元环智能半年内获数亿元融资，探索AI自动设计模型

成立于2026年5月的元环智能（MetaCircle）在成立不到半年内完成种子轮和种子+轮融资，累计金额达到数亿元。种子轮由顺为资本领投，上海未来产业基金、星连资本、君礼资本等跟投；种子+轮投资方包括上海半导体产投、360战投、首程资本、上海人工智能产业系列基金，以及百度风投、山行资本、云时资本等。资金将用于算法研发、产品探索、团队扩充和评测基准建设。

公司的创始人刘子鸣出生于1998年，现为清华大学人工智能学院助理教授。他本科毕业于北京大学物理系，后获麻省理工学院物理学博士学位，并曾在斯坦福大学进行博士后研究。

刘子鸣的重要学术成果之一，是2024年参与提出的Kolmogorov-Arnold Networks（KAN）。该架构在神经网络连接边上引入可学习的一元函数，探索不同于传统多层感知机的函数表示方式，并因可解释性和科学计算潜力受到关注。如今，团队试图进一步回答一个基础问题：AI模型能否由AI自行设计。

元环研究的“元模型”并非直接执行文本生成或图像识别的通用模型，而是学习模型架构、训练配置与实验结果之间的关系，用于预测候选模型的训练表现。团队会生成不同架构和配置，记录训练曲线，再用配对数据训练元模型；理想情况下，它能在完整训练结束前预测损失和性能，提前淘汰低潜力方案，并将资源集中到更有希望的模型上。

这一路径与神经架构搜索、自动机器学习和模型性能预测有关，但“预测表现”并不等于“自主设计更优架构”，后者还需要生成候选方案、搜索并完成训练验证。公司披露的Marin Hero Run案例中，元环预测Loss为2.034，Marin项目通过Scaling Ladder得到的预测值为2.039；两者接近，但尚不能证明准确性。其OPHIS方法则尝试把观察、提问、假设、干预和验证组织成自动科研流程，并在Grokking、nanoGPT任务中报告过改进训练表现的方案。

此外，团队发布了ComfyResearch和nanoGPT Observable Library，分别用于以图式节点组织模型、数据、训练和分析流程，以及观察权重、梯度、激活和注意力等内部信号。这些工作共同指向“Science of AI”：把模型训练现象作为研究对象，积累可迁移的规律。不过，相关结果目前主要来自特定任务，能否推广到更大规模和不同架构仍需验证。

产品化方面，元环计划先从时间序列预测切入，覆盖工业监测、气象、电力需求和金融等场景。公司称已找到优于LSTM基线的架构，并在一项世界模型任务中提升性能，但完整评测条件、指标定义和可复现结果尚未公布。团队计划于明年推出通用元模型1.0，同时建设Architecture IQ基准，评估模型或研究人员根据架构判断训练表现的能力。最终成效仍取决于其能否在未见过的任务和架构上准确预测结果，并转化为可量化的研发效率提升。