青葵智造陈南江：北航博士带队做AI4S，亿元A轮融资落地

图源/企业

全文大约3000字，阅读需要8分钟。

硬氪了解到，青葵智造是一家做科学研发的Physical AI公司，近日已完成亿元A轮融资。这轮由创东方投资、飞荣达股份、金辉大数据三方共同出资。钱主要投向三个方向：核心技术研发、重点行业拓展，以及云实验室建设，目的是让自驱动实验室更快走向产业化。

这家公司2021年成立，落点在生物医药、化学工业、先进材料、新能源等场景，做的是“AI设计—自动化执行—多模态数据回流—模型自适应迭代”的干湿实验闭环方案。创始人、董事长陈南江是北航博士，此前在北航机械学院任职，在机器人和智能制造领域连续创业十余年。

AI4S（AI for Science）这几年正从计算驱动的科学发现，转向由AI自己动手做实验。问题是，行业里还卡着两道坎——“Execution Gap”（执行鸿沟）和“Data Gap”（数据鸿沟）。说白了，数字世界做出的智能决策，和真实世界里跑的实验，两头还没真正接上。

陈南江对硬氪说得很直接：“目前不少科学模型仍然依赖公开文献和数据库训练，但公开数据往往存在实验条件记录不完整、失败样本不足等问题。模型可以提出很多假设，但如果缺少真实实验验证和持续的数据反馈，就很难不断提高预测和决策能力。”大模型火起来之后，行业也慢慢看清一件事：拿不到高质量、结构化的湿实验数据，AI在条件筛选和合成上的能力迟早撞上天花板。

看清这一点，青葵智造走的是“软硬一体、干湿闭环”的路子。陈南江把一整套自动化实验室方案比作人体：最底下管物理执行的是硬件，相当于双手；中间负责调度的是操作系统，好比神经系统；最上面做实验设计决策的是科学大模型，如同大脑。

图源/企业

青葵智造的自动化合成实验室（图源/企业）

硬件这块，NexoLab把化学实验里经典的动作和流程做了标准化、数字化、模块化处理。从标准化执行单元，到投料合成、样品处理及分析、分离纯化等工作站，再到标准实验流程，不同层级都能按模块柔性配置，常见反应条件和分析方法都能适配。团队在自动化和软件上的积累也派上了用场，常见实验的可靠性、可重复性、一致性都得到保证。

管理调度层由AI-LabOS负责。它把物理设备抽象成可以调用的智能体，不同实验流程被拆成各个智能体的标准化实验动作，各类流程因此都能适配。数据采集方案覆盖多个层级，执行单元、实验节拍、反应条件、实验室运营管理等维度的数据都能采集和追溯。再借助调度仿真和数字孪生，多台套机器人可以协同调度、实验流程可以编排。不懂硬件编程的化学家也能很快上手，实验产出效率尽量往上提。

决策层是MoleMind。它拿湿实验室产出的多维高质量数据训练各类模型，能做智能实验设计、设备状态预测、实验数据可靠性评价、实验优化及自迭代、反应条件优化等，形成适配不同场景的垂类模型，把模型真正用进实验辅助分析、实验辅助设计与决策里。

陈南江提到：“化学实验里有很多细节，比如氮气环境下不同形状物质的加样及称量，平行反应器如何进行热设计和结构设计以保障搅拌和温度曲线的一致性。我们要把这些理解透彻，再转化成软件界面和底层算法。”眼下，青葵智造已是工信部人工智能标准化技术委员会成员单位，还牵头建立了市重点实验室。

效率与精度上，和传统人工实验比，NexoLab能把实验效率拉高数十倍。机器人操作没有人工误差，可靠性和安全性上的优势很明显。AI-LabOS靠智能化分析和调度，尽量把设备利用率做高，数据追溯覆盖全维度，传统实验室人工管理那种无序和低效得以改善。MoleMind则用AI沉淀知识，让不同维度的数据、知识融合、积累并释放出来，最终帮科学家把科学边界往外推。

