.png?table=collection&id=cbe6506e-1263-8358-a4d7-07ce62fcbb3f&t=cbe6506e-1263-8358-a4d7-07ce62fcbb3f){kind=small}
ARTICLE SIGNAL
95后中科大少年班打造AI科学家获5000万融资！AI4S干湿闭环
中科大少年班校友创立科理新序,首轮融资近5000万元,专注AI4S科学基座模型,打通认知实验干湿闭环,推动生命科学与AGI前沿创新,从大模型到自主AI科学家,重塑前沿科学发现范式,打造领先AI资讯与技术生态
type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能技术从生成式文本、多模态内容向物理世界深度渗透的当下，AI for Science（AI4S，科学智能）正成为全球科技界与资本市场竞相瞩目的黄金赛道。随着大语言模型（LLM）在理解、推理与代码生成层面的快速演进，人们不再满足于让AI充当简单的聊天助手或提示词（Prompt）生成器，而是希望将AI打造为具备自主假设、严谨推理和闭环实验能力的“AI科学家”。
近期，由中科大少年班95后校友领衔创立的科学智能创企科理新序宣布完成首轮近5000万元融资，引发了行业内的广泛热议。本轮融资由英诺科创基金领投，沂景资本、小苗朗程、麟阁创投跟投，光源资本担任战略孵化方及独家财务顾问。这笔资金将全面注入AI4S科学基座模型迭代、自动化湿实验平台部署及顶尖科研团队扩充。这一动态不仅标志着中国青年科学家在全球AI前沿探索中崭露头角，也向外界展示了AI从虚拟空间走向物理实验室、实现“干湿闭环”的全新可能。关注前沿技术演进的读者，也可以在专业的 AI门户与AI资讯平台 获取更多最新的全球AI新闻与深度产业洞察。
少年班天才的学术蜕变：从单点算法到系统化科学智能体
科理新序的创始人、CEO兼CTO张载熙出生于1998年，本科就读于中国科学技术大学少年班学院理论与应用力学专业，随后在中科大获得计算机科学博士学位，并在哈佛医学院、普林斯顿大学AI实验室等顶尖学府接受联合培养和博士后训练，还曾历练于腾讯量子实验室、微软亚洲研究院及百图生科。在AI4S领域，他曾主导分子筛选模型MGSSL、药物分子生成模型FLAG、蛋白质口袋设计模型PocketGen和RNA药物设计模型RNAGenesis等一系列开创性工作。
毕业时，张载熙曾获得海内外十多所顶尖高校教职邀请（包括美校开出的数百万美元启动经费包）以及科技大厂千万年薪的重金招揽，但他最终选择加入香港科技大学担任助理教授（获化工、计算机、医学院三系同聘），并创立科理新序加速前沿科研成果的产品化与产业化落地。科理新序团队成员同样汇聚了来自剑桥、普林斯顿、Google DeepMind、华为等顶级机构的复合型人才。
在早期的研发过程中，团队逐渐意识到一个核心痛点：单纯依赖单点模型并不等同于拥有科学发现能力。例如在复杂的生物医药研发中，完成一次完整的蛋白药物设计往往需要调度数十个专业软件与算法工具。即便像AlphaFold这样轰动全球的成果，也仅仅解决了蛋白质三维结构预测这一个环节。
为了打通全流程，团队早期开发了STELLA与BioClaw等科学智能体，将碎片化的数据库、预测模型与分析工具进行有机串联。在与国家重点免疫学实验室的实战合作中，STELLA系统仅用10分钟便完成了急性髓系白血病相关候选靶点的初筛，其中优先级最高的全新靶点在后续的细胞系实验中获得了正向验证。而同等体量的文献检索与靶点分析，人类专家往往需要耗费数周时间。
颠覆传统交互范式：从Language Token迈向Scientific Token
现阶段基于大模型驱动的科研智能体，底层依然大多依赖以自然语言为载体的提示词（Prompt）来调用外部API和工具。然而，科学世界本质上由三维分子构型、序列密码、动态力场与高维组学矩阵构成。文本和代码在不同模态与工具之间频繁转化，必然会导致严重的特征损耗与精度丢失。
