元環智能連續完成數億元種子輪融資，KAN 共同作者刘子鸣押注讓 AI 設計 AI 模型

成立於 2026 年 5 月的 AI 創業公司元環智能（MetaCircle）宣布連續完成種子輪與種子+輪融資，累計金額達數億元。據公司提供的資訊，種子輪由顺为资本領投，上海未來產業基金、星連資本、君禮資本跟投；種子+輪投資方包括上海半導體產投、360 戰投、首程資本、上海人工智能產業系列基金、BV 百度風投、山行資本與雲時資本等。新一輪資金將用於核心演算法研發、階段性產品探索、團隊擴充及評測基準建設。 創始人刘子鸣生於 1998 年，現任清華大學人工智能學院助理教授，畢業於北京大學物理系，取得麻省理工學院物理學博士，並曾在史丹佛大學從事博士後研究。他於 2024 年參與提出 Kolmogorov-Arnold Networks（KAN），該架構在連接邊上引入可學習的一元函數，因可解釋性與科學計算潛力受到關注。 元環的核心構想是「元模型」（Meta Model）：不直接執行文本生成或圖像辨識等任務，而是學習模型架構、訓練配置與實驗表現之間的關係，預測模型訓練表現並協助選擇架構。其做法是生成不同架構與訓練配置、運行實驗並記錄訓練曲線，再以這些配對資料訓練元模型。據報導，元模型可在訓練尚未完成時預測損失與性能變化，讓研究人員提早淘汰較差方案；長期目標則是讓設計經驗跨任務、跨架構遷移，並進行自動架構設計，與 NAS、AutoML 等既有研究相關。不過，預測表現與自主設計出更好架構仍是不同層次的能力。 已公開的案例中，Marin Hero Run 嘗試在一次大模型訓練未結束時預測最終表現，元環預測 Loss 為 2.034，Marin 項目透過 Scaling Ladder 方法得到 2.039。元環資料明確指出，此案例公開的是預測值，而非訓練完成後的實測成績，因此兩者接近並不代表預測準確。另一項研究 OPHIS 則將觀察、提問、假設、實驗干預與性能改進組織成自動科研流程，已在 Grokking 與 nanoGPT 訓練任務上報告於特定條件下找到改善方案，但能否推廣至更大規模或不同架構仍待驗證。此外，元環發布了 ComfyResearch（以圖式節點組織模型、數據、訓練與分析流程）與 nanoGPT Observable Library（觀察權重、梯度、激活與注意力等內部訊號）。 產品方面，元環先從時間序列預測切入，應用於工業設備監測、氣象、電力需求與金融數據等場景，希望為各場景自動尋找更合適的預測模型。融資材料披露，內部實驗在時間序列任務上找到優於 LSTM 基線的架構，並在一項世界模型任務中取得提升，但完整評測條件、指標定義與可復現結果尚未提供，通用性難以判斷。 公司計畫明年推出通用元模型 1.0，並正在建設 Architecture IQ 評測基準，用以衡量模型或研究人員依架構判斷訓練表現的能力。