Exklusivmeldung von 36Kr丨Ein Doktor der Beihang-Universität arbeitet an AI4S, erhielt eine Finanzierung in Höhe von 100 Millionen Yuan und plant die Entwicklung selbstangetriebener Labore.
Bildquelle / Unternehmen
Dieser Artikel ist etwa 3000 Wörter lang, die empfohlene Lesezeit beträgt 8 Minuten
Autor:in | Ou Xue
Redakteur:in | Yuan Silai
Laut Hard Krypton hat das auf wissenschaftliche Forschung und Entwicklung ausgerichtete Physical AI-Unternehmen Qingkui Intelligent Manufacturing kürzlich den Abschluss einer Serie-A-Finanzierungsrunde im Wert von mehreren hundert Millionen Yuan bekanntgegeben, an der Chuangdong Investment, Frida Co., Ltd. und Jinhui Big Data gemeinsam teilgenommen haben. Die Mittel werden schwerpunktmäßig für die Forschung und Entwicklung von Kerntechnologien, die Expansion in Schlüsselbranchen sowie den Aufbau von Cloud-Labors verwendet, um die industrielle Umsetzung von selbststeuernden Labors zu beschleunigen.
Qingkui Intelligent Manufacturing wurde 2021 gegründet. Sein Kerngeschäft zielt auf Bereiche wie Biomedizin, chemische Industrie, fortschrittliche Materialien und neue Energien ab und bietet eine geschlossene Lösung für nasse und trockene Experimente mit dem Zyklus „KI-gestütztes Design – automatisierte Durchführung – multimodale Datenrückführung – adaptive Iteration von Modellen“. Der Gründer und Vorsitzende des Unternehmens, Chen Nanjiang, ist Doktor der Beihang-Universität, war früher an der Fakultät für Maschinenbau der Beihang-Universität tätig und verfügt über mehr als zehn Jahre Erfahrung in kontinuierlicher Unternehmensgründung im Bereich Robotik und intelligente Fertigung.
In den letzten Jahren entwickelt sich AI4S (AI for Science) von der rechengetriebenen wissenschaftlichen Entdeckung hin zur autonomen experimentellen Durchführung durch KI. Dennoch steht die Branche weiterhin vor zentralen Problemen wie der „Execution Gap“ (Ausführungslücke) und der „Data Gap“ (Datenlücke), d. h. die intelligente Entscheidungsfindung in der digitalen Welt ist noch nicht ausreichend mit der experimentellen Durchführung in der realen Welt verbunden.
„Derzeit sind viele wissenschaftliche Modelle noch auf das Training anhand öffentlicher Literatur und Datenbanken angewiesen, aber bei öffentlichen Daten treten häufig Probleme wie unvollständige Aufzeichnungen von Versuchsbedingungen und unzureichende Anzahl fehlgeschlagener Proben auf. Modelle können viele Hypothesen aufstellen, aber ohne echte experimentelle Validierung und kontinuierliches Datenfeedback ist es sehr schwierig, die Vorhersage- und Entscheidungsfähigkeit ständig zu verbessern“, sagte Chen Nanjiang offen gegenüber Hard Krypton. Mit dem Ausbruch der Technologie großer Modelle erkennt die Branche allmählich, dass ohne hochwertige strukturierte Daten aus nassen Experimenten die Fähigkeit der KI bei der Bedingungsauswahl und Synthese an eine Obergrenze stoßen wird.
Auf der Grundlage dieser Einschätzung hat Qingkui Intelligent Manufacturing den Weg der „Integration von Hardware und Software sowie geschlossenen Zyklus von nassen und trockenen Experimenten“ gewählt. Chen Nanjiang vergleicht eine vollständige automatisierte Laborlösung mit dem menschlichen Körper: Die unterste Schicht ist die Hardware (zwei Hände), die für die physische Ausführung verantwortlich ist, die mittlere Schicht ist das Betriebssystem (Nervensystem), das für die Steuerung zuständig ist, und die oberste Schicht ist das große wissenschaftliche Modell (Gehirn), das für die Entscheidungsfindung beim Versuchsdesign verantwortlich ist.
Bildquelle / Unternehmen
Automatisiertes Syntheselabor von Qingkui Intelligent Manufacturing (Bildquelle / Unternehmen)
Auf der Hardwareebene standardisiert, digitalisiert und modularisiert NexoLab die klassischen Aktionen und Prozesse chemischer Experimente. Von standardisierten Ausführungseinheiten bis hin zu Arbeitsstationen für Zufuhr und Synthese, Probenbehandlung und -analyse, Trennung und Reinigung sowie verschiedenen Ebenen wie standardisierten Versuchsabläufen kann eine modulare flexible Konfiguration realisiert werden, um sich an alle gängigen Reaktionsbedingungen und Analysemethoden anzupassen. Gleichzeitig wird die Akkumulation von Automatisierungs- und Softwaretechnologie des Fertigungsteams von Qingkui voll ausgeschöpft, um die Zuverlässigkeit, Wiederholbarkeit und Konsistenz gängiger Experimente zu gewährleisten.
Auf der Ebene der Verwaltungssteuerung abstrahiert AI-LabOS physische Geräte zu aufrufbaren Agenten und zerlegt verschiedene Versuchsabläufe in standardisierte Versuchsaktionen verschiedener Agenten, um die Anpassung verschiedener Versuchsabläufe zu realisieren. Gleichzeitig werden mit Hilfe von Datenerfassungslösungen verschiedener Ebenen die mehrdimensionale Datenerfassung und Rückverfolgbarkeit realisiert, die Ausführungseinheiten, Versuchstakte, Reaktionsbedingungen, Betriebsverwaltung des Labors und andere Aspekte abdeckt. Durch Steuerungssimulation und digitale Zwillings-Technologie kann die koordinierte Steuerung mehrerer Robotersätze und die Orchestrierung von Versuchsabläufen realisiert werden, sodass Chemiker ohne Kenntnisse der Hardware-Programmierung schnell damit umgehen können, um die Effizienz der Versuchsergebnisse maximal zu steigern.
Auf der Entscheidungsebene trainiert MoleMind verschiedene Arten von Modellen auf der Grundlage hochwertiger mehrdimensionaler Daten, die im Nasslabor erzeugt werden. Es kann vertikale Modelle realisieren, die für verschiedene Szenarien geeignet sind, einschließlich intelligenter Versuchsplanung, Vorhersage des Gerätezustands, Zuverlässigkeitsbewertung von Versuchsdaten, Versuchsoptimierung und Selbstiteration, Optimierung von Reaktionsbedingungen usw., und wendet die Modelle wirklich in die unterstützende Analyse, unterstützende Planung und Entscheidungsfindung von Experimenten ein.
„In chemischen Experimenten gibt es viele Details, zum Beispiel das Einbringen und Wiegen von Substanzen unterschiedlicher Form unter Stickstoffatmosphäre, wie parallele Reaktoren thermisches Design und Strukturdesign durchführen, um die Konsistenz von Rühr- und Temperaturkurven zu gewährleisten. Wir müssen diese Punkte gründlich verstehen und dann in Software-Oberflächen und zugrundeliegende Algorithmen umwandeln“, erklärte Chen Nanjiang. Derzeit ist Qingkui Intelligent Manufacturing als Mitgliedseinheit des Standardisierungsausschusses für künstliche Intelligenz des Ministeriums für Industrie und Informationstechnologie zugelassen und führt den Aufbau eines städtischen Schlüssellabors an.
In Bezug auf Effizienz und Genauigkeit kann NexoLab die Versuchseffizienz im Vergleich zum traditionellen manuellen Versuchsmodell um das Zehnfache steigern. Gleichzeitig beseitigt der Roboterbetrieb menschliche Fehler und weist deutliche Vorteile bei der Zuverlässigkeit und Sicherheit von Experimenten auf. AI-LabOS kann durch intelligente Analyse und Steuerung die Geräteauslastung maximal erhöhen und eine vollständige dimensionale Datenrückverfolgbarkeit realisieren, um die Unordnung und Ineffizienz der manuellen Verwaltung traditioneller Labore zu verbessern. MoleMind nutzt voll aus die Fähigkeit der KI zur Wissensakkumulation, damit Daten und Wissen verschiedener Dimensionen wirklich integriert, akkumuliert und entfaltet werden, um schließlich Wissenschaftler bei der Erweiterung der wissenschaftlichen Grenzen zu unterstützen.
