深势科技

目前能够确认的方向是：一份本站追踪的私营公司中无人接近的同行评审发表记录，一套由独立社区治理的多后端开源模拟栈，一组"最强结果都锚定在实验测量上、而非停留在抽象预测"的模型，一条有具名企业客户却没有任何已公开结果的商业产品线，以及一轮 1.14 亿美元的 C 轮融资。 2026 年 9 月 17 日在 Europe PMC 上按 DP Technology 的单位署名检索，返回 113 篇被索引的论文，其中 8 篇发表在 Nature。

范围说明： 本页只追踪公开记录：公司自己的页面、经同行评审的文献，以及第三方报道。没有内部信息。它记录的是公开材料能走到哪一步，而不是这家公司做得好不好。

概览

1. 发表记录：一个论文数量能说明什么，不能说明什么

能确认什么： 2026 年 9 月 17 日在 Europe PMC 上以"DP Technology"为单位署名检索，返回 113 篇被索引的论文。按年份：2021 年 2 篇，2022 年 13 篇，2023 年 18 篇，2024 年 26 篇，2025 年 35 篇，2026 年至今 19 篇。按刊物：Nature 8 篇，Nature Communications 9 篇，Journal of Chemical Theory and Computation 9 篇，Journal of Chemical Information and Modeling 8 篇，JACS 5 篇，Nature Structural & Molecular Biology 4 篇。

这是本站所有私营公司里规模最大的同行评审记录，而且差距不小。它同时也是一个任何人都能重跑出来的数字：检索式在下方给出，并且它还会继续变。

论文数量能证明什么，不能证明什么。 它证明这家公司嵌在正在运转的科学里：它的人出现在审稿人放行的作者名单上，出现在发表结果而不是发表公告的刊物上。这是真实的，而它证明的是参与。它不能证明任何一个产品有效，因为论文数量无法告诉你是谁的贡献推动了哪个结果。这些论文大多是合作研究，深势科技只是若干个高校与研究所署名之一；而计数本身也分不清通讯作者与"提供了一次模拟的第五作者"。PubMed 对材料科学与物理的覆盖还偏低，所以跨全部领域的真实总数高于 113，而这一点的方向是一样的：它让这个数字成为更好的"影响范围"指标，和更差的"归属"指标。

边界： 对已发表科学的参与。可信度：数量与刊物分布（高，可独立复现）；把它读成关于产品的证据（低）。

2. 公司拥有什么，以及不拥有什么

能确认什么： DeePMD-kit 第 3 版于 2025 年 5 月 2 日发表于 Journal of Chemical Theory and Computation。它是"一次重大更新，引入了支持 TensorFlow、PyTorch、JAX 与 PaddlePaddle 后端的多后端框架"，其设计使得"只需极少修改即可无缝切换后端"，从而让其他机器学习势软件包能够与之集成。

DeepModeling 是一个社区，不是一条产品线。 它始于 2017 年 12 月的 deepmd-kit 项目，如今托管"超过 30 个开源项目"，运行面向大原子模型的 OpenLAM 倡议（DPA-1 与 DPA-2 即在其下发布），并称拥有"来自 20 多个国家的数万名用户"。它有自己的治理结构和自己的贡献者。

还有一处归属值得弄清楚。 2020 年 ACM 戈登·贝尔奖，授予"以第一性原理精度把分子动力学推进到一亿原子的机器学习方法"，常常被挂在这家公司的叙事上。ACM 授予的是一支九人团队，公告列出的是：Weile Jia（加州大学伯克利分校）、Han Wang（北京应用物理与计算数学研究所）、Mohan Chen 与 Denghui Lu（北京大学）、Lin Lin（伯克利与劳伦斯伯克利国家实验室），以及 Roberto Car、鄂维南与张林峰（普林斯顿大学）。其上没有出现任何公司署名。 联合创始人张林峰在名单上的单位是普林斯顿。

那个奖是真实的，它是这家公司赖以建立的学术谱系，而它不是一项公司成果。把这三件事分开（公司拥有什么、社区拥有什么、高校赢得了什么），是读懂深势科技这份记录最有用的一条纪律，也是本节存在的理由。

边界： 软件与谱系。可信度：高（经同行评审的软件论文、公开的社区治理，以及一份自己列明单位的获奖记录）。

3. 那些模型：在触到测量的地方最强

能确认什么： 若干模型背后都有同行评审论文。

• Uni-Mol，一个基于三维构象的分子表示框架，Nature Communications（2024 年 8 月）。
• XtalNet，"从粉末 X 射线衍射端到端预测晶体结构"，Advanced Science（2025 年 1 月）：从一张实验衍射图谱出发预测结构，而不是仅从成分出发。
• NMRexp，"一个包含 330 万条实验 NMR 谱图的数据库"，Scientific Data（2025 年 12 月）；以及 NMR-Solver，"通过大规模谱图匹配与物理引导的自动结构解析"，Nature Communications（2026 年 4 月）。
• DPA-3 用于生物大分子力场优化，Journal of Chemical Information and Modeling（2026 年 5 月）。

这个模式值得点名。 进入最强刊物的那些结果，都是锚定在一次实验测量上的（一张衍射图谱、一条 NMR 谱），模型的输出可以对照仪器产出的东西去核验。这是一类与 benchmark 分数不同、也更难的主张，而这正是这份组合最站得住的地方。