商业化方面，青葵智造现在的客户集中在制药、精细化工、新材料、新能源以及科研院所等领域的头部机构，中科院、勃林格殷格翰、恒瑞医药、国轩高科都在其中。

陈南江透露，固液混合、投料反应、分析检测这些底层实验环节已经高度模块化、标准化，产品跨行业适配性比较强，客户复购率表现也不错。

卖设备之外，青葵智造在找第二增长曲线。今年下半年，公司建成了首个自持的全自动AI化学机器人实验室，一方面给自己的模型训练供高质量数据，另一方面开始尝试对外提供实验即服务（Experiment as a Service）。制药、材料、新能源或科研院所可以通过云端实验入口，把实验任务传进去、把实验结果取回来，水氧环境、加热曲线、分析图谱等各类实验数据都能实时查看。

海外也被陈南江看作接下来的重点。那边人力成本更高，对环境与安全的要求更严。目前青葵智造已在新加坡和韩国设了办公室，并与当地高校、科研院所及产业客户开展合作。

下面是硬氪与青葵智造创始人陈南江的访谈节选（经编辑）：

硬氪：现在做AI4S的团队很多，青葵智造的核心差异化在哪里？

陈南江：差异化可以从两个方向看。其一是把行业Know-how转化出来。AI4S这门生意本身就横跨多个领域，我们团队的长处集中在机械自动化、软件和AI上，可化学那边的实验设计、动手操作、结果分析，里面的门道和细节相当多。这些场景和需求得先摸透，再做成标准化、数字化的软硬件模块，同时尽量用AI去理解、学习、积累各种化学场景，最后跟自动化、AI的底子捏到一起。

其二是把干湿闭环真正跑通。干实验和湿实验要融成一体、形成闭环，这话讲起来轻巧，做起来却是眼下各类企业都绕不开的难题。我们的做法一直是在湿实验体系上做干实验设计，实验设计、执行、迭代整个流程都拿真实实验场景去验证，再围绕这套体系搭起实验质量评价机制，让闭环能在真实场景里反复打磨。到目前，科研和产业等方向都做过验证，也拿到了一些不错的结果。

硬氪问了一个客户普遍关心的问题：科学AI会不会出现“幻觉”或者给出错误结论，眼下AI在实验环节的信任度到底怎么样？

陈南江回应称，这个问题很关键。通用语言模型不可能直接拿来跑实验，公司的做法是在通用大模型底座之上，用湿实验室产出的真实垂直数据训练模型，幻觉因此被大幅压低。他同时提到，放眼全球，AI自动生成的实验方案目前仍要由化学家做最终核准，也就是说现在还处在人机结合阶段，并没有做到完全无人。不过随着高质量实验数据规模不断变大、数据标准化程度逐步提高，陈南江判断AI在某些领域的预测和判断准确率会越来越高，最终会超过人类科学家。

硬氪随后问到公司下一步的重点规划。

陈南江给出三个方向。首先是大力发展自持的机器人实验室，通过大量真实实验积累、沉淀高质量的结构化数据——在他看来，AI4S细分领域的竞争，本质上拼的就是真实实验数据。其次是在这些数据的基础上把MoleMind训练得更聪明。第三是海外拓展，他提到中国在软硬件结合这条路上迭代很快。技术目标上，公司希望一两年内让云实验室形成规模优势，把数据池做大。

投资方也表达了对这家公司的看法。

创东方投资方面称：“AI4S 正从技术验证阶段迈向产业应用，这个机遇我们看好。青葵智造在科学智能决策、实验自动化、数据闭环三方面形成了系统性的技术能力，商业价值也在真实产业场景里不断得到验证。本轮投资之后，希望公司能把商业化应用拓展到更多领域。”

飞荣达方面表示：“AI 算力基础设施发展很快，液冷散热和热管理技术对材料性能、研发效率、工艺优化都提出了更高的要求。青葵智造在智能实验、材料配方筛选、自动化测试上有多年的技术积累；飞荣达的业务布局则覆盖电磁屏蔽材料、功能性材料、热管理材料以及液冷等技术，两边存在协同潜力。借这次投资的契机，双方希望把 AI 与自动化实验技术用到材料研发和工艺优化中去，让技术创新和产业化进程走得更快。”