青葵智造完成亿元A轮融资

11月13日，张通社获悉，面向科学研发的Physical AI公司青葵智造近日宣布完成亿元A轮融资，本轮融资由创东方投资、飞荣达股份及金辉大数据共同参与。资金将重点用于核心技术研发、重点行业拓展以及云实验室建设，加速自驱动实验室的产业化落地。

青葵智造成立于2021年9月，位于北京市海淀区，核心业务是面向生物医药、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、董事长陈南江为北航博士，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。

近年来，AI4S（AI for Science）正从计算驱动的科学发现，向AI自主实验执行演进。不过，行业内仍面临着“Execution Gap”（执行鸿沟）与“Data Gap”（数据鸿沟）这样的核心痛点，即数字世界中的智能决策，与真实世界中的实验执行尚未充分打通。陈南江表示，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。随着大模型技术的爆发，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。

青葵智造自动化合成实验室（图源/企业）

基于这一判断，青葵智造选择了一条“软硬一体、干湿闭环”的路线。陈南江将一套完整的自动化实验室解决方案类比为人体：底层是负责物理执行的硬件（双手），中层是负责调度的操作系统（神经系统），顶层是负责实验设计决策的科学大模型（大脑）。

在硬件层，NexoLab将经典化学实验动作和流程进行了标准化、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，以及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；同时充分发挥团队的自动化、软件技术积累，实现了常见实验的可靠性、可重复性和一致性。在管理调度层，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；同时借助不同层级的数据采集解决方案，实现覆盖执行单元、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，并可以通过调度仿真与数字孪生技术，实现多台套机器人的协同调度与实验流程编排，让不懂硬件编程的化学家也能快速上手，最大限度提升实验产出效率。在决策层，MoleMind基于湿实验室产生的多维高质量数据进行各类型模型训练，可以实现包括智能实验设计、设备状态预测、实验数据可靠性评价、实验优化及自迭代、反应条件优化等在内、适用于不同场景的垂类模型，真正将模型应用到实验辅助分析、实验辅助设计与决策中。

陈南江表示，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；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。在效率与精度上，相较于传统的人工实验模式，NexoLab可以将实验效率提升数十倍；同时，机器人操作摒弃了人工误差，在实验可靠性、安全性上具有显著优势；AI-LabOS可以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，并最终辅助科学家拓展科学边界。

在商业化路径上，青葵智造目前的客户覆盖制药、精细化工、新材料、新能源及科研院所等领域的头部机构，包括中科院、勃林格殷格翰、恒瑞医药、国轩高科等。陈南江透露，由于底层实验环节（如固液混合、投料反应、分析检测等）已实现了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。

在设备交付之外，青葵智造正在探索第二增长曲线。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，除了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，并可以实时查看包括水氧环境、加热曲线、分析图谱在内的各类实验数据。此外，由于海外人力成本更高、对环境与安全性要求更严，海外市场将成为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，并已经与当地的高校、科研院所及产业客户展开合作。

谈及核心差异化，陈南江表示主要体现在两方面：一是行业Know-how的转化，AI4S本身是高度交叉融合的行业，团队基因是机械自动化、软件及AI，而化学领域的实验设计、实验操作、结果分析等有非常丰富的内容和细节，需要对这些场景和需求充分了解，并将其转化为标准化、数字化的软硬件模块，借助AI进行各类化学场景的理解、学习和沉淀，与自动化、AI的基因实现融合；二是真正的干湿闭环，公司坚持在湿实验体系的基础上进行干实验设计，用真实实验场景覆盖实验设计、实验执行到实验迭代的全流程验证，并建立围绕这一体系的实验质量评价体系，让干湿实验闭环能够在真实实验场景下迭代，目前已在科研、产业等领域验证并得到较好结果。

针对科学AI产生“幻觉”或错误的顾虑，陈南江表示，公司不会用通用语言模型直接做实验，而是在通用大模型底座上，用湿实验室跑出来的真实垂直数据来训练模型，这会大大消减幻觉；目前在全球范围内，AI自动生成的实验方案仍然需要化学家做最终核准，现阶段还是人机结合，没有完全无人；随着高质量实验数据规模的不断扩大、数据标准化程度的逐步提升，AI在某些领域的预测、判断准确率会越来越高，并最终超越人类科学家。关于后续规划，公司将大力发展自持的机器人实验室，大量做真实实验来积累和沉淀高质量结构化数据——在AI4S的细分竞争中，本质就是真实实验数据的竞争；在大量数据基础上把MoleMind训练得更聪明；同时推进海外拓展，希望在一两年内让云实验室形成规模优势，把数据池做大。