AI自动实验室正在重塑材料科学：走进 Dunia Innovations

材料科学几乎支撑着所有现代技术——从电池、半导体到清洁能源催化剂。但长期以来，新材料的发现一直是一个缓慢且高度依赖人工实验的过程。

总部位于柏林的深科技初创公司 Dunia Innovations 正试图改变这一模式。它正在开发一种“自动驾驶实验室”（autonomous lab），将人工智能、机器人自动化和持续实验整合在一起，使材料研发可以像工业流程一样自动运行。

与传统实验室中研究人员逐个进行实验不同，Dunia 的系统构建了一个闭环材料发现平台，让算法设计实验、机器人执行实验，并将结果实时反馈给 AI 模型。

需要注意的是，一些媒体提到未来可能建设的大型“GigaLab”设施，但公开资料目前主要证实的是 Dunia 的技术平台和合作研究生态，而非某个具体规模或投资额的实验室项目。

材料发现的最大瓶颈：实验验证

近年来，AI 已经能够预测数千甚至数万种潜在的新材料。但预测并不等于真正的技术突破。

每一种候选材料都必须经过：

• 实际合成
• 性能测试
• 实验验证

在材料研发中，这个流程通常被称为 DMTA 循环（Design → Make → Test → Analyze）。传统情况下，从提出材料概念到获得可用催化剂往往需要数年时间。

Dunia 的核心思路就是：把这个循环自动化，并让实验持续运行。

AI + 机器人：自动化材料发现平台

Dunia 的平台将机器学习模型与实验室自动化设备整合成一个闭环系统。基本流程如下：

1. 设计（Design）：基于物理模型的 AI 生成潜在材料并预测其性能。
2. 制造（Make）：机器人实验设备自动合成这些候选材料。
3. 测试（Test）：自动化仪器测量其催化效率、电化学性能等指标。
4. 分析（Analyze）：实验数据反馈给 AI 模型，用于改进下一轮预测。

这种持续运行的实验循环可以在短时间内产生大量真实实验数据，从而提升 AI 模型的准确度和研发效率。

公司将这一系统称为 “材料加速平台”（materials acceleration platform）——一种依赖真实实验数据不断学习的 AI 科学基础设施。

为什么要用“物理约束 AI”

在化学和材料领域，一些 AI 方法主要依赖统计相关性。但这种方法往往会提出理论上可行、实验上却无法实现的候选材料。

Dunia 采用的是 Physics‑Informed AI（物理约束 AI）：

• 在机器学习模型中嵌入物理和化学定律
• 过滤不符合实际条件的候选材料
• 提高实验成功率

这种方法可以显著减少无效实验。气候科技加速器 Third Derivative 指出，将物理约束 AI 与机器人实验结合，可能使电化学材料的发现速度 提升约 10 倍，同时研发成本降至传统方法的约三分之一。

聚焦能源转型材料

Dunia 的早期研究重点集中在能源和工业脱碳相关材料，例如：

• 用于 绿色氢气或氨生产 的电催化剂
• 将 CO₂ 转化为燃料或化学品 的材料
• 工业过程中的高效催化剂

这些研究集中在所谓的 电活性材料（electroactive materials），它们在“Power‑to‑X”技术中至关重要——即把可再生电力转化为燃料或化学原料。

催化剂研发往往需要测试大量材料组合，因此特别适合自动化实验。

德国 ASCEND 催化剂联盟

Dunia 已经参与一个重要的产业合作项目：德国 ASCEND 催化剂发现联盟。

该项目成员包括：

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• 马克斯·普朗克学会 Fritz Haber 研究所
• 柏林工业大学

德国联邦政府为该项目提供 3000 万欧元资金，目标是通过 AI 与自动化实验加速催化剂研发，推动高能耗行业脱碳。

资金与投资者

Dunia 成立于 2022 年，目前已融资约 1060 万欧元（约 1150 万美元）。

投资方包括：

• Elaia
• redalpine
• 欧洲创新委员会（EIC）
• Pace Ventures
• Kindred Capital
• Deep Science Ventures
• Anglo American

这些投资者代表了欧洲对 AI 驱动科学发现与气候技术日益增长的关注。

自动化实验室背后的工业 AI 生态

虽然没有公开资料证实某个大型 Dunia 实验设施的完整技术合作伙伴，但在工业 AI 领域，多个关键技术正在成熟，例如：

• Siemens 与 NVIDIA 合作开发工业 AI 和数字孪生系统，用于模拟复杂工业系统。
• ABB Robotics 将 NVIDIA Omniverse 集成进机器人仿真平台 RobotStudio，用于训练和部署实体 AI 机器人。

数字孪生、机器人自动化和 AI 仿真环境正是自动化实验室规模化运行所需的核心技术。

对欧洲深科技的潜在意义

如果类似 Dunia 的系统能够大规模应用，材料研发的经济模式可能会发生变化。

自动化实验室带来的潜在优势包括：

• 更快的新材料发现周期
• 更大的实验数据集用于训练 AI
• 降低研发成本
• 从间歇式项目转向 全天候连续实验

材料科学是能源、化工、电子和制造业的基础。如果 AI 能够直接驱动现实实验，欧洲可能在 AI + 科学基础设施这一新领域建立优势。

总结

Dunia Innovations 代表了一种新的科研模式：AI 原生实验室。

在这种模式下：

• AI 负责设计实验
• 机器人执行实验
• 数据实时反馈并驱动下一轮研究

换句话说，未来的材料研发可能不再只是科学家在实验台前工作，而是一个 全天候运行的自动化研究工厂。

而 Dunia 正在尝试把这个未来提前带到现实。