機器之心編輯部

2026 年伊始，AI 的進化邏輯正從「單一工具賦能」轉(zhuǎn)向「場景深度共生」，當大模型在各領(lǐng)域持續(xù)突破，前沿科研與新材料研發(fā)領(lǐng)域，正迎來一場由 Agentic AI 驅(qū)動的效率革命。

從傳統(tǒng) AI 在材料研發(fā)中遭遇的跨學科壁壘、數(shù)據(jù)碎片化困境，到實驗失敗知識無法沉淀的行業(yè)痛點，先進功能材料的開發(fā)始終面臨著「翻譯 + 不確定性」的雙重難題。而就在此時，MetaNovas 攜全球首個 Agentic AI 先進材料發(fā)現(xiàn)平臺重磅亮相，以「多智能體協(xié)同 + 全鏈路閉環(huán)」的創(chuàng)新模式，打破傳統(tǒng)研發(fā)的效率瓶頸，更以數(shù)個 AI 設(shè)計新材料成功完成全球新原料備案、醫(yī)療器械新材料備案，進入國際國內(nèi)頭部品牌的核心產(chǎn)品的硬核成果，印證平臺從研發(fā)創(chuàng)新到產(chǎn)業(yè)落地的超強轉(zhuǎn)化能力，AI 設(shè)計的新材料落地到千家萬戶，實現(xiàn)了千萬美金 ARR，讓 AI 不再是實驗室的輔助工具，而是深度融入材料研發(fā)全流程的「核心研發(fā)伙伴」，開啟先進材料發(fā)現(xiàn)的「人機協(xié)同」新元年。

行業(yè)困局：從「能生成」到「會判斷」，AI 分子研發(fā)的核心瓶頸

過去兩年，AI for Materials、AI for Drug Discovery 賽道持續(xù)升溫，眾多玩家紛紛聚焦分子生成、結(jié)構(gòu)優(yōu)化的單點技術(shù)突破，讓「AI 設(shè)計分子」成為高頻熱詞。但在對安全性、合規(guī)性、長期驗證有著極致要求的分子研發(fā)領(lǐng)域，單點技術(shù)的優(yōu)化難以解決核心痛點：當分子候選數(shù)量呈指數(shù)級增長，行業(yè)的真正瓶頸早已從「如何生成更多分子」，轉(zhuǎn)向「如何判斷并篩選出能落地、有價值、可商業(yè)化的分子」。

一款新材料從設(shè)計到走入市場，需要跨越生物、化學、物理、材料等多學科的技術(shù)壁壘，還要滿足工藝適配、全球法規(guī)備案、長期穩(wěn)定性驗證等多重要求。傳統(tǒng) AI 模型多專注于單一任務(wù)優(yōu)化，無法實現(xiàn)全鏈路的決策與規(guī)劃，導致實驗室里的技術(shù)突破，始終難以轉(zhuǎn)化為工業(yè)端的實際生產(chǎn)力 —— 這也是 AI for Science 長期被質(zhì)疑「脫離產(chǎn)業(yè)現(xiàn)實」的核心原因。

更關(guān)鍵的是，市場需要的從來不是停留在論文里的分子結(jié)構(gòu)，而是能真正融入消費品、醫(yī)療器械、工業(yè)用品等主流產(chǎn)品線，通過產(chǎn)業(yè)驗證、完成全球合規(guī)備案的實用型新材料。當行業(yè)還在糾結(jié)「AI 能否設(shè)計有功能的分子」，MetaNovas 已經(jīng)通過 Agentic AI 技術(shù)，完成了從「AI 設(shè)計」到「AI 落地」的關(guān)鍵跨越。

核心突破：Agentic AI 系統(tǒng) MetAmigo，重構(gòu)分子研發(fā)全鏈路

MetaNovas 的核心競爭力，在于跳出了「單點模型優(yōu)化」的思維定式，打造了一套適配分子研發(fā)行業(yè)的 Agentic AI 自主研發(fā)體系 —— 核心系統(tǒng) MetAmigo，并非簡單的預測模型，而是一支以軟件形態(tài)存在的「智能研發(fā)組織」，其核心價值的是解決分子研發(fā)的「判斷能力」痛點，實現(xiàn)全鏈路的系統(tǒng)化研發(fā)。

MetAmigo 四大核心能力，破解行業(yè)痛點

與傳統(tǒng)單模型相比，MetAmigo 的核心優(yōu)勢的在于實現(xiàn)了分子研發(fā)的全鏈路閉環(huán)，將多學科推理、決策規(guī)劃、實驗迭代、法規(guī)適配融入每一個環(huán)節(jié)，具體具備四大核心能力：

