青葵智造完成亿元A轮融资：北航博士团队押注自驱动实验室

图源/企业

本文约3000字，建议阅读8分钟

硬氪获悉，专注科学研发的Physical AI公司青葵智造近日宣布完成亿元A轮融资。本轮由创东方投资、飞荣达股份及金辉大数据共同出资。资金主要投向三块：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落地产业化。

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

近几年，AI4S（AI for Science）的走向在变：过去靠计算驱动科学发现，如今正在向AI自主执行实验演进。行业眼下面临的核心痛点有两个——“Execution Gap”（执行鸿沟）与“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，两边还没真正打通。

陈南江向硬氪直言，目前不少科学模型仍然依赖公开文献和数据库训练，可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。模型能提出很多假设，但缺少真实实验验证和持续的数据反馈，预测和决策能力就很难不断提高。随着大模型技术爆发，行业逐渐意识到，没有高质量的结构化湿实验数据，AI在条件筛选与合成层面的能力将遭遇天花板。

陈南江团队据此选定了“软硬一体、干湿闭环”的方向。他把青葵智造的整套自动化实验室方案比作人体：顶层由科学大模型负责实验设计与决策，相当于大脑；中层是承担调度职责的操作系统，好比神经系统；底层则是完成物理执行的硬件，如同双手。

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，再到标准实验流程等不同层级，都能实现模块化的柔性配置，以适配各类常见反应条件及分析方法。同时，青葵制造团队的自动化、软件技术积累也充分发挥出来，常见实验的可靠性、可重复性和一致性由此得到保障。

管理调度层上，AI-LabOS将物理设备抽象为可调用的智能体，把不同实验流程分解为不同智能体的标准化实验动作，以实现各类实验流程的适配。借助不同层级的数据采集解决方案，它实现了覆盖执行单元、实验节拍、反应条件、实验室运营管理等多维度的数据采集和追溯。调度仿真与数字孪生技术则让多台套机器人的协同调度与实验流程编排成为可能，不懂硬件编程的化学家也能快速上手，实验产出效率被最大限度提升。

决策层上，MoleMind基于湿实验室产生的多维高质量数据训练各类型模型。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、反应条件优化等能力，都覆盖在内，形成适用于不同场景的垂类模型，真正把模型用到实验辅助分析、实验辅助设计与决策中。

陈南江说：“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。”青葵智造眼下已是工信部人工智能标准化技术委员会成员单位，还牵头建起了市重点实验室。

效率与精度方面，和传统人工实验模式相比，NexoLab能把实验效率提升数十倍；机器人操作摒弃了人工误差，实验可靠性、安全性上优势明显。AI-LabOS通过智能化分析及调度，最大程度提高设备利用率，并实现全维度的数据追溯，改善传统实验室人工管理的无序和低效。MoleMind则充分借助AI的知识沉淀能力，让不同维度的数据、知识实现融合、积累、迸发，最终辅助科学家拓展科学边界。

从商业化落地看，青葵智造当前服务的客户分布在制药、精细化工、新材料、新能源以及科研院所等领域，多为头部机构，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，底层实验环节（如固液混合、投料反应、分析检测等）已实现高度的模块化和标准化，公司产品的跨行业适配性较强，客户复购率表现良好。

卖设备之外，青葵智造也在寻找第二增长曲线。今年下半年，公司首个自持的全自动AI化学机器人实验室建成，既为自家模型训练输送高质量数据，也开始试着对外提供实验即服务（Experiment as a Service）。制药、材料、新能源或科研院所经由云端实验入口，能把实验任务传下去、把实验结果收回来，水氧环境、加热曲线、分析图谱等各类实验数据还能实时查看。

海外市场人力成本更高，对环境和安全的要求也更严，陈南江因此把海外视为接下来重点发力的方向。眼下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建立了合作。

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：差异化有两块。一块是把行业Know-how转化出来。AI4S本身就是高度交叉融合的行业，我们团队的基因是机械自动化、软件及AI，可化学领域的实验设计、实验操作、结果分析等内容和细节非常丰富，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、沉淀各类化学场景，跟自动化、AI的基因融到一起。

另一块是真正的干湿闭环。干湿实验闭环听着不难，真正难的是把干实验和湿实验两套体系融起来、闭成环，这也是眼下行业里各类型企业共同面对的难题。我们始终把干实验设计建立在湿实验体系之上，坚持用真实实验场景把实验设计、实验执行到实验迭代的整个流程验证一遍，并围绕这套体系搭起实验质量评价体系，让干湿闭环在真实场景里不断迭代。到目前，科研、产业等领域已经验证出一些不错的结果。

硬氪问：科学AI会不会出现“幻觉”或出错，客户对此有没有顾虑？眼下AI在实验环节的信任度到底怎样？

陈南江认为这个问题抓住了要害。他的回答是，通用语言模型绝不能被直接拿来跑实验；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去训练模型，幻觉因此被大幅压低。就全球范围看，AI自动生成的实验方案目前仍要由化学家做最后核准，也就是说眼下还是人机配合，做不到完全无人。不过他相信，随着高质量实验数据越积越多、数据标准化程度逐步提高，AI在某些领域的预测和判断会越来越准，最终会超过人类科学家。谈到公司下一步的重点，他列出三件事。

头一件是自建机器人实验室，靠大量真实实验积累、沉淀高质量的结构化数据。在他看来，AI4S细分赛道上的较量，说到底拼的就是真实实验数据。第二件是在这些数据之上把MoleMind训练得更聪明。第三件是往海外走——中国在软硬件结合这条路上迭代速度很快。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。

投资方也给出了自己的看法。

创东方投资方面称：“AI4S 正从技术验证阶段迈向产业应用，我们看好这一机遇。青葵智造在科学智能决策、实验自动化与数据闭环上搭起了成体系的技术能力，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，期待公司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要求。青葵智造在智能实验、材料配方筛选、自动化测试上积累的技术，和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，双方存在协同潜力。希望借这次投资，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走得更快。”