科理新序明确提出了AI4S模型架构的关键跃迁路径：从Language Token走向Scientific Token。
所谓Scientific Token，是指将DNA、RNA、氨基酸序列、蛋白质三维构象、单细胞转录组矩阵以及实验室传感器读数等多模态物理科学数据，直接映射到统一的多维科学表征空间。模型不再需要通过自然语言做中间转译，而是在科学世界原生语义空间内进行高维表征学习与逻辑推理。
该团队将核心演进路径概括为四大支柱：
1. 从Language Token走向Scientific Token：建立统一的多模态科学数据底座；
2. 从工具调用走向科学发现：摆脱单纯的工作流拼接，实现端到端的自主假设生成；
3. 从离线预测走向实验验证：告别纯计算模拟，深入真实物理世界；
4. 从静态模型走向自我进化：依托真实实验数据不断完成自监督更新与微调。
首代基座模型将直接聚焦生命科学的核心法则（中心法则：DNA→RNA→蛋白质→表型功能）。以生物医药中难度极高的抗体设计为例，当前行业内的实验成功率普遍仅为10%至20%，而科理新序希望借助科学基座模型的端到端表征能力，将序列设计的湿实验成功率提升至80%以上。
具身智能进驻实验室：Agentic-VLA构建真正的“干湿闭环”
在AI4S的技术闭环中，“干实验室”（计算与模拟）与“湿实验室”（生物化学与物理实验）之间的脱节一直是最难攻克的高地。传统的实验室自动化设备往往专为高度固定的高通量检测流程设计，一旦需要更改探索性的实验方案，软硬件的重新配置成本极高，无法满足科研探索中高度定制化的需求。
为了解决这一行业顽疾，科理新序正在研发面向科研场景的Agentic-VLA（视觉-语言-行动）系列具身智能模型。该方案结合了物理沙盒环境与多自由度机械臂，涵盖超200种实验仪器的操作定义。智能体不仅能依据上游基座模型生成的实验方案进行任务细分与机械臂控制，还具备实时视觉监控与实验异常自主纠错能力。
更为关键的是对中间数据与失败数据的系统性回收。在传统学术论文中，公开的通常只有最终成功的理想结果，而实验过程中的反应速度曲线、中间产物图像以及大量失败试错数据往往被忽视。科理新序通过部署多维度传感器采集这些隐性数据，将其转化为模型持续反哺训练的核心燃料，从而真正实现“认知—设计—实验—反馈—再学习”的高效飞轮。
AGI视角下的AI科学家：未来产业格局与商业化机遇
随着chatGPT、claude等通用大模型展现出惊人的泛化推理能力，以及openai等头部企业在强化学习与长链条思维推理上的突破，人工智能的发展重心正从消费级的AI应用与AI变现，加速外溢到基础科学攻坚领域。
“AI科学家”的崛起，代表着AGI（通用人工智能）向垂直硬核领域的深度演化：
* 加速颠覆性创新周期：在药物研发、新型高分子材料、常温超导、芯片架构设计等高价值领域，AI科学家的引入将原本耗时数年甚至数十年的试错周期缩短至数周，大幅降低研发成本；
* 人机协作科研新形态：未来的科研工作者将更少从事重复性的移液与基础文献整理工作，转而承担宏观研究方向把控、科学伦理评估与高阶假设筛选等角色；
* 从数字智能走向物理智能：结合具身智能的物理实验室，是AI验证物理规律、探索未知规律的终极试炼场，这也为整个人工智能产业指明了下一阶段的技术突破口。
想要持续追踪大模型算法迭代、AI日报动态及最新科研落地进展的开发者与行业从业者，可以定期浏览 高质量AI新闻与AI门户，把握前沿技术发展脉搏。
结语
从千亿参数通用LLM的风靡，到95后科学家团队打造能跑通干湿闭环的“AI科学家”，人工智能技术正在完成从“感知理解”到“自主创造”的深刻跃迁。科理新序获近5000万元融资，不仅是对团队技术实力的高度肯定，更是资本市场对AI4S范式转移投下的关键信任票。
当科学基座模型打破模态壁垒、具身机械臂走入湿实验室，一个由AI自主提出科学假设、自动化完成验证并持续自我进化的新科研时代正在加速到来。科学发现的边界，或将在AI的助力下迎来前所未有的大爆发。
Loading...