边界： 解析与预测。从一条谱图里解出的结构，是一次"被变得可用的测量"，不是一种材料或一款药。可信度：高（经同行评审，且发表在会刊登数据的刊物上）。

4. 商业产品栈，以及它没有披露什么

能确认什么： 公司描述了一个覆盖"读、算、做"的"玻尔宇宙"引擎，以 Science-as-a-Service 交付。具名产品包括 Bohrium（科研云，配 Lebesgue 计算调度）、Hermite（计算药物设计）、RiDYMO（先导发现）、Piloteye（电池研发）、Uni-Lab（实验室集成）与 SciMaster（通用科学智能体）。公司成立于 2018 年，在北京、上海、深圳与宜宾设有办公与研发中心。

使用数据由公司给出、经其 C 轮融资报道转述：工具被"全球 1,000 多所高校与科研机构"使用，以及"150 家企业客户"，其中最大的客户包括中国石油与比亚迪。

边界：一千家机构，零篇已公开的结果。 没有任何客户 KPI、没有前后对比、没有任何可归因于这些产品的具名成果。RiDYMO 被描述为面向此前不可成药的靶点，却没有点名任何候选、IND 或试验。Uni-Lab 是一个实验室操作系统，没有公开吞吐量。SciMaster 是一个智能体，没有公开评测。可信度：部署确如所述（中，公司自述、客户具名、经第三方报道转述）；任何科学或商业结果（低）。

待查线索： 来自任一具名客户的 KPI；一个 RiDYMO 候选；SciMaster 在由他人维护的基准上的评测；Uni-Lab 的吞吐量。

5. 资本，以及一个没人回答过的问题

能确认什么： 2025 年 12 月 24 日公布的 C 轮融资，金额 8 亿人民币（约 1.14 亿美元），由 Fortune Venture Capital 与北京京国瑞股权投资基金领投，北京市人工智能产业投资基金、北京市医药健康产业投资基金、联想创投、Incubator Group 与 Oriza Hua 参与。（投资方名称按报道中的英文原样保留，未作中文对应的推定。）未披露估值，也未披露收入。

这份记录提出的开放问题关乎形态，而不是规模。 深势科技同时在卖一朵科研云、一个算力调度器、一个药物设计平台、一个先导发现平台、一个电池研发平台、一个实验室操作系统和一个科学智能体。要么它们会复利（每一个客户的工作都汇入同一个数据飞轮，让下一代模型更好）；要么它们是共享一个品牌和一个模拟内核的几条服务业务。没有任何公开材料能区分这两者，而这些产品自身的披露，恰恰是那种证据本该出现的地方。

边界： 融资。可信度：轮次与投资方（高）；那个战略问题在公开层面尚无答案。

找不到什么

• 没有任何已公开的端到端自主发现。 没有材料显示 SciMaster 或 Uni-Lab 跑完一个闭环并产出了一项发现。
• 150 家企业客户里，没有任何一家的结果、KPI 或案例研究。
• 没有 RiDYMO 候选、IND 或试验注册。
• 没有估值、收入或人数。
• 113 篇论文里，公司的贡献没有任何拆分：作者位次、是否通讯作者，或哪些用到了公司产品。
• Uni-Lab 没有吞吐量数字，SciMaster 也没有在任何由外部维护的基准上的评测。

方法与范围

材料来自公司的英文 About 页、DeepModeling 社区页面、Europe PMC 的单位署名检索、上文点名的那些同行评审论文、2020 年 ACM 戈登·贝尔奖的获奖公告，以及关于 2025 年 12 月 C 轮的第三方报道。凡是由公司给出、经记者转述的数字，页面都做了标注。

可信度按条目标注，而不是按方向标注。 标签含义：

• 高：经同行评审的论文、公开产物，或可独立复现的检索；
• 中：官方陈述或公司自报的数字（细节可查，但外部未验证）；
• 低：单一来源的说法，或一个数字在被拿去论证某件事时其含义已经不成立。

两条操作规则： 版本修订按版本标注日期，不作为新项目；"项目存在"不等于"技术成功"。

关于这家公司还有一句话。113 这个数字，既是本页上最强的证据，也是最容易被误读的。它强，是因为任何人都能重跑那条检索，也因为放行那些论文的是审稿人而不是市场部。它容易被误读，是因为论文数量衡量的是"对科学的参与"，而不是"产品带来的结果"，而从"这家公司的研究者出现在 Nature 的作者名单上"到"这家公司的平台加速了它客户的研发"，中间那段距离，正是本页这类页面存在的意义：让它一直可见。

一手来源

经同行评审

• DeePMD-kit v3: A Multiple-Backend Framework for Machine Learning Potentials，*J. Chem. Theory Comput.*（2025-05-02）
• Data-driven quantum chemical property prediction leveraging 3D conformations with Uni-Mol，*Nature Communications*（2024-08-19）
• End-to-End Crystal Structure Prediction from Powder X-Ray Diffraction，*Advanced Science*（2025-01-04）
• NMRexp: A database of 3.3 million experimental NMR spectra，*Scientific Data*（2025-12-18）
• NMR-Solver: automated structure elucidation via large-scale spectral matching，*Nature Communications*（2026-04-02）
• Europe PMC 单位署名检索：2026-09-17 返回 113 条

公司与社区

• DP Technology: About
• DeepModeling: About
• 2020 年 ACM 戈登·贝尔奖公告，含获奖团队与其单位