Auf dem Weg zur Kommerzialisierung decken die aktuellen Kunden von Qingkui Intelligent Manufacturing führende Einrichtungen in Bereichen wie Pharmazeutika, Feinchemie, neue Materialien, neue Energien und wissenschaftliche Forschungsinstitute ab, darunter die Chinesische Akademie der Wissenschaften, Boehringer Ingelheim, Hengrui Medicine, Gotion High-Tech usw.
Chen Nanjiang enthüllte, dass da die grundlegenden Versuchsabschnitte wie Fest-Flüssig-Mischung, Zufuhrreaktion, Analyse und Detektion bereits hochgradig modularisiert und standardisiert sind, die Produkte des Unternehmens eine starke branchenübergreifende Anpassungsfähigkeit aufweisen und die Wiederkaufrate der Kunden gut ausfällt.
Neben der Geräteauslieferung erforscht Qingkui Intelligent Manufacturing derzeit eine zweite Wachstumskurve. Im zweiten Halbjahr dieses Jahres hat das Unternehmen das erste selbst betriebene vollautomatische KI-Chemieroboterlabor errichtet, das nicht nur hochwertige Daten für das eigene Modelltraining liefert. Das Unternehmen beginnt auch, extern Experiment as a Service anzubieten. Pharmazeutika, Materialhersteller, Unternehmen im Bereich neuer Energien oder wissenschaftliche Forschungsinstitute können über den Cloud-Versuchseingang die bidirektionale Übertragung von Versuchsaufgaben zu Versuchsergebnissen realisieren und verschiedene Versuchsdaten wie Wasser-Sauerstoff-Umgebung, Heizkurven und Analysespektren in Echtzeit einsehen.
Darüber hinaus ist Chen Nanjiang der Ansicht, dass der Überseemarkt zu einem Schwerpunkt für die weitere Entwicklung wird, da die Arbeitskosten im Ausland höher sind und die Anforderungen an Umwelt und Sicherheit strenger sind. Derzeit hat Qingkui Intelligent Manufacturing Büros in Singapur und Südkorea eingerichtet und bereits mit lokalen Universitäten, wissenschaftlichen Forschungsinstituten und industriellen Kunden zusammengearbeitet.
Im Folgenden finden Sie Auszüge aus dem Interview zwischen Hard Krypton und Chen Nanjiang, dem Gründer von Qingkui Intelligent Manufacturing (redigiert):
Hard Krypton: Es gibt derzeit viele Teams, die sich mit AI4S befassen. Wo liegt der zentrale Differenzierungsvorteil von Qingkui Intelligent Manufacturing?
Chen Nanjiang: Die Differenzierung lässt sich in zwei Teile unterteilen. Der erste ist die Umwandlung von branchenspezifischem Know-how. AI4S ist an sich eine hochgradig interdisziplinäre Branche. Die Gene unseres Teams liegen in Maschinenautomatisierung, Software und KI, aber die Versuchsplanung, Versuchsdurchführung und Ergebnisanalyse im chemischen Bereich enthalten sehr reiche Inhalte und Details. Wir müssen diese Szenarien und Anforderungen umfassend verstehen, sie in standardisierte und digitalisierte Hardware- und Softwaremodule umwandeln, und mit Hilfe von KI das Verständnis, Lernen und Akkumulation verschiedener chemischer Szenarien realisieren, um sie mit den Genen von Automatisierung und KI zu verschmelzen.
Der zweite Punkt ist der echte geschlossene Zyklus von nassen und trockenen Experimenten. Der geschlossene Zyklus von nassen und trockenen Experimenten klingt einfach, aber die Realisierung der Integration und des geschlossenen Zyklus der beiden Systeme von trockenen und nassen Experimenten ist ein echtes Problem, mit dem verschiedene Unternehmen in der Branche derzeit konfrontiert sind. Wir haben immer darauf bestanden, das Design trockener Experimente auf der Grundlage des nassen Experimentalsystems durchzuführen, und darauf bestanden, den gesamten Prozess von Versuchsdesign, Versuchsdurchführung bis zur Versuchsiteration mit echten experimentellen Szenarien abzudecken, und ein Bewertungssystem für die Versuchsqualität rund um dieses System aufzubauen, sodass der geschlossene Zyklus von nassen und trockenen Experimenten in echten experimentellen Szenarien iteriert werden kann. Bis heute haben wir einige gute Ergebnisse in Bereichen wie wissenschaftliche Forschung und Industrie validiert und erzielt.
