青葵智造完成亿元A轮融资，北航博士陈南江带队做AI4S自驱动实验室

图源/企业

本文约3000字，建议阅读8分钟

硬氪获悉，青葵智造近日宣布完成亿元A轮融资。这家公司做的是面向科学研发的Physical AI，本轮由创东方投资、飞荣达股份及金辉大数据共同参与。钱主要花在三个方向：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。

青葵智造成立于2021年，业务面向生物医药、化学工业、先进材料、新能源等领域，提供“AI设计—自动化执行—多模态数据回流—模型自适应迭代”的干湿实验闭环解决方案。公司创始人、董事长陈南江是北航博士，此前在北航机械学院任职，在机器人及智能制造领域有十余年连续创业经验。

这几年，AI4S（AI for Science）正从计算驱动的科学发现，往AI自主实验执行的方向演进。但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，数字世界里的智能决策，和真实世界里的实验执行，还没真正打通。

陈南江向硬氪直言，现在不少科学模型还是靠公开文献和数据库训练，可公开数据常常实验条件记录不完整，失败样本也不够。模型能提出一堆假设，但少了真实实验验证和持续的数据反馈，预测和决策能力就很难往上走。大模型技术爆发之后，行业慢慢意识到：没有高质量的结构化湿实验数据，AI在条件筛选与合成上的能力会撞到天花板。

看清这一点，青葵智造选了“软硬一体、干湿闭环”的路子。陈南江把一套完整的自动化实验室方案比作人体：底层管物理执行，是硬件，相当于双手；中层管调度，是操作系统，相当于神经系统；顶层负责实验设计决策，是科学大模型，相当于大脑。

图源/企业

青葵智造自动化合成实验室（图源/企业）

硬件层上，NexoLab把经典化学实验的动作和流程做了标准化、数字化和模块化。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，不同层级都能模块化柔性配置，适配各类常见反应条件及分析方法。青葵制造团队在自动化、软件上的积累也派上了用场，常见实验的可靠性、可重复性和一致性都得到了保证。

管理调度层由AI-LabOS负责。它把物理设备抽象成可调用的智能体，把不同实验流程拆成不同智能体的标准化实验动作，各类实验流程都能适配。不同层级的数据采集方案，让执行单元、实验节拍、反应条件、实验室运营管理等多维度的数据都能采集和追溯。调度仿真与数字孪生技术则支撑多台套机器人的协同调度与实验流程编排。不懂硬件编程的化学家也能快速上手，实验产出效率尽量拉满。

决策层是MoleMind。它拿湿实验室产生的多维高质量数据训练各类型模型，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，形成适用于不同场景的垂类模型，把模型真正用到实验辅助分析、实验辅助设计与决策里。

陈南江说，化学实验里细节很多，比如氮气环境下不同形状物质的加样及称量，平行反应器怎么做热设计和结构设计，才能保证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。”目前，青葵智造已获批成为工信部人工智能标准化技术委员会成员单位，并牵头建立市重点实验室。

效率和精度上，和传统人工实验模式相比，NexoLab能把实验效率提升数十倍。机器人操作去掉了人工误差，实验可靠性和安全性上的优势很明显。AI-LabOS靠智能化分析及调度，尽量提高设备利用率，全维度数据追溯也补上了传统实验室人工管理无序、低效的短板。MoleMind则借助AI的知识沉淀能力，让不同维度的数据、知识融合、积累、迸发，最终辅助科学家拓展科学边界。

从商业化落地看，青葵智造已把制药、精细化工、新材料、新能源以及科研院所等领域的头部机构纳入客户名单，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，底层实验环节比如固液混合、投料反应、分析检测等已经高度模块化和标准化，产品跨行业适配性较强，客户复购率表现不错。

设备交付之外，青葵智造在找第二增长曲线。今年下半年，公司建成首个自持的全自动AI化学机器人实验室，既为自己的模型训练提供高质量数据，也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，实现从实验任务到实验结果的双向传递，还能实时查看水氧环境、加热曲线、分析图谱等各类实验数据。

海外人力成本更高，对环境与安全性的要求也更严，陈南江认为海外市场会是接下来重点发力的方向。目前，青葵智造已在新加坡和韩国设立办公室，并与当地的高校、科研院所及产业客户展开合作。

以下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：差异化分两块来讲。一块是把行业Know-how转成可用东西。AI4S本身就是交叉度很高的领域，我们团队长在机械自动化、软件和AI上；可化学里的实验设计、实验操作、结果分析这些内容与细节非常丰富，得先把这些场景和需求摸透，再做成标准化、数字化的软硬件模块，同时借助AI去理解、学习并沉淀各类化学场景，让它跟自动化、AI的底子融到一起。

另一块是真正跑通干湿闭环。干实验和湿实验要闭环，听着不复杂，难的是把两套体系接起来、形成回路，这也是眼下行业里各类企业都绕不开的坎。我们的做法一直是在湿实验体系上做干实验设计，并且用真实实验场景去覆盖实验设计、实验执行到实验迭代的全流程验证，再搭一套围绕这个体系的实验质量评价办法，让干湿闭环能在真实场景里反复迭代。到目前，科研、产业等方向已经验证过，也拿到了一些不错的结果。

硬氪问到，客户会不会担心科学AI“胡编乱造”，眼下AI做实验的信任度到底怎么样？

陈南江说，这问题问到了点子上。通用语言模型不能直接拿来跑实验。他们的做法是在通用大模型底座上，用湿实验室产出的真实垂直数据训练模型，幻觉因此被大幅压下去。放到全球范围看，AI自动生成的实验方案现在仍要化学家做最后核准——现阶段是人机配合，不是完全无人。他判断，高质量实验数据越积越多、标准化程度逐步提高之后，AI在某些领域的预测和判断准确率会一路往上走，最终超过人类科学家。

硬氪接着问，公司下一步的重点规划是什么？

陈南江给出三条。头一条是大力发展自持的机器人实验室，靠大量真实实验积累、沉淀高质量结构化数据——AI4S的细分竞争，说到底拼的就是真实实验数据。第二条是在这些数据之上把MoleMind训练得更聪明。第三条是海外拓展，中国在软硬件结合这条路上迭代很快。技术目标方面，他希望一两年内让云实验室形成规模优势，把数据池做大。

投资方也谈了看法。

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、数据闭环上搭起了一套成体系的技术能力，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。”

飞荣达方面称：“AI 算力基础设施跑得快，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、自动化测试上攒下的技术底子，跟飞荣达在电磁屏蔽材料、功能性材料、热管理材料以及液冷等方向的业务布局，有协同的空间。这次投资是个契机，双方可以一起探索 AI 和自动化实验技术在材料研发、工艺优化里怎么用，把技术创新和产业化推得更快。”