首個千萬美金ARR的AI4S公司，完成AI設計新分子商業應用

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」轉向「場景深度共生」，當大模型在各領域持續突破，前沿科研與新材料研發領域，正迎來一場由 Agentic AI 驅動的效率革命。

從傳統 AI 在材料研發中遭遇的跨學科壁壘、數據碎片化困境，到實驗失敗知識無法沉淀的行業痛點，先進功能材料的開發始終面臨著「翻譯 + 不確定性」的雙重難題。而就在此時，MetaNovas 攜全球首個 Agentic AI 先進材料發現平臺重磅亮相，以「多智能體協同 + 全鏈路閉環」的創新模式，打破傳統研發的效率瓶頸，更以數個 AI 設計新材料成功完成全球新原料備案、醫療器械新材料備案，進入國際國內頭部品牌的核心產品的硬核成果，印證平臺從研發創新到產業落地的超強轉化能力，AI 設計的新材料落地到千家萬戶，實現了千萬美金 ARR，讓 AI 不再是實驗室的輔助工具，而是深度融入材料研發全流程的「核心研發伙伴」，開啟先進材料發現的「人機協同」新元年。

行業困局：從「能生成」到「會判斷」，AI 分子研發的核心瓶頸

過去兩年，AI for Materials、AI for Drug Discovery 賽道持續升溫，眾多玩家紛紛聚焦分子生成、結構優化的單點技術突破，讓「AI 設計分子」成為高頻熱詞。但在對安全性、合規性、長期驗證有著極致要求的分子研發領域，單點技術的優化難以解決核心痛點：當分子候選數量呈指數級增長，行業的真正瓶頸早已從「如何生成更多分子」，轉向「如何判斷并篩選出能落地、有價值、可商業化的分子」。

一款新材料從設計到走入市場，需要跨越生物、化學、物理、材料等多學科的技術壁壘，還要滿足工藝適配、全球法規備案、長期穩定性驗證等多重要求。傳統 AI 模型多專注于單一任務優化，無法實現全鏈路的決策與規劃，導致實驗室里的技術突破，始終難以轉化為工業端的實際生產力 —— 這也是 AI for Science 長期被質疑「脫離產業現實」的核心原因。

更關鍵的是，市場需要的從來不是停留在論文里的分子結構，而是能真正融入消費品、醫療器械、工業用品等主流產品線，通過產業驗證、完成全球合規備案的實用型新材料。當行業還在糾結「AI 能否設計有功能的分子」，MetaNovas 已經通過 Agentic AI 技術，完成了從「AI 設計」到「AI 落地」的關鍵跨越。

核心突破：Agentic AI 系統 MetAmigo，重構分子研發全鏈路

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

MetAmigo 四大核心能力，破解行業痛點

與傳統單模型相比，MetAmigo 的核心優勢的在于實現了分子研發的全鏈路閉環，將多學科推理、決策規劃、實驗迭代、法規適配融入每一個環節，具體具備四大核心能力：

• 跨學科系統推理：打破生物、化學、物理與材料單一學科的技術壁壘，實現多學科深度融合推理，解決分子研發中多領域協同的核心難題；
• 高不確定性下的多目標決策：兼顧分子的性能、工藝適配性、法規合規性、成本控制等多重要求，在復雜研發環境中做出科學、精準的判斷，避免無效研發；
• 實驗路徑自主規劃與經驗學習：顯式規劃實驗路徑，記憶并學習實驗失敗經驗，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，持續提升研發效率；
• 法規與標準前置：將全球各地的工藝要求、穩定性標準與法規約束前置到研發全流程，從源頭降低商業化落地的成本，縮短備案周期。

這套全鏈路系統的落地，離不開三大核心技術的支撐，這也是 MetaNovas 技術壁壘的核心：

「大模型」MUniGen：掌握分子語言的全能生成器

MUniGen 是 MetaNovas 自主研發的大規模分子語言模型，核心優勢在于覆蓋超廣化學空間 —— 可高效覆蓋 10??量級的化學空間，有效結構率超 95%，模型參數規模達 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，結合結構約束與有效性篩選策略，降低無效或不穩定結構的生成概率。與傳統分子生成模型相比，MUniGen 通過多模態數據訓練，能更好地兼顧分子性能與工藝適配性，為后續的篩選與判斷奠定基礎。

「深模型」MPropSuite：物理驅動的精準性能預測器

MPropSuite 采用物理驅動與數據驅動相結合的方式，解決了傳統預測模型「精度不足、泛化性差」的痛點。系統集成量子化學特征計算與機器學習預測模塊，通過分子電子結構特征、構象能量及理化描述符建模，實現對 LogP、溶解度及穩定性等相關參數的預測。在內部測試集上，模型預測值與實驗數據具有較高相關性（R2>0.9）。同時，MPropSuite 支持多任務并行預測，可同時輸出分子的多項關鍵指標，提升研發決策效率。

