thực thi. Rhino Lab, bao gồm robot, trạm làm việc thực nghiệm thông minh, thiết bị đặc tính hóa thông lượng cao và hệ thống điều khiển thống nhất, đóng vai trò là phương tiện thực nghiệm để AI Scientist bước vào thế giới vật lý. Nó tiếp nhận các chiến lược nghiên cứu và tự động hoàn thành việc điều phối thực nghiệm, chuẩn bị mẫu, đặc tính hóa đa phương thức và phản hồi dữ liệu trong một vòng lặp khép kín ướt-khô giữa mô phỏng tính toán và hiệu chuẩn thực nghiệm, từ đó điều chỉnh các thí nghiệm tiếp theo dựa trên phản hồi.

Trong hệ thống này, AI Scientist đề xuất các giả thuyết và chiến lược, robot thực thi với thông lượng cao, còn các nhà khoa học con người xác định mục tiêu, giải thích cơ chế và đưa ra các quyết định kỹ thuật. Họ cùng nhau tạo thành một vòng lặp tự hành khép kín "thiết kế — thực thi — đặc tính hóa — phản hồi — tối ưu hóa", nơi mỗi thí nghiệm thúc đẩy việc cập nhật cơ sở tri thức và các mô hình, giúp hệ thống trở nên chính xác hơn sau mỗi lần lặp.

Bánh đà lặp ba tầng: Đồng tiến hóa của Mô hình, Công thức và Thông số thiết bị

Về phía mô hình, Rhino đang xây dựng RhinoMat, một mô hình hướng tới các polymer. Được xây dựng trên nền tảng mạng thần kinh đồ thị đẳng biến ba chiều và các mô-đun tương tác tầm xa, nó cung cấp biểu diễn thống nhất cho cấu trúc polymer. Nó xây dựng các mô hình trường lực để mô phỏng hệ thống polymer, kết hợp các mô hình khuếch tán để tạo ngược các polymer mục tiêu và tích hợp các biểu diễn cấu trúc vào các mô hình thay thế (surrogate models) để tối ưu hóa Bayesian. Hơn nữa, mô hình còn đồng bộ với dữ liệu thực nghiệm và liên tục lặp lại dựa trên phản hồi thực nghiệm.

Về phía dữ liệu, Rhino đã tích lũy hơn 1,25 triệu điểm dữ liệu mô phỏng đa quy mô và 48.000 điểm dữ liệu thực nghiệm tự động trong các lĩnh vực polymer chịu lực cấu trúc, vật liệu carbon olefin và chất điện phân, đồng thời đã xây dựng một đồ thị tri thức chứa 214.000 thực thể và 626.000 mối quan hệ thực thể. Đối với dữ liệu thực nghiệm, không giống như các cơ sở dữ liệu công cộng, Rhino liên tục thu thập dữ liệu toàn quy trình trải dài từ "quy trình — cấu trúc — đặc tính hóa — hiệu năng" và lưu giữ hồ sơ của các thí nghiệm thất bại. Thông qua kiểm soát chất lượng dữ liệu và xây dựng chuỗi bằng chứng nhân quả, hệ thống đảm bảo tính truy xuất nguồn gốc đầy đủ của dữ liệu và các kết quả có thể quy kết.

Mỗi vòng dữ liệu thực nghiệm thực tế đều phản hồi ngược lại để hiệu chuẩn mô hình; sau đó mô hình tạo và sàng lọc các công thức ứng viên cho vòng tiếp theo; kết quả thực nghiệm lại thúc đẩy việc điều chỉnh các thông số thiết bị và quy trình, tạo thành một vòng lặp tăng cường lũy tiến ba cấp độ "mô hình — công thức — thiết bị". Sự phản hồi qua lại liên tục giữa suy luận phía mô hình và đo lường phía robot giúp củng cố năng lực mô hình sau mỗi chu kỳ R&D, đồng thời tích lũy dữ liệu độc quyền, hiểu biết về công thức và kinh nghiệm quy trình.

Từ "Trình diễn vật liệu" đến "Mở rộng quy mô công nghiệp": Xây dựng hạ tầng R&D AI có thể tái sử dụng

Trải dài toàn bộ chuỗi từ nghiên cứu đến công nghiệp, Rhinovate tham gia hợp tác sâu rộng với các nhóm nhà khoa học tại Đại học Bắc Kinh. Tận dụng sự hiện diện tại Bắc Kinh, Thâm Quyến và Hồng Kông, công ty hội tụ năng lực nghiên cứu và nguồn lực đổi mới để hình thành mạng lưới R&D hợp tác liên vùng, thực hiện R&D chung với các nhà lãnh đạo ngành bao gồm Wanhua Chemical, BTR và JinYu New Energy.

Hướng tới tương lai, công ty sẽ tiếp tục thúc đẩy mô hình lớn nền tảng khoa học vật liệu RhinoMat và hệ thống công nghệ cơ sở, với các mô hình polymer là hướng đi ban đầu, xây dựng các hệ thống AI scientist có khả năng điều phối đa kịch bản với năng lực tự tiến hóa, kết nối tính toán, thực nghiệm và ứng dụng công nghiệp trong một vòng lặp R&D khép kín. Khi có thêm nhiều hướng vật liệu được đưa vào vận hành, các mô hình, dữ liệu, kỹ năng thực nghiệm và kiến thức quy trình sẽ liên tục tích lũy và trở nên có thể tái sử dụng, đẩy R&D vật liệu từ các dự án đơn lẻ sang hạ tầng dựa trên nền tảng — biến việc khám phá vật liệu và chuyển đổi công nghiệp thành một năng lực bền vững có thể tính toán, kiểm chứng và mở rộng.

Haifeng Lyu, Chủ tịch của Rhinovate, cho biết: "Vật liệu là nền tảng vật lý quan trọng cho công nghệ cứng. Trong năm qua, chúng tôi đã đưa AI Scientist vào các phòng thí nghiệm thực tế, sử dụng các hệ thống thực nghiệm tự hành để tạo ra và tìm hiểu vật liệu, đồng thời thúc đẩy các kết quả hướng tới xác thực quy mô lớn. Trong giai đoạn tiếp theo, hệ thống này sẽ được chứng minh trên nhiều hướng vật liệu hơn, biến mỗi thí nghiệm thành điểm khởi đầu cho khám phá tiếp theo."

Trong cơn sốt vàng, hãy "Bán xẻng": D-Robotics đặt mục tiêu trở thành "NVIDIA của AI hiện thân" | Danh mục đầu tư của Unity Ventures

Công ty lượng tử nguyên tử trung tính MatriQ hoàn thành bốn vòng gọi vốn, huy động gần 1 tỷ nhân dân tệ trong một năm, với năng lực cung cấp hệ thống quy mô nghìn qubit | Tin tức Unity Ventures

Infinite Aerospace chốt vòng Series A gần 100 triệu nhân dân tệ để phát triển phương tiện chuyển quỹ đạo, giải quyết "dặm cuối" của việc triển khai vệ tinh | Tin tức Unity Ventures