36氪获悉，MetaNovas（元星智药）近期完成A+、A++两轮融资，由富华成本、高瓴成本、袋鼠姆妈集团等花消健康产业成本共同投资。此前，A轮融资由高瓴创投、宝顶创投蚁集领投，跟投。

如今AI For Science激发的忻悦仍在延续，AI正加快篡改新药、新材料等行业开荒范式。不外市集也在徐徐记忆感性：尽管通过AI生成、优化分子结构的难度大幅缩短，但首尾两头的挑战尚未因为技艺演进而发生质变。

传统技艺旅途下，从初期选品、中期放多半产，到后端的注册准入和贸易化落地，开荒一个花消型新材料约需3-5年时期。为晋升全链条后果，MetaNovas构建了以Agentic AI（智能体东谈主工智能）为中枢的系统级操作平台，以在高度不笃定性的研发环境中，进行多讨论方案，兼顾新材料分子的性能、工艺条款、规定管理等，从起源缩短贸易落地的成本。

MetaNovas蚁集首创东谈主、CEO王梅杰告诉36氪，在“AI智能研发组织”的鼓动下，其开荒最快的生物活性原料在12个月内完成了从主意提议到东谈主体功效测试的经由。因为AI智能体在全链条的垄断，MetaNovas得以保持精简、高效的团队，且能搭救快速加多的新材料管线所需东谈主力。

现时MetaNovas团队AI算法巨匠、生物学团队、升沉团队各占1/3。首创团队则齐具有AI、生物医药与计算材料复合配景。王梅杰曾在英伟达硅谷总部任职，开荒用于生物计算的东谈主工智能基础方法；首席技艺官余论是MIT核科学与工程及AI宗旨博士，曾在好意思国UnitedHealth Group担任首席数据科学家。

据先容，MetaNovas自研了分子话语生成大模子，行为底层生成引擎，大要跨模态表证多肽、团员物、小分子等，“掩盖杰出10^60的化学空间，分子生成有后果超95%”。同期，针对材料落地必须考量的理化性质（如热领路性、气息、紫外吸光度等），其开荒了性能估计模子，为分子筛选提供依据。

晋升模子精度的枢纽是：高质地数据蕴蓄，M6体育app及基于现实数据自动迭代的active learning系统。余论先容谈，查验数据主要包括三类：文件与专利数据；与学术机构合作授权的现实室数据；里面现实平台产生的高通量湿现实数据。其中，自有现实平台不仅蕴蓄特脱手的考证数据，也千里淀了“失败”的负样本数据。这些稀缺的里面响应，让AI系统在迭代中愈加精确。

图源：MetaNovas

为了让AI系统治有研发团队的想维与能力，MetaNovas针对新材料开荒的全经由，开荒了文件挖掘、分子生成、性能估计、现实野心、市集和贸易化等AI智能体。

“新材料开荒触及不同配景的团队，包括生物学家、药化学家、配方师、市集东谈主员等等。开荒Agent的中枢在于搭建出更高效产出有用常识的使命流，将东谈主类团队永恒磨合出的动态和解机制，轮廓为Agent大要径直实行的中枢尺度、枢纽质地审核（QC）节点等，这就依赖于既往团队在各要津千里淀下的know-how。”余论解说谈。

如市集洞悉要津，Agent系统会捏取花消品渠谈的信得过数据（因素、配方、销量等）进行前瞻性分析。在生物学家瞎想现实前，AI已迷惑市集宗旨，搁置了过度竞争的赛谈，相似研发走向更具各别化和市集后劲的宗旨，幸免了“作念出来却不是市神气需”的千里没成本。

在Agent系统赋能下，MetaNovas平台推选分子的初次得手率杰出60%，大幅缩短了试错成本与迭代次数。其开荒的Senoreversing（软弱逆转）肽仅测试42个肽分子、经过2轮迭代，即完成现实考证，该分子也赢得蚁集利华等品牌商的眷注。此外，由AI瞎想的杀菌消炎新分子AMP33已取得医疗器械主文档备案。

行为一家AI原生的新材料开荒平台，MetaNovas的管线开荒宗旨正在拓展，包括生物活性因素、医用材料、功能团员物、光化学因素、气息与风范因素等。工艺放大和出产方面，其主要与 CDMO深度合作，设立合股公司，进行定向出产升沉。贸易上，多以与品牌商蚁集开荒、进行材料供应等形式开展。

在Agentic AI的初始下，材料科学正在告别漫长且不菲的“盲筛期间”。当AI不再是单纯的生成器具，而是进化为不知疲劳、能杰出学科限制、懂得贸易化衡量的“智能研发组织”时，新材料研发的新工业期间正在到来。