Active Learning：與濕實驗體系深度耦合的主動學習閉環

不同于多數 AI 企業「重模型、輕實驗」的布局，MetaNovas 搭建了自有濕實驗體系，并與 Agentic AI 系統深度耦合，形成了獨特的主動學習閉環。AI 系統根據實驗結果實時更新模型參數，優化決策策略，而濕實驗則為 AI 模型提供真實、精準的反饋數據，讓模型在持續的產業驗證中完成自我進化 —— 這也是 MetaNovas 能實現分子研發商業化落地的關鍵支撐。

落地驗證：從實驗室到產業，AI 新材料的真實應用

技術的價值最終要靠落地驗證來體現，MetaNovas 的 Agentic AI 系統，已經在消費品、醫療器械等領域實現了商業化落地，打破了「AI 設計分子難以走進現實」的行業困境，這也是其區別于其他 AI for Science 企業的核心優勢。

以衰老逆轉肽研發項目為例，MetaNovas 通過 MetAmigo 系統完成了全鏈路研發：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、穩定性與皮膚相容性，隨后由系統自主規劃實驗路徑，結合濕實驗驗證優化分子結構，最終篩選出具有新穎機制的衰老逆轉肽候選分子。整個研發周期較傳統方式縮短 60% 以上，研發成本降低 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品線。

除了消費品領域，MetaNovas 的技術還在醫療器械、高端材料等領域實現落地，與國內外多家頭部企業、科研機構建立合作，推動 AI for Science 從科研范式走向工業現實。這些落地案例并非單純的成果展示，而是為整個行業提供了可復制的「AI + 新材料研發」解決方案，也印證了 Agentic AI 技術的產業價值。

團隊支撐：系統化工程思維，筑牢技術壁壘

MetaNovas 的技術突破，離不開一支兼具科研深度與工程經驗的核心團隊 —— 團隊核心成員來自 MIT、NVIDIA 等頂尖高校和企業，擁有 AI for Science、復雜系統工程等領域的深厚積累，其中聯合創始人兼 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 直博畢業的頂尖技術人才，余論博士在創業前已經在 UnitedHealth Group 擔任首席數據科學家，主導大規模機器學習與實驗平臺建設，具備豐富的復雜 AI 系統落地經驗。其扎實的跨學科知識體系，恰好契合 Agentic AI 先進材料發現平臺「多學科交叉、多技術融合」的核心需求，為平臺雙核心自研大模型的研發、多智能體系統的優化提供了堅實的技術支撐。

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

MetaNovas Biotech 聯合創始人兼 CTO 余論博士

多領域布局 + 高轉化落地

目前，MetaNovas 的 Agentic AI 平臺已實現多應用領域的全面布局，覆蓋生物活性成分、醫用材料、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 設計分子完成全球新原料與醫療器械新材料雙備案，產品可適配美妝個護、醫療創面修復、功能性器械等多元場景，為品牌客戶與器械研發企業提供高標準、合規化的創新原料選擇。

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、上海應用技術大學等高校建立深度學術聯盟，實現產學研的深度融合，更與歐萊雅、寶潔等國際知名品牌建立合作關系，讓 Agentic AI 技術的轉化成果落地更多產業場景。

從「工具輔助」到「核心協同」，從「實驗室研發」到「產業端備案」，MetaNovas 正在重構先進材料研發與轉化的雙重范式。其打造的 Agentic AI 平臺，讓 AI 真正成為材料研發團隊的一員，在 David J. Craik 院士的學術指引與余論博士的技術掌舵下，通過人機協同的力量，突破傳統研發的跨學科壁壘、數據困境與轉化瓶頸，讓先進功能材料的發現更高效、更精準、更具商業化價值。

行業啟示：Agentic AI，開啟先進材料研發新未來

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

當行業還在追求「生成更多分子」，MetaNovas 已經通過 Agentic AI 技術，掌握了分子研發的核心判斷權，推動行業從「追求研發成功率」轉向「追求落地確定性」。這種范式遷移，不僅將改變分子研發的行業格局，更將讓 AI 真正成為高端制造、生物醫藥、消費升級等領域的核心支撐力量。

未來，隨著 Agentic AI 技術的持續迭代，以及與更多產業場景的深度融合，AI 設計的分子將走進更多領域，為行業發展注入新的活力 —— 而 MetaNovas 的探索，正是這場產業變革的重要注腳。