智东西（公众号：zhidxcom）
作者 | 陈骏达
编辑 | 云鹏
智东西9月17日报道，今天，上海AI4S（科学智能）创企科理新序宣布，已于近日完成首轮近5000万元融资。
该公司的本轮融资由英诺科创基金领投，沂景资本、小苗朗程、麟阁创投跟投，光源资本担任战略孵化方及独家财务顾问，所获资金将主要用于AI4S科学基座模型的迭代、自动化实验平台的规模部署，以及团队的扩充。
科理新序成立于2026年，希望打造能够跨模态理解DNA、RNA、蛋白质结构、组学矩阵和实验数据的科学基座模型，同时也在训练可操纵机械臂完成湿实验室科学实验的Agentic-VLA（视觉-语言-行动）系列模型，最终实现“认知—设计—实验—反馈—再学习”的干湿闭环。
目前，科理新序的模型主要聚焦生命科学领域，未来则会逐步拓展至材料科学、量子物理、航空航天和芯片设计等科学领域，其目标是构建一个能够理解科学、主动假设、自主实验、持续进化的AI Scientist系统。
一、创始人系中科大少年班校友，曾拒绝大厂千万年薪邀请
科理新序创始人、CEO兼CTO张载熙出生于1998年，本科就读于中科大少年班学院理论与应用力学专业，后在中科大取得计算机科学博士学位（师从刘淇教授），并曾在哈佛医学院接受联合培养（师从Marinka Zitnik教授），在普林斯顿大学AI实验室从事博士后研究（师从王梦迪教授）。此外，他还曾在腾讯量子实验室、微软亚洲研究院和百图生科从事研究工作。
5000万">
在AI4S领域，张载熙拥有一系列代表性工作，包括分子筛选模型MGSSL、药物分子生成模型FLAG、蛋白质口袋设计模型PocketGen、RNA药物设计模型RNAGenesis。
据悉，张载熙博士毕业后曾拿到十多所海内外顶尖高校的教职offer，其中一所美国Top20高校开出了约300万美元的startup package。他还收到国内大厂和前沿实验室的千万年薪邀请。最终，他选择于今年7月加入香港科技大学担任助理教授，获化学与生物工程系、计算机科学与工程系、医学院三系同聘。
科理新序的其他核心成员来自普林斯顿、剑桥、中科大等高校，以及Google DeepMind、微软、腾讯、华为等科技公司。
在研究过程中，张载熙及团队逐步发现，模型单点能力再强，也不等于科学发现能力。一次完整的蛋白药物设计，往往要协调二十多个工具、反复迭代。像是AlphaFold这样的成果，其实也只解决了其中一步。
之后，该研究团队开始探索科学智能体，开发了STELLA（Self-Evolving LLM Agent for Biomedical Research）、BioClaw等科学智能体，把分散的模型、数据库和实验工具串联起来，覆盖更完整的科研流程。
5000万">
在与一家深耕急性髓系白血病研究近二十年的免疫方向全国重点实验室的合作中，团队将STELLA私有化部署，十分钟内返回候选靶点列表，其中最高优先级靶点此前缺乏直接文献报道和实验验证，实验室随后在多个细胞系中完成验证，获得初步正向结果。
同等规模的文献检索、数据库比对和靶点初筛若由研究人员手动完成，通常需要数天至数周，且该靶点不在实验室此前重点探索的方向中。
二、把多模态数据融入统一科学空间，探索干湿闭环实验室
但智能体仍然没有解决最根本的问题。现有科学智能体仍主要依赖语言模型调度外部工具：可以调用蛋白质结构模型，却未必真正理解三维空间，不同模态的数据在文本、代码和工具之间反复转换，信息不断损失。
科理新序称，专用模型解决单点问题，智能体连接多个点，但中间仍缺少一个真正理解科学世界的模型。
基于此，科理新序提出从language token走向scientific token，即把序列、结构、图像、组学矩阵、实验读数等多模态科学数据，转换为模型能够统一理解和处理的基本单元，使模型直接在科学空间里推理，而非在不同格式之间反复转换。
研究团队将这一目标概括为四句话：从language token走向scientific token，从工具使用走向科学发现，从离线预测走向实验验证，从静态模型走向自我进化。
科理新序正在构建的AI4S基座模型，首个版本将聚焦生命科学的中心法则：DNA到RNA到蛋白质，再到功能和表型。
张载熙为基座模型设定的标尺是抗体设计。当前行业最好水平下，十条设计序列往往只有一两条能成功，他希望基座模型在该任务上能做到80%-90%。
干湿闭环也是AI4S的一大难点。科理新序认为，现有湿实验室自动化设备主要面向高通量、高度固定的流程，改动实验方案时重新配置成本高，而探索性、定制化实验恰恰是科研中价值较高的部分。
科理新序正在搭建包含200多种实验仪器的沙盒环境，训练Agentic-VLA（视觉-语言-行动）系列模型，使智能体直接控制机械臂，完成复杂实验流程的任务拆解、实时监控，并在实验失败时自主纠错与恢复。该系统已在英伟达GTC大会和CES等活动上展示。
此外，科理新序还关注失败数据与中间数据的回收。论文发表的通常是最终结果，而合成产率、反应速度、中间图像等数据往往未被系统整理并转化为模型反馈。团队在与一家国内合成生物学公司的合作中，部署了专门采集中间数据的设备，用于提前判断优化方向。
AI4S赛道正迎来全新的发展机遇。如今，AI已经可以更为端到端地完成科学发现任务，而不仅仅是承接科学发现的部分环节，这也使得打造“AI科学家”成为一个可行的思路。
不过，目前“AI科学家”更多仍然停留在假设与思路的提出阶段，而实际的湿实验室验证仍然需要人工完成，这在某种程度上限制了其加速科学发现的能力。像科理新序这样同时探索AI4S基模与物理AI的企业，有望给行业带来新的解题思路。