AI materials firm RhinoVate raises hundreds of millions of yuan in Pre-A round
Rhinovate, an AI-driven materials R&D company, has raised hundreds of millions of yuan in a Pre-A funding round led by Dinghui Baifu, with participation from Jiuhe Venture Capital, Binfu Capital, Loongson Venture Capital, Shunxi Fund, and ZGC Capital. The funds will support the development of its RhinoMat foundation model, AI agents, and autonomous laboratory systems, as well as the scale-up validation of carbon-based high-performance materials. The company, incubated by Peking University, aims to close the loop between AI-generated material candidates and real-world experimental validation.
Coverage timeline
机器之心机器之心
AI 新材料研发公司鼎犀智创（Rhinovate™）近日完成数亿元 Pre-A 轮融资，本轮融资由鼎晖百孚领投，九合创投、彬复资本、龙芯创投、顺禧基金、中关村资本跟投。 此前，鼎犀智创已获得昆仲资本、元生创投、上海未来产业基金、晶泰科技等机构投资，这也是公司一年内完成的第三轮融资。 本轮资金将重点用于 RhinoMat 材料科学基础大模型及底层技术研发、多场景可编排 AI 智能体与自主进化实验室体系建设，以及碳基高性能材料的放大验证，进一步沉淀核心技术与实验数据。 随着大模型进入材料科学，行业关注的问题正在从「能否生成候选材料」，进一步转向「能否在真实世界完成验证」：AI 给出的结构和配方是否可制备，性能能否复现，实验数据能否反向更新模型，以及进入中试和放大阶段后，原有结论是否仍然成立，都决定着 AI 能否真正进入材料研发流程。 这也意味着，AI Scientist 的能力不能只停留在模型端。它还需要进一步接入机器人、实验设备和具体工艺流程，将材料研发组织成一套可执行、可反馈、可持续迭代的物理闭环。 鼎犀智创成立于 2025 年，依托北京大学科研力量孵化，核心团队成员来自北京大学、清华大学、剑桥大学、斯坦福大学、麻省理工学院等。 公司选择了一条更靠近物理世界的技术路线：RhinoAI 智能研发平台试图将 AI Scientist、自主实验系统与中试放大能力打通，由算法提出假设和实验方案，机器人执行实验，实验数据再反馈至模型，科学家则负责机理解释与工程决策。 从科研认知到实验执行，AI Scientist 如何接入物理世界？ 新材料从设计到量产通常需要五到十年。材料结构、配方、制备工艺与宏观性能相互影响，研发过程又横跨计算、实验和放大环节。模型难落到工艺、实验数据难以回流、实验室性能在放大中失效，构成了材料 AI 进入产业的连续门槛。 鼎犀智创以跨尺度物质编译为统一框架，把材料结构、配方、工艺和性能纳入同一条计算 — 实验链路。其自研 Rhino Physical AI 平台由 AI Scientist 与 Self-Driving Lab 协同驱动：前者负责理解科研目标、调用知识与材料模型、生成研究方案并编排任务；后者承接研究策略，通过机器人、智能实验工站和高通量表征设备完成制备、检测与数据回流。 Rhino Lab 在真实实验环境中执行自动化制备与表征
