一家深耕急性髓系白血病研究近二十年的全国重点实验室，复发率高达70%-80%，可用靶点却极其有限。团队把STELLA私有化部署后十分钟，一份候选靶点列表交回。排在首位的靶点，此前缺乏直接文献报道，更关键的是，它不在这个团队二十年重点探索的方向里。实验室随后在多个细胞系中完成验证，拿到初步正向结果。
希鸥网观察到，这家从“language token走向scientific token”的AI4S公司科理新序（Scinetics），近日宣布完成首轮近5000万元人民币融资，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。创始人张载熙1998年出生，中科大少年班理论与应用力学本科，港科大化学与生物工程系、计算机科学与工程系、医学院三系同聘助理教授。
单点模型只解决一个点，智能体连接很多点，但中间缺少真正理解科学世界的模型。序列、结构、图像、组学矩阵、实验读数，科学数据用不同“语言”彼此割裂。科理新序要做的事，是把这些多模态数据统一成模型能直接推理的基本单元——scientific token。不是反复在不同格式间转换传递信息，而是在科学空间里直接思考。
干湿闭环的商业含义，在于把科研从手工作坊变成可积累的数据飞轮。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系列模型，让智能体直接控制机械臂，能对复杂实验流程任务拆解、实时监控、自主纠错。论文只发最终结果，但合成产率、反应速度、中间图像这些失败数据，过去被系统性忽略了。这些数据才是基座模型持续迭代的燃料。
张载熙给抗体设计定了个具体标尺：行业最好的水平，十条设计序列往往只有一两条能成。他希望基模能做到80%-90%，像AlphaFold那样，让抗体设计从大概率失败变成大概率成功。这个目标背后是一套闭环逻辑：先用AI加速科学发现，再让新的实验和发现反过来训练更强的AI。STELLA系统已服务超过1000位科研用户，国际用户中70%来自斯坦福、普林斯顿、哈佛、MIT。
希鸥网认为，AI4S赛道的竞争正在从“单点工具”切换到“基座模型×物理AI”的系统级竞赛。英诺科创基金、沂景资本、小苗朗程、麟阁创投的入局逻辑很清晰：通用大模型在实验学科缺乏物理世界验证，谁能率先打通从科学认知、方案生成到自动实验验证与数据反馈的闭环，谁就有望占据未来科学发现与产业创新的制高点。这不再是一场模型参数的竞赛，而是干湿闭环数据资产的竞赛。
张载熙的履历在AI4S领域稀缺到令人侧目。博士毕业后手握十多所海内外顶尖高校教职offer，一所美国Top20高校开出约300万美元startup package，国内大厂和前沿实验室给出千万年薪邀请。他最终选了港科大。这个选择背后的判断是：在AI4S这个交叉领域，高校科研与产业转化的边界正在消失，港科大给了他更大的学术空间和从高校走向产业的通道。
不同思维方式的人协作，远比想象中艰难。做AI4S尤其如此：算法科学家、生物学家、自动化工程师、实验操作人员，各自说不同的语言体系，理念型的人不注意细节，精确较真的人又容易陷入局部。分歧表面看是沟通问题，根源在于思维方式的生理性差异。科理新序要做的，不是压制分歧让权威发号施令，而是把不同模态的科学数据统一成scientific token，让AI系统成为那个能把不同“语言”翻译成同一种逻辑的协调者。
科研团队面临的真问题，不是缺想法，而是想法太多、验证太慢。二十多年积累的假设、文献、数据库比对，候选方向可能数以千计，但实验资源有限。AI真正的价值，在于帮助科学家从海量假设中萃取最好的主意、摒弃最差的主意，在实验之前完成一轮高效筛选。STELLA给出的最高优先级候选不在团队二十年探索方向中，正是这种“拓展假设边界”能力的首次公开验证。对创业者而言，这意味着AI4S的落地场景不是替代科学家，而是放大科学家的假设空间。
张载熙说，Science is the next coding，科学发现将成为AI能力跃迁的下一个主战场。AI for Science不是AI单向改造科学，而是双向循环。这条路注定要穿越多个周期。科理新序从生命科学出发，未来要拓展到材料科学、量子物理、航空航天和芯片设计。长期主义的真正含义，不是在风口上等风来，而是在干湿闭环的每一轮实验失败数据和中间数据里，持续积累别人拿不走的反馈资产。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo