《科创板日报》10月17日讯 （记者 李明明）近日，元环智能（MetaCircle）宣布完成种子轮与种子+轮累计数亿元融资。种子轮由顺为资本领投，上海未来产业基金、星连资本跟投；种子+轮进一步囊括上海半导体产投、360战投、百度风投、山行资本等。

这家今年5月成立的公司，将研发方向瞄准了“让AI设计AI模型”。

《科创板日报》记者注意到，围绕AI4AI（用AI辅助或自动化AI研发），近期国内外已有多家公司获得大额融资：海外，Recursive Superintelligence宣布获得6.5亿美元融资；国内，超衍智能成立数月完成近4亿元融资，元环智能则成为这一方向的新融资案例。

这些公司的切入方式并不完全相同，但共同指向一个目标：让AI更多参与模型设计、实验与优化，提高AI研发本身的效率。随着资本进入，如何将研究能力转化为可复用的工具和可交付的产品，也成为这一方向需要回答的问题。

近日，《科创板日报》记者对话元环智能创始人刘子鸣、水木资本董事长唐劲草及多名业内人士，了解相关技术探索及其背后的投资逻辑。

从模型研发中的无效试错切入

元环智能成立于今年5月，位于上海徐汇。创始人刘子鸣生于1998年，本科毕业于北京大学物理系，博士毕业于麻省理工学院，现任清华大学人工智能学院助理教授。

据介绍，元环智能正在研发“元模型”，希望通过学习模型结构、训练配置、数据特征与真实训练曲线之间的关系，预测模型表现，为模型设计和实验提供指导。

刘子鸣对《科创板日报》记者表示，这一方向试图解决的，是模型研发中昂贵的无效试错：面对具体任务，开发者需要选择模型结构、训练配置和数据方案，并通过实验检验效果。如果能够提前判断不同方案的表现，就有望减少部分试验成本。

他认为，语言模型之外，科学发现、物理世界建模以及AI模型自身的设计，还需要探索不同形式的建模与推理能力。元环希望从模型训练和运行的规律入手，为开发者提供设计模型的辅助能力。

商业路径上，元环先从时间序列等边界明确的任务切入，为工业检测、气象、电力、金融量化等场景设计专用预测模型，先在具体任务中验证可行性和实际价值，再逐步拓宽能力。通用元模型1.0计划2027年推出。

“融资代表股东们对元环未来的乐观预期，但某个赛道融资再热不能直接等同于技术成熟。”刘子鸣对《科创板日报》记者表示，“更有意义的问题是：这些研究能否形成可复用的能力，能否在新的任务上发挥作用，以及能否最终帮助开发者更有效地设计模型。”

大额早期融资接连出现

元环智能的融资不是孤例。近期，围绕自动化AI研发和递归自我改进（RSI）的创业公司，接连获得资本支持。

海外市场是这波热潮的源头。

最具标志性的Recursive Superintelligence，由来自OpenAI、DeepMind、Meta的八位资深研究员联合创立，今年5月亮相时团队还不到30人，直接官宣6.5亿美元融资，估值冲到46.5亿美元。

由前Anthropic等机构研究人员创办的Mirendil，也宣布获得2亿美元种子轮融资。

国内方面，除了元环智能，另一家布局AI4AI的公司超衍智能，也在成立数月内完成近4亿元融资。

创业公司之外，已有AI企业也在布局相关研究。Sakana AI设立了专门的RSI实验室；智谱在9月披露的约50亿美元融资中，将下一代GLM基础模型、完全自训练体系及相关算力基础设施列为主要资金投向之一。该笔融资由股份配售和可转债发行构成，约60%的所得款项净额计划用于上述研发与基础设施投入。

不过需要区分的是，AI辅助实验、模型设计自动化和递归自我改进，虽然存在交集，但各自的研发目标和验证标准并不完全相同。

是范式拐点，还是概念跑在了前面？

围绕“AI研发AI”，不同团队正在探索不同的切入方式。一派是“试错流”，靠AI智能体批量跑实验、用数据反馈迭代模型，也就是市场热议的RSI路线，更偏工程化落地；另一派是“预判流”，先拆解模型训练的底层规律，再用规律指导实验，代表是元环智能的元模型路线，更偏底层原理。

水木资本董事长唐劲草向《科创板日报》记者打了个比方：“试错派是摸着石头过河，预判派是先画好地图再走。哪条能跑通现在下结论太早，我倾向最后会融合——纯靠算力堆实验，边际收益掉得会很快。”

他认为，更深层的变化，是估值逻辑的彻底切换。以前投大模型公司，估值锚在模型能力、用户规模、营收数据上，好歹有产品原型和收入做支撑；现在的AI4AI公司，这三样基本都没有，估值完全转向了“人才定价”和“期权逻辑”。

一位人工智能领域创始人对记者坦言：“本质上是给团队的研究能力、给未来几轮的选择权付钱，更像期权定价。这个赛道人才极度稀缺、钱不稀缺，人就成了定价基准。估值涨得快，不是基本面变好了，是市场在重新给‘能做成这件事的人’标价。”

这也引发了行业最核心的争议：这到底是下一代范式的拐点，还是又一轮概念炒作？

唐劲草认为，核心动因是大模型Scaling Law的边际收益越来越窄，行业急需找到下一条增长曲线，同时研发的价值定位变了：“以前研发是产品上线前的成本，现在研发本身就是产品。”

在他看来，完全说是概念炒作并不客观——ICLR 2026已经开了RSI专题研讨会，阿里、字节、腾讯、智谱等大厂都在往研发流水线里嵌相关能力，技术共识正在形成。但泡沫化风险同样真实存在：“现在这些公司大多没产品，团队二三十人，估值一个季度能翻几倍，这个阶段集体看错的概率不低。我的感受是，范式确实在切换，但定价跑在了证据前面。”

落地节奏上，唐劲草判断，时序预测、工业检测、气象电力等场景，1-2年内有望看到付费可能；但AI4AI完整闭环跑通，是科学问题不是工程问题，“给不出准确时间表”。

元环智能创始人刘子鸣也持类似观点：“AI4AI是值得长期投入的范式变化，能走多远最终要靠成果说话。”