【首发】金珵科技完成A轮融资，道彤联合领投，加速工业AI规模化落地

编辑｜宁晨

近日，上海金珵科技有限公司（以下简称“金珵科技”）完成A轮融资，道彤投资联合领投，本轮融资汇集了上海国资及产业资本。融资资金将主要用于工业AI底层技术研发、产品体系完善、重点行业应用拓展及全球化布局。

金珵科技成立于2023年，是一家聚焦工业AI的科技企业，由上海交通大学李金金教授创立。公司自主研发ManuDrive工业时序控制大模型，面向流程工业与离散制造中的复杂生产问题，通过对工艺参数、设备运行及生产过程数据进行建模，为企业提供预测、优化及生产控制能力。

创始人李金金教授出身于凝聚态物理专业，长期从事第一性原理计算研究，海外深造后于2014年回到母校上海交通大学任教，现任人工智能与微结构实验室（AIMS Lab）主任，长期深耕AI for Science与物理AI。此前，她率队在AI与材料科学、生命科学及工业制造领域开展前沿研究，先后开发出AlphaMat材料生成式大模型、AlphaBio蛋白质预测大模型、ManuDrive工业时序控制大模型等多个具备产业落地价值的AI智能平台。

目前，ManuDrive已应用于生物制造、化工、水务、装备制造等多个工业场景，其中生物制造是较早实现生产闭环验证的方向之一。

过去几年，AI在生命科学领域的应用更多集中在研发端。从靶点发现、分子设计到蛋白质结构预测，AI已经成为提升研发效率的重要工具。相比之下，当药品、原料及生物制品进入规模化生产阶段，企业面对的是另一类问题：如何在长周期、连续变化的生产过程中稳定质量、提高产量并降低能耗。

这也是工业AI正在尝试解决的问题。

01

让AI处理生产过程中不断变化的“时间变量”

传统工业生产并不缺数字化系统。

大量制造企业已经部署PLC、DCS、SCADA、MES等系统，也积累了大量设备和生产数据。但这些系统更多承担数据采集、监控、执行和管理功能，真正涉及工艺优化和复杂生产决策时，仍然高度依赖工程师经验。

以生物发酵为例，温度、pH、溶氧、补料速度等参数持续变化且相互影响。一个参数此刻发生变化，可能需要数小时甚至更长时间，才会完整反映在最终产量和质量上。

因此，这类场景对AI的要求并不是完成一次静态预测，而是持续理解生产状态：现在发生了什么、接下来可能发生什么、此时调整某个参数会产生怎样的连锁反应，以及怎样的参数组合能够得到更好的生产结果。

金珵科技将这类问题概括为对工业“时序”的理解。

公司自主研发的ManuDrive工业时序控制大模型，融合工业时序数据、物理机理、AI模型、安全约束及产线对接能力，目前已覆盖18万工艺变量、1.5亿条理化动力学数据、30亿装备时序数据，并将生产过程中常见的时序预测、异常检测、参数优化、闭环控制等能力进行模块化沉淀。

目前，ManuDrive已经形成127个可复用的算法功能智能体。针对不同工业场景，可以调用不同的智能体进行组合，再结合具体工艺和现场数据完成适配：落地生物发酵选用约30个智能体，污水处理选用约40个，高炉焚烧场景则选用约20个，通过拼装智能体即可快速搭建垂类模型。过去一套垂类模型的开发往往以年计算，而借助这套底座，最快1小时即可完成搭建。这套可规模化复用、支持自由组合迭代的工业智能体底座，也被业内形象地称为“工业界的AI乐高”。

这一产品思路背后，是工业AI长期存在的一个现实难题：如何降低高度非标准化工业场景的交付成本。

传统工业AI项目往往需要针对不同客户重新处理数据、开发模型、完成系统对接，项目周期长，也较难形成规模效应。

金珵科技希望通过通用底座和模块化能力，把其中可以标准化的部分提前沉淀下来。当进入新的生产场景时，不再从零开发，而是在已有能力基础上进行组合和适配，落地周期压缩至1-2周。

这也是ManuDrive从一个工业AI模型走向平台化产品的关键。

02

从生物发酵切入，验证AI的生产价值

在生物制造领域，金珵科技较早落地的代表性客户是川宁生物。

生物发酵是典型的复杂流程工业。发酵过程中存在大量相互关联的生化反应，温度、pH、溶氧、补料等工艺参数高度耦合。过去，生产过程中的很多关键判断依赖资深工艺人员长期积累的经验。

这类经验非常重要，却也存在明显局限：一方面，人的经验很难被完整结构化和传承；另一方面，不同人员、不同班次之间的操作差异，也可能造成生产结果波动。

在川宁项目中，金珵科技通过历史批次数据和现场生产数据建立模型，对生产过程进行持续预测和工艺优化。

工业AI进入真实生产系统，还需要解决另一个问题——安全。

与文本生成不同，生产系统没有无限试错的空间。因此，模型不会在上线第一天就拿到自动控制权限，而是要先通过历史数据回测和现场测试，在多个真实生产批次中跑通，再在工艺安全约束范围内逐步扩大应用。

根据公司提供的数据，川宁相关产线应用ManuDrive后，生产波动降低50%，产量提升3%—5%，单条产线每年产生千万级增量效益。

这组数据对金珵科技而言还有另一层意义。

工业AI过去并不缺PoC。真正决定企业是否愿意持续采购的，是AI最终能否反映到产量、能耗、良率、设备利用率等经营指标上。

因此，金珵科技并没有将“模型预测得更准确”作为项目最终结果，而是进一步将AI能力与企业实际生产结果绑定。

公司在部分项目中也开始探索收益分成模式：AI产生实际增量价值后，再按约定分享收益。相比传统的License授权或一次性项目收费，这种模式把AI供应商的收入与制造企业最终获得的生产价值直接挂钩。

这套标准化能力也在后续医药发酵项目中快速复制。面向氨基酸、维生素等原料药发酵工厂，企业只需导出历史批次运行数据，调用ManuDrive发酵类标准化组件，1-2天内即可完成模型上线部署，整个过程无需改造现有产线硬件，仅依靠历史数据即可完成效果验证。

03

生物制造之外，验证工业AI的通用性

对于一家定位工业AI的公司而言，更重要的问题是：同一套技术底座，能否跨越不同产业和生产方式？

目前，金珵科技的应用已经从生物制造延伸至化工、水务、装备制造等多个领域，覆盖流程工业与离散制造场景。

以装备制造中的刀具加工工艺规划为例，生产问题已经与生物发酵完全不同。

传统情况下，资深工艺人员需要根据工程图纸、材料、设备和历史加工经验完成刀具选择与工艺规划。相关经验同样具有较高的个人依赖度，也需要较长的人工编制周期。

在这一场景中，ManuDrive接入二维、三维工程图纸、历史加工台账及刀具全生命周期数据，将资深工艺人员在排刀、加工选型等环节的经验转化为模型能力，并自动生成工艺方案。该场景无需改造机床硬件，1天即可完成AI工艺规划模块部署。根据公司提供的案例，过去需要十几天甚至更长时间完成的工艺编制，可以压缩至数分钟。

从发酵到刀具加工，两个场景几乎没有直接的行业关联。

金珵科技试图复用的也并非某一种具体工艺，而是生产过程中更底层的AI能力，包括数据处理、时序预测、异常识别、优化决策，以及对工业经验的数字化沉淀。

公司将这种能力形象地称为“AI老法师”。

这里的“老法师”，指向的是制造业里大量存在、却长期难以复制的隐性经验。一个工作20年的工程师能够判断的问题，未必全部写在工艺手册里。工业AI要做的，并不是简单替代这些工程师，而是把人的经验与长期生产数据结合，让过去依赖个人的know-how逐渐变成可以被验证、沉淀和复用的系统能力。

04

工业AI开始从“技术指标”走向“经营指标”

过去一轮AI创业热潮中，大量公司首先在数字世界寻找应用。

工业AI走的是另一条路径。它面对的客户更加谨慎，销售和验证周期更长，系统一旦进入生产环节，对稳定性和安全性的要求也远高于一般软件。但与此同时，一旦技术能够真正改变生产结果，其价值也更容易被量化。产量提高3%、能耗下降10%、设备少停机一天，分别意味着什么？这些问题最终都可以被折算成企业经营数据。从这个角度看，工业AI真正需要证明的并不是“AI能不能用于制造业”，而是它能否以足够低的部署成本，在足够多的工厂里持续创造超过自身成本的生产价值。这也是金珵科技希望通过ManuDrive和模块化体系回答的问题。

目前，金珵科技的产品已在生物制造、化工、水务、装备制造等不同工业场景落地，公司已实现盈利。海外业务也在推进中，今年7月签下了首个海外订单。

对于生命科学产业而言，金珵科技提供了另一个观察AI的视角：

AI带给生命产业的价值，并不只发生在药物被发现之前。当一个产品从实验室走向工厂，如何提高发酵效率、稳定生产质量、降低能源与原料消耗，同样存在大量尚未释放的数据价值。

生物制造是其中一个重要场景，但金珵科技希望解决的是更大的工业问题。中国拥有规模庞大的存量制造体系，大量已经运行多年的设备、产线和工厂积累了海量生产数据和工程经验。如果AI能够在不推倒重建既有生产体系的情况下，继续从这些资产中挖掘新的效率空间，它创造的就不只是数字化价值，而是新的生产增量。

道彤投资表示：金珵科技是真真正正第一家把AI for 工业跑通的公司。工业大模型不是在实验室里开发出来的，而是在一个个真实场景中打磨出来的。我们曾走进川宁生物的发酵车间，看到ManuDrive系统在数百吨级的真实产线上完成调控，带来产量与能耗的切实改善。中国拥有全球门类最完备的工业体系，海量存量产线中沉淀的数据与工艺经验，正是AI尚未释放的价值所在。金珵用三年时间、超百家企业的落地验证了这条路径，我们相信它有机会成长为中国工业智能化的基础设施，让存量制造业真正再创增量。

关于金珵科技

金珵科技成立于2023年，总部位于上海，是一家聚焦工业AI的科技企业，由上海交通大学李金金教授创立。

公司自主研发ManuDrive工业时序控制大模型，通过融合工业时序数据、物理机理、AI模型、安全约束及产线对接能力，为制造企业提供生产预测、工艺优化及控制能力。目前，相关技术已应用于生物制造、化工、水务、装备制造等多个工业领域。

公司通过ManuDrive通用底座、127个可复用算法功能智能体，以及FDE前沿部署工程师+FDR前沿部署研究员的落地体系，探索工业AI在不同实体制造场景中的标准化与规模化应用。

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