• 跨學科系統(tǒng)推理：打破生物、化學、物理與材料單一學科的技術(shù)壁壘，實現(xiàn)多學科深度融合推理，解決分子研發(fā)中多領(lǐng)域協(xié)同的核心難題；
• 高不確定性下的多目標決策：兼顧分子的性能、工藝適配性、法規(guī)合規(guī)性、成本控制等多重要求，在復雜研發(fā)環(huán)境中做出科學、精準的判斷，避免無效研發(fā)；
• 實驗路徑自主規(guī)劃與經(jīng)驗學習：顯式規(guī)劃實驗路徑，記憶并學習實驗失敗經(jīng)驗，形成「Agent 提案→專家評審→濕實驗驗證→策略更新」的正向迭代閉環(huán)，持續(xù)提升研發(fā)效率；
• 法規(guī)與標準前置：將全球各地的工藝要求、穩(wěn)定性標準與法規(guī)約束前置到研發(fā)全流程，從源頭降低商業(yè)化落地的成本，縮短備案周期。

這套全鏈路系統(tǒng)的落地，離不開三大核心技術(shù)的支撐，這也是 MetaNovas 技術(shù)壁壘的核心：

「大模型」MUniGen：掌握分子語言的全能生成器

MUniGen 是 MetaNovas 自主研發(fā)的大規(guī)模分子語言模型，核心優(yōu)勢在于覆蓋超廣化學空間 —— 可高效覆蓋 10??量級的化學空間，有效結(jié)構(gòu)率超 95%，模型參數(shù)規(guī)模達 280 億，采用基于擴散生成機制的分子序列建模框架，在提升生成多樣性的同時，結(jié)合結(jié)構(gòu)約束與有效性篩選策略，降低無效或不穩(wěn)定結(jié)構(gòu)的生成概率。與傳統(tǒng)分子生成模型相比，MUniGen 通過多模態(tài)數(shù)據(jù)訓練，能更好地兼顧分子性能與工藝適配性，為后續(xù)的篩選與判斷奠定基礎(chǔ)。

「深模型」MPropSuite：物理驅(qū)動的精準性能預測器

MPropSuite 采用物理驅(qū)動與數(shù)據(jù)驅(qū)動相結(jié)合的方式，解決了傳統(tǒng)預測模型「精度不足、泛化性差」的痛點。系統(tǒng)集成量子化學特征計算與機器學習預測模塊，通過分子電子結(jié)構(gòu)特征、構(gòu)象能量及理化描述符建模，實現(xiàn)對 LogP、溶解度及穩(wěn)定性等相關(guān)參數(shù)的預測。在內(nèi)部測試集上，模型預測值與實驗數(shù)據(jù)具有較高相關(guān)性（R2>0.9）。同時，MPropSuite 支持多任務(wù)并行預測，可同時輸出分子的多項關(guān)鍵指標，提升研發(fā)決策效率。

Active Learning：與濕實驗體系深度耦合的主動學習閉環(huán)

不同于多數(shù) AI 企業(yè)「重模型、輕實驗」的布局，MetaNovas 搭建了自有濕實驗體系，并與 Agentic AI 系統(tǒng)深度耦合，形成了獨特的主動學習閉環(huán)。AI 系統(tǒng)根據(jù)實驗結(jié)果實時更新模型參數(shù)，優(yōu)化決策策略，而濕實驗則為 AI 模型提供真實、精準的反饋數(shù)據(jù)，讓模型在持續(xù)的產(chǎn)業(yè)驗證中完成自我進化 —— 這也是 MetaNovas 能實現(xiàn)分子研發(fā)商業(yè)化落地的關(guān)鍵支撐。

落地驗證：從實驗室到產(chǎn)業(yè)，AI 新材料的真實應用

技術(shù)的價值最終要靠落地驗證來體現(xiàn)，MetaNovas 的 Agentic AI 系統(tǒng)，已經(jīng)在消費品、醫(yī)療器械等領(lǐng)域?qū)崿F(xiàn)了商業(yè)化落地，打破了「AI 設(shè)計分子難以走進現(xiàn)實」的行業(yè)困境，這也是其區(qū)別于其他 AI for Science 企業(yè)的核心優(yōu)勢。

以衰老逆轉(zhuǎn)肽研發(fā)項目為例，MetaNovas 通過 MetAmigo 系統(tǒng)完成了全鏈路研發(fā)：首先通過 MUniGen 生成符合需求的分子候選集，再通過 MPropSuite 預測分子的活性、穩(wěn)定性與皮膚相容性，隨后由系統(tǒng)自主規(guī)劃實驗路徑，結(jié)合濕實驗驗證優(yōu)化分子結(jié)構(gòu)，最終篩選出具有新穎機制的衰老逆轉(zhuǎn)肽候選分子。整個研發(fā)周期較傳統(tǒng)方式縮短 60% 以上，研發(fā)成本降低 50%，且該分子已完成全球化妝品新材料備案，成功融入頭部品牌產(chǎn)品線。

除了消費品領(lǐng)域，MetaNovas 的技術(shù)還在醫(yī)療器械、高端材料等領(lǐng)域?qū)崿F(xiàn)落地，與國內(nèi)外多家頭部企業(yè)、科研機構(gòu)建立合作，推動 AI for Science 從科研范式走向工業(yè)現(xiàn)實。這些落地案例并非單純的成果展示，而是為整個行業(yè)提供了可復制的「AI + 新材料研發(fā)」解決方案，也印證了 Agentic AI 技術(shù)的產(chǎn)業(yè)價值。

團隊支撐：系統(tǒng)化工程思維，筑牢技術(shù)壁壘

MetaNovas 的技術(shù)突破，離不開一支兼具科研深度與工程經(jīng)驗的核心團隊 —— 團隊核心成員來自 MIT、NVIDIA 等頂尖高校和企業(yè)，擁有 AI for Science、復雜系統(tǒng)工程等領(lǐng)域的深厚積累，其中聯(lián)合創(chuàng)始人兼 CTO 余論為 MIT 核科學與工程及 AI 方向博士，作為少有的 4 年就從 MIT 直博畢業(yè)的頂尖技術(shù)人才，余論博士在創(chuàng)業(yè)前已經(jīng)在 UnitedHealth Group 擔任首席數(shù)據(jù)科學家，主導大規(guī)模機器學習與實驗平臺建設(shè)，具備豐富的復雜 AI 系統(tǒng)落地經(jīng)驗。其扎實的跨學科知識體系，恰好契合 Agentic AI 先進材料發(fā)現(xiàn)平臺「多學科交叉、多技術(shù)融合」的核心需求，為平臺雙核心自研大模型的研發(fā)、多智能體系統(tǒng)的優(yōu)化提供了堅實的技術(shù)支撐。

在余論博士看來，高可靠性的產(chǎn)業(yè)級 AI 系統(tǒng)，永遠無法從靜態(tài)模型中自然產(chǎn)生：「它需要具備記憶能力、不確定性建模能力和持續(xù)的反饋機制 —— 這與復雜物理系統(tǒng)工程的底層邏輯高度一致。」正是這種系統(tǒng)化的工程思維，讓 MetaNovas 跳出了單點技術(shù)比拼的局限，打造出真正適配產(chǎn)業(yè)需求的 Agentic AI 系統(tǒng)，也讓其在 AI for Materials 賽道形成了難以復制的技術(shù)壁壘。

MetaNovas Biotech 聯(lián)合創(chuàng)始人兼 CTO 余論博士

多領(lǐng)域布局 + 高轉(zhuǎn)化落地

目前，MetaNovas 的 Agentic AI 平臺已實現(xiàn)多應用領(lǐng)域的全面布局，覆蓋生物活性成分、醫(yī)用材料、功能聚合物、光化學成分、氣味與風味成分等多個賽道，多款 AI 設(shè)計分子完成全球新原料與醫(yī)療器械新材料雙備案，產(chǎn)品可適配美妝個護、醫(yī)療創(chuàng)面修復、功能性器械等多元場景，為品牌客戶與器械研發(fā)企業(yè)提供高標準、合規(guī)化的創(chuàng)新原料選擇。

同時，MetaNovas 與美國耶魯大學、澳大利亞昆士蘭大學、中國海洋大學、上海應用技術(shù)大學等高校建立深度學術(shù)聯(lián)盟，實現(xiàn)產(chǎn)學研的深度融合，更與歐萊雅、寶潔等國際知名品牌建立合作關(guān)系，讓 Agentic AI 技術(shù)的轉(zhuǎn)化成果落地更多產(chǎn)業(yè)場景。

從「工具輔助」到「核心協(xié)同」，從「實驗室研發(fā)」到「產(chǎn)業(yè)端備案」，MetaNovas 正在重構(gòu)先進材料研發(fā)與轉(zhuǎn)化的雙重范式。其打造的 Agentic AI 平臺，讓 AI 真正成為材料研發(fā)團隊的一員，在 David J. Craik 院士的學術(shù)指引與余論博士的技術(shù)掌舵下，通過人機協(xié)同的力量，突破傳統(tǒng)研發(fā)的跨學科壁壘、數(shù)據(jù)困境與轉(zhuǎn)化瓶頸，讓先進功能材料的發(fā)現(xiàn)更高效、更精準、更具商業(yè)化價值。

行業(yè)啟示：Agentic AI，開啟先進材料研發(fā)新未來

MetaNovas 的探索，不僅解決了 AI 分子研發(fā)「落地難」的行業(yè)痛點，更為 AI for Science 的商業(yè)化發(fā)展提供了重要啟示：AI for Science 的價值，不在于實驗室里的技術(shù)突破，而在于能否真正融入產(chǎn)業(yè)，成為重塑行業(yè)的核心生產(chǎn)力。

當行業(yè)還在追求「生成更多分子」，MetaNovas 已經(jīng)通過 Agentic AI 技術(shù)，掌握了分子研發(fā)的核心判斷權(quán)，推動行業(yè)從「追求研發(fā)成功率」轉(zhuǎn)向「追求落地確定性」。這種范式遷移，不僅將改變分子研發(fā)的行業(yè)格局，更將讓 AI 真正成為高端制造、生物醫(yī)藥、消費升級等領(lǐng)域的核心支撐力量。

未來，隨著 Agentic AI 技術(shù)的持續(xù)迭代，以及與更多產(chǎn)業(yè)場景的深度融合，AI 設(shè)計的分子將走進更多領(lǐng)域，為行業(yè)發(fā)展注入新的活力 —— 而 MetaNovas 的探索，正是這場產(chǎn)業(yè)變革的重要注腳。