最近 AI 圈有两件事，都在问同一个问题：模型除了写文字，还能做什么。
一件在 Anthropic。9 月 23 日，它说 Claude 帮忙找到了一个此前没被描述过的酶系统，重复序列像 CRISPR，实验由人类科学家完成。
另一件是 Jev。9 月 15 日，前 OpenAI 研究员创办的 TypeSafe AI 发布了它，它不生成文字，只做选择、打分这类判断。
24 天后，公司融资 8.7 亿美元，估值 75 亿美元。
一个在推开大语言模型的边界，一个绕开语言去做判断。元环智能（MetaCircle）走的是另一条路：不堆算力，让 AI 学会预判和设计 AI 模型本身。
这家成立不到半年的公司，宣布完成连续两轮、共计数亿元的融资。
01 谁投的钱
种子轮由顺为资本领投，上海未来产业基金、星连资本、君礼资本等机构跟投。
种子+轮吸引了上海半导体产投、360 战投、首程资本、上海人工智能产业系列基金等产业方和国资背景机构，还有 BV 百度风投、山行资本、云时资本等双币基金。
刚成立就有市场化创投、产业资本和国资基金一起入局，股东阵容很多元。
这笔钱主要用在三件事：元模型的核心算法迭代、阶段性产品的探索，以及扩充团队。公司还会持续发布自研基准（benchmark）。
02 元模型想做什么
先说创始人刘子鸣的判断。
现在全球都在用大语言模型（LLM）“思考”，但他认为，大语言模型只能覆盖世界问题的 30% 左右，也就是文本、数学、编程这类“说得清”的任务。
剩下的 70%，比如科学发现、物理世界建模、AI 本身的设计，单靠语言解决不了，模型需要更底层的直觉。
公司稿说，近期不靠语言的“直觉模型”陆续出现，让资本市场第一次看到了这条路线的可行性。Anthropic 的酶发现则说明，这 30% 的边界还在被推开。
元环押的是另一边。
元环做的“元模型”（Meta-Model），就是一台直接生成模型架构和训练超参数的“直觉机器”。
给它一个陌生的模型，它能预判表现如何、在什么场景下更适合。
公司的说法是，相当于给 AI 行业装上“上帝视角”，让灵光一现变成日常，不堆算力卷直觉，帮开发者少走弯路，把算力花在刀刃上。它面对的是 AI 模型本身，和给软件做选择题的判断模型不是一回事。
▲ 图：元模型路线图，内容据元环智能提供的资料重绘
03 和 RSI 路线有什么不同
这也是元环和热门 RSI（Recursive Self-Improvement，递归式自我改进）路线的根本区别。
业内用大语言模型做 AI 自我进化，刘子鸣打了个比方，像户外野线探险：没有地图，没有方向直觉，唯一的通关方式是刷海量算力，一遍遍试错。
元模型要学的，是 AI 模型表现背后的规律。这相当于拿到了整张地图，还配了 GPS，有了一阶乃至全局的信息指引。
▲ 图：元环对自动化研究三阶段的划分，内容据元环智能提供的资料重绘
04 创始人刘子鸣
▲ 图：元环智能创始人、首席科学家刘子鸣（元环智能提供）
支撑这个判断的，是他的学术履历。
刘子鸣生于 1998 年，现在是清华大学人工智能学院助理教授。他本科读北大物理系，博士毕业于 MIT，在斯坦福做过神经科学与 AI 方向的博士后。
他最重要的成果是 KAN（Kolmogorov-Arnold Networks，柯尔莫哥洛夫-阿诺德网络）。它用“可学习的激活函数”，替代传统神经网络固定的激活函数，把模型从“黑盒”变成“白盒”。
2024 年发布至今，据公司稿，KAN 在 GitHub 上有超过 1.6 万星标，谷歌学术引用超过 5700 次。
KAN 发表后，很快有大量后续研究跟进。公司稿说，这也让当时还在 MIT 读博四的他，收到了清华大学人工智能学院的教职邀请，这个机会在全球都极其稀缺。
刘子鸣自己的说法是：“KAN 不是一篇文章，也不是一个具体的模型，它是一种方法论和一种世界观，能够从混乱之中涌现出秩序。”
在他看来，它证明了模型设计可以像牛顿定律一样，被“科研审美”和第一性原理收敛，元模型正是这套方法论的下一个台阶。
他还有一个比喻：大语言模型擅长的，是 30% 已经被压缩过的符号世界或语言世界；元模型要解决的，是剩下 70% 没被压缩过的数值世界。
05 先落地在哪
中短期内，元环先做能力边界更小的产品。
目标是工业检测、金融量化、气象预测、电力预测、自动驾驶、世界模型这些按时间连续记录数据的场景，为它们设计专门的预测模型，先验证可行性，再商业化落地。
明年，他们计划推出不限场景的通用元模型 1.0，去生成适配各个垂直领域的专用模型。
▲ 图：元环的落地场景与明年计划，据融资稿整理
公司成立于 2026 年 5 月，团队平均年龄约 22 岁，成员多来自清华、北大等高校，公司稿称这是当下最受一级市场青睐的“小天才团队”。
公司的 slogan 是“厚其洞见，驭其算力”（Scale Insight, not just Compute）。
他们自研的 Architecture IQ 基准近期也会发布，用来评估大模型和人类研究员对模型训练的直觉水平。
06 投资人怎么看
这轮融资的四家机构都公开表了态。下面是融资稿里的原话大意，来自公司提供的资料，投资方没有单独确认。
顺为资本是种子轮领投方。
它认为，元模型可以加速模型收敛，把大模型能力外溢到其他领域。商业上，它看好元环先做“能力边界更小”的产品：为工业检测、自动驾驶、气象预测、金融量化这类按时间连续记录数据的场景设计预测模型，先验证可行性，再商业化。它还称赞刘子鸣有原生的创新性和独特的学术审美。
上海未来产业基金的判断是：模型智能的提升会越来越决定模型定价，所以“设计模型本身”的能力会更重要。它把 RSI 看成工程化的现在，把元模型看成更底层的未来，认为元环在这条路上处于前沿，也处于早期。它说，这次投资是其 Neolab 探索布局的一部分。
星连资本看重的是元模型和 AI for AI 的思路，认为它为突破传统模型研发方式提供了新思路。它认可创始团队在神经科学与人工智能交叉领域的积累，表示希望支持有技术理想、敢挑战既有范式的团队。
云时资本从科研方法切入。它认为，AI for Science 的成功不在于堆算力，而在于极少数核心研究员对特定领域的顶级技能和投入。它说，刘子鸣有这样的科研品味和初心，元环把物理学第一性原理和 AI for AI 融合，有望重塑模型训练规律预测和全流程自动化科研。
四家的话主要讲路线和创始人，没有给出可以独立核对的具体数字。文中的“上帝视角”“模型之母”等说法，都是公司或投资方的表述，不是独立结论。
公开资料里，元环已经放出了几项工作：ComfyResearch 研究工作台、OPHIS 自动科研方法、nanoGPT 可观测量库，以及 Marin Hero Run 训练表现预测案例。
其中 Marin Hero Run 公开的是预测，不是训练结束后的最终成绩。KAN 是刘子鸣在公司成立前的学术成果。元环还没有公开证明，AI 能自主设计出下一代基础模型。
不堆算力，先去理解模型为什么有效，再让 AI 学会这套规律，这条路和大家都在比拼的规模路线不同。
元模型能不能从预测走到真正参与设计，我会等明年的 1.0，也会等 Architecture IQ 公开之后的结果。