Hard Krypton: Haben Kunden Bedenken, dass wissenschaftliche KI „Halluzinationen“ oder Fehler erzeugt? Wie hoch ist derzeit das Vertrauen in die KI in Experimenten?
Chen Nanjiang: Diese Frage ist sehr entscheidend. Wir dürfen auf keinen Fall allgemeine Sprachmodelle direkt für Experimente verwenden, sondern trainieren das Modell auf der Grundlage des Grundgerüsts großer allgemeiner Modelle mit echten vertikalen Daten, die im Nasslabor erzeugt werden. Dies reduziert Halluzinationen erheblich. Auf dem derzeitigen weltweiten Niveau erfordern automatisch von KI generierte Versuchspläne immer noch die endgültige Genehmigung durch Chemiker. Das heißt, im aktuellen Stadium wird Mensch-Maschine-Kombination angewendet, es gibt keine vollständig unbeaufsichtigte Durchführung. Aber wir glauben, dass mit der ständigen Erweiterung des Umfangs hochwertiger Versuchsdaten und der schrittweisen Verbesserung des Grads der Datenstandardisierung die Genauigkeit von Vorhersagen und Urteilen der KI in einigen Bereichen immer höher wird und schließlich menschliche Wissenschaftler übertreffen wird.
Hard Krypton: Was sind die nächsten Schwerpunktpläne des Unternehmens?
Chen Nanjiang: Erstens werden wir das selbst betriebene Roboterlabor stark ausbauen und eine große Anzahl echter Experimente durchführen, um hochwertige strukturierte Daten zu akkumulieren. Im segmentierten Wettbewerb von AI4S ist es im Wesentlichen der Wettbewerb um echte Versuchsdaten. Zweitens werden wir MoleMind auf der Grundlage einer großen Datenmenge intelligenter trainieren. Drittens die Expansion ins Ausland. China entwickelt sich in der Richtung der Integration von Hardware und Software sehr schnell. Aus technischer Sicht hoffen wir, dass das Cloud-Labor innerhalb von ein bis zwei Jahren einen Größenvorteil bildet und den Datenpool erweitert.
Standpunkt der Investoren:
Chuangdong Investment erklärte: „Wir sind optimistisch hinsichtlich der Entwicklungschancen von AI4S, die von der technischen Validierung zur industriellen Anwendung übergeht. Qingkui Intelligent Manufacturing hat systematische technische Fähigkeiten rund um intelligente wissenschaftliche Entscheidungsfindung, Versuchsautomatisierung und geschlossenen Datenzyklus aufgebaut und den kommerziellen Wert in echten industriellen Szenarien kontinuierlich validiert. Wir freuen uns darauf, dass das Unternehmen durch diese Finanzierungsrunde die kommerziellen Anwendungen in verschiedenen Bereichen kontinuierlich erweitert.“
Frida erklärte: „Mit der rasanten Entwicklung der KI-Rechenleistungsinfrastruktur stellen Flüssigkühlungs-Wärmeableitungs- und Wärmemanagementtechnologien höhere Anforderungen an Materialeigenschaften, Forschungseffizienz und Prozessoptimierung. Die technische Akkumulation von Qingkui Intelligent Manufacturing in den Bereichen intelligente Experimente, Screening von Materialrezepturen und automatisierte Tests weist Synergiepotenziale mit dem Geschäftslayout von Frida in Technologien wie elektromagnetischen Abschirmmaterialien, funktionalen Materialien, Wärmemanagementmaterialien und Flüssigkühlung auf. Wir freuen uns darauf, mit dieser Investition als Chance die Anwendung von KI und automatisierter Versuchstechnologie in der Materialforschung und -entwicklung sowie Prozessoptimierung zu erforschen, um die technologische Innovation und den Industrialisierungsprozess zu beschleunigen.“