Dunia Innovations 用 AI 自動化實驗室改寫材料研發速度

材料科學幾乎支撐了所有現代科技——從電池、半導體到清潔能源催化劑。但在現實世界裡，發現一種新材料往往需要多年研究與大量實驗。

德國柏林深科技新創 Dunia Innovations 正試圖改變這個流程。他們建立的是一種「自駕式實驗室」（autonomous lab）：把人工智慧、機器人實驗設備與持續資料回饋結合，讓材料發現從傳統手動研究變成一個自動化、可持續運行的系統。

一些媒體曾提到未來可能建設大型「GigaLab」設施，但目前公開資料主要確認的是 Dunia 的技術平台與合作研究生態系，而非特定設施規模或資金細節。

材料發現最大的瓶頸：實驗驗證

近年 AI 模型已能預測成千上萬種潛在新材料，但真正的技術突破仍需要實驗證明。

任何 AI 提出的材料候選，都必須經歷以下流程：

Design → Make → Test → Analyze（DMTA）

也就是：

• 設計材料
• 合成材料
• 測試性能
• 分析結果

在傳統研究中，這個循環往往需要研究人員逐步操作，每次實驗都要花費時間與成本，因此一個成功的催化劑或新材料可能需要多年才誕生。

Dunia 的核心想法，就是把這整個循環 完全自動化並持續運行。

自動化實驗室如何運作

Dunia 的平台是一個 閉環材料發現系統，把 AI 模型與機器人實驗設備直接連接。

整個流程大致如下：

1. Design（設計）
   AI 模型根據物理與化學原理提出可能的新材料候選。

2. Make（製備）
   機器人控制的實驗設備自動合成這些材料。

3. Test（測試）
   自動化儀器測量催化效率、穩定性或電化學性能。

4. Analyze（分析）
   實驗結果回傳 AI 系統，用來訓練模型並優化下一輪材料設計。

這樣的系統形成一個 持續運行的實驗閉環，讓 AI 不只是做模擬，而是從真實實驗數據中不斷學習。

Dunia 將其稱為 materials acceleration platform（材料加速平台）。

為什麼「物理約束 AI」很重要

許多 AI 化學研究依賴純統計關聯，但這容易產生理論上可行、實際上卻難以合成的材料。

Dunia 的方法是 physics‑informed AI（結合物理原理的 AI）。

這意味著模型在生成材料候選時會考慮：

• 物理定律
• 化學反應限制
• 可實驗合成的條件

結果是：AI 提出的材料更接近 可實驗實現的候選，減少無效實驗。

氣候科技加速器 Third Derivative 指出，結合這種 AI 與機器人實驗，有機會讓電化學材料的發現速度 提升約 10 倍、研發成本降低至約三分之一。

聚焦能源轉型材料

Dunia 的早期研究主要集中在 能源與催化材料，例如：

• 綠氫或綠氨生產的電催化材料
• 將 CO₂ 轉換為化學品或燃料 的催化劑
• 工業減碳所需的高效催化材料

這些研究屬於 Power‑to‑X 技術 的關鍵材料，也就是把可再生電力轉換為燃料或化學原料。

催化劑開發通常需要測試大量材料組合，因此特別適合自動化實驗系統。

德國 ASCEND 催化劑聯盟

Dunia 參與的一個重要合作項目是德國 ASCEND 催化劑研發聯盟。

該聯盟由六個研究與產業機構組成：

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• 馬克斯普朗克學會 Fritz Haber 研究所
• 柏林工業大學

德國聯邦政府為此計畫投入 3,000 萬歐元資金，目標是利用 AI、模擬與自動化實驗加速新型催化劑研發。

這些催化劑將用於能源密集型產業的減碳與能源轉型。

融資與投資人

Dunia 成立於 2022 年，目前已募資約 1,060 萬歐元（約 1,150 萬美元） 用於擴展其自動化實驗室平台。

投資方包括：

• Elaia
• redalpine
• European Innovation Council（EIC）
• Pace Ventures
• Kindred Capital
• Deep Science Ventures
• Anglo American

這些投資者反映出歐洲對 AI 驅動科學研究與氣候科技 的興趣正在增加。

工業 AI 與機器人技術生態

雖然沒有公開資料確認特定的大型 Dunia 設施合作夥伴，但全球工業 AI 生態正在快速形成。

例如：

• Siemens 與 NVIDIA 正合作發展工業 AI 與數位孿生技術，用於模擬複雜工業系統。
• ABB Robotics 將 NVIDIA Omniverse 技術整合到 RobotStudio，用於機器人 AI 訓練與模擬。

數位孿生、AI 模擬環境與自主機器人，正是未來自動化實驗室可能依賴的核心技術。

對歐洲深科技的潛在影響

如果這類自動化實驗室成功規模化，材料科學的研發模式可能會改變。

潛在影響包括：

• 新材料發現速度大幅提升
• 建立更大型實驗數據集供 AI 訓練
• 降低研發成本
• 從「專案式研究」轉為 持續實驗工廠

這點非常重要，因為材料科學直接影響：

• 能源
• 化學工業
• 電子產業
• 製造業

歐洲在材料科學長期具有研究優勢，但在大規模 AI 基礎設施上相對落後。將 AI 軟體與自動化實驗結合 的平台，可能成為縮小這個差距的關鍵。

重點總結

Dunia Innovations 代表了一種新的科研基礎設施：

AI 設計實驗、機器人執行實驗、數據再回饋 AI。

在這種模式下，實驗室不再只是研究空間，而更像是一座 24 小時運作的科學發現工廠。

目前可以確定的是，Dunia 的閉環 AI 材料發現平台與能源催化研究已在推進；至於未來是否會建設更大規模的自動化研究設施，仍有待更多公開資訊確認。