KAN 一作刘子鸣创办元环智能：成立四个月连融两轮数亿元，做预测训练结果的「元模型」
元环智能 10 月 15 日官宣种子轮加种子+轮合计融资数亿元，顺为资本领投；这家 KAN 一作刘子鸣创办的公司要做预测训练结果、自动设计架构的元模型。
2026 年 10 月 15 日，成立四个月的元环智能（MetaCircle）官宣完成种子轮与种子+轮连续两轮融资，合计「数亿元」，其中种子轮由顺为资本领投。公司成立于 2026 年 5 月；创始人刘子鸣生于 1998 年，是 KAN 论文（arXiv:2404.19756）的第一作者，现任清华大学人工智能学院助理教授。这家公司要做的东西叫「元模型」（Meta Model）：在一场训练结束之前预测它的最终表现，并自动设计模型架构。
要点
- 融资为公司口径：种子轮顺为资本领投，上海未来产业基金、星连资本、君礼资本等跟投；种子+轮有上海半导体产投、360 战投、首程资本、上海人工智能产业系列基金，以及 BV 百度风投、山行资本、云时资本等。两轮合计「数亿元」，精确金额未披露，启观资本任长期财务顾问。
- 元模型学的是「模型架构、训练配置与实验表现之间的关系」：在训练完成前预测最终损失和性能指标，自动筛选或生成架构。产品先切时序预测，通用 Meta Model 1.0 定在明年。
- 目前唯一公开的验证案例，是公司博客 8 月 28 日发布的 Marin Hero Run 预测：预测终损 2.034，对 Marin 官方 Scaling Ladder 给出的 2.039——两个都是预测值，截至 10 月 15 日的报道尚未见实测对照。
背景
刘子鸣走的是一条典型的学术创业路径：北京大学物理系本科，MIT 物理学博士，之后在斯坦福做神经科学与 AI 方向的博士后。2024 年 4 月 30 日，他以一作身份提交 KAN（Kolmogorov-Arnold Networks）论文，Max Tegmark 是共同作者之一，这篇论文后来被 ICLR 2025 接收。KAN 把可学习的一元样条函数放到网络连接边上，替代固定的激活函数，卖点是更小的模型和更好的可解释性；官方仓库 pykan 目前有 16332 星（2026-10-15 经 GitHub API 核对），「引用超 5700 次」为公司提供的数据，未经独立核对。
大额融资在中国 AI 行业已算不上新闻——DeepSeek 传完成 120 亿美元融资——但元环智能这样一家 2026 年 5 月成立、没有公开产品的研究型公司连融两轮，押的又是一个需要长周期验证的方向，这个组合值得多看一眼。
事实部分
融资细节据新浪财经刊发的官宣全文与 InfoQ 的报道，两稿互相咬合：
| 轮次 | 投资方 |
|---|---|
| 种子轮 | 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 | 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，及 BV 百度风投、山行资本、云时资本等 |
| 合计 | 「数亿元」，精确金额未披露；启观资本任长期财务顾问 |
资金用途同样是公司口径：元模型核心算法迭代、阶段性产品探索、扩充团队，持续发布自研评测基准。
技术上，据 InfoQ 报道，元模型的目标是把试错从「跑完再看」提前到「跑前先估」。公司已放出的研究组件有三件：自动科研流程 OPHIS，在 Grokking 和 nanoGPT 任务上报告过改善训练表现的干预方案（可迁移性待验证）；科研流程编排工具 ComfyResearch；以及观察 nanoGPT 内部信号（权重、梯度、激活）的 Observable Library。产品路线是先做时序预测，覆盖工业监测、气象、电力、金融等场景——公司称内部实验找到了优于 LSTM 基线的架构，评测条件未公开——通用元模型 1.0 计划明年推出，同时在建一个名为 Architecture IQ 的评测基准。
Marin 案例值得展开，因为它是公司目前唯一公开的对外验证。Marin 是一个直播训练过程的开源大模型训练项目，元环在其 Hero Run 刚开始时发布预测：Meta Model 给出终损 2.034，Marin 自己的 Scaling Ladder 给出 2.039。博客原文写道：「训练正在直播，除了等它跑完，我们没有别的办法作弊。」（意译）这句话说明预测确实发布在训练完成之前；至于 2.034 是否接近真实结果，截至发稿双方都没有公布对照。
各方说法
技术媒体的保留意见写得很直白。InfoQ 提醒，Marin 案例里两个数字一致并不等于预测准确，公开的预测成绩也不能和实测成绩混为一谈；OPHIS 的干预方案能否跨任务迁移，同样没有验证。
融资口径上有一处冲突：科创板日报和证券之星的标题把「数亿元」写作种子+轮单轮的金额，InfoQ、新浪财经、腾讯新闻·瑞财经与中华网转发的网易稿均为两轮合计。本文采用两轮合计，因为它与各家正文的投资方名单、资金用途细节互相咬合。
公司的叙事也值得单独记录：据官宣全文，刘子鸣称 LLM 只能覆盖约 30%「说得清」的问题（文本、数学、编程），元模型瞄准剩下 70% 未被压缩的数值世界；中华网转发的报道强调这条路线「与热门的递归式自我改进路线有根本区别」。顺为资本称刘子鸣是「Z 世代年轻科学家的代表」。这些判断里，「30%/70%」没有给出统计口径，听的时候要打个折。把 LLM 之外当作下一代主线，杨立昆的世界模型是同一个判断的另一个版本（见H-JEPA 论文）。
编辑判断
对天天跟训练跑打交道的人来说，元环讲的故事如果成立，改变的是试错的成本结构：训练开始前就淘汰大概率失败的架构和配置，省下的算力是真金白银。但眼下就把「预测训练结果」当成已验证的能力还太早——唯一公开案例是预测对预测，方法细节与评测条件大多未公开，金额只有「数亿元」的模糊口径，引用数也未独立核对。从一篇 KAN 论文到「直觉机器」，中间隔着大量尚未发表的工程证据。
验证这家公司靠不靠谱，看三样东西就够了：时序预测产品敢不敢放出公开可复现的对比评测；Architecture IQ 基准是否如期上线、规则是否透明；明年的 Meta Model 1.0 能否给出「预测准确」的证据，补上目前只有「预测一致」的缺口。
接下来
- 2026 年内：时序预测方向的阶段性产品，覆盖工业监测、气象、电力、金融等场景（公司口径）。
- Architecture IQ 评测基准发布，规则透明度是第一个观察点。
- 2027 年：通用 Meta Model 1.0，即官宣口径中的「明年」。