以 RSI 為核心升級引擎，貫通數據、模型、實驗與生產，加速材料創新

北京2026年10月26日 /美通社/ -- 企業級 AI 智能體與知識引擎領跑者北京楓清科技有限公司（Fabarta）宣佈對其 AI for Science（AI4S）平台完成重大戰略升級，正式推出核心升級的智能引擎——RSI（Recursive Self-Improvement）驅動的Fabarta Science Intelligent，並將 AI4S 升級為 AI4S&E（AI for Science & Engineering），涵蓋研發和生產的核心鏈路。此次升級標誌著 Fabarta 的 AI4S 平台全面具備了多智能體協同、多尺度模型自進化與物理 AI 混合建模等前沿能力，打通從文獻調研、配方設計、乾濕實驗驗證、數字中試放大至工業量產的全鏈路並邁向持續自迭代，推動材料研發從傳統的「經驗試錯」加速邁向「AI與知識驅動」的新範式。

與此同時，作為公司推進全球化佈局與資本市場對接的重要里程碑，楓清科技受邀成為首批「香港匯智人才生態合作夥伴」。創始人兼 CEO 高雪峰、聯合創始人兼 COO 葛爽將於11月2日出席亞洲最具規模的金融科技盛會——「香港金融科技周×StartmeupHK 2026」，並在專場活動中接受官方授牌，向全球 45,000+ 行業領袖展示 AI4S 平台與企業級 AI Agent 的突破性成果。

從單點工具到全鏈貫通：AI4S 平台迎來 RSI 能力躍遷

作為深耕精細化工與新材料領域的 AI 領軍企業，楓清科技此前的 AI for Science 平台已在文獻精讀、數據管理及單點算法預測等場景展現出顯著成效。然而，面對材料工業「從實驗室走向產線」的深水區，傳統 AI4S 工具往往停留在「單點計算」或「協助發論文」層面。

針對這一瓶頸，楓清科技對 AI4S 平台進行了系統性迭代，將自研的 RSI 智能架構 深度注入平台底座。通過「四大中心」與「三層循環」，升級後的 AI4S 平台不僅能做文獻問答和分子生成，更具備了自適應模型進化、多尺度物理仿真與數字孿生校準的能力，推動 Fabarta AI4S 平台向「具備自迭代能力的產業級研產一體化大平台」的加速跨越。

突破材料研發兩大瓶頸：多目標平衡與數據斷層

新材料研發長期受困於多目標性能平衡（如耐熱性、抗衝擊韌性、加工流動性與成本的此消彼長）以及研產數據的嚴重碎片化。以耐熱 ABS 樹脂為例，引入耐熱單體常以犧牲衝擊強度為代價；提高橡膠含量可補回韌性，卻又拉低耐熱性能；而大量存在於歷史文獻、專利和「異常」批次中的關鍵線索，長期散落在不同部門與系統中，難以形成持續運轉的「提問—驗證—調整」閉環。

針對本次 AI4S 平台的升級，楓清科技創始人兼 CEO 高雪峰表示：

RSI 的核心運轉架構：四大中心支撐三層迭代循環

在 RSI 平台中，一項材料研究由「課題、會話、實驗、資源中心」四大模塊緊密承載，並通過三層深度循環驅動研發跨越物理世界的阻礙：

1. P0 驗證循環（想法精準校驗，模型實時進化）：在單個課題會話中，科研智能體依托知識圖譜沉澱的歷史配方與預測模型，快速生成可檢驗的方案假設。系統以數據驅動模型與物理約束相結合的建模框架為基礎，在具備數據與計算條件的場景中引入神經算子，逐步積累可復用、可遷移的領域模型與算子組件。當新的實驗數據經質量檢查後回流至知識圖譜，系統通過預測偏差、物理一致性與不確定性評估，識別模型薄弱區域，並按需觸發增量訓練、局部模型更新或參數校準。更新後的模型經獨立數據驗證、版本管理與研究員確認後投入使用，形成『智能假設 → 自主實驗 → 數據回流 → 算子進化 → 智能再探索』的 P0 級模型自進化閉環。
2. P1 領域循環（跨學科深度探索，多尺度遷移）：當初步線索與基座代理模型通過驗證後，RSI認知智能體調度「探索—利用」協同策略，將研發目標拆解為由專業智能體貫通的分子設計/性能預測/配方優化等跨尺度數字實驗鏈。基於高精度代理模型，系統在研究員確定的物理與工程約束邊界內開展多目標全局尋優，依據達標置信度與魯棒穩定性對候選方案進行級聯剪枝，大幅收窄高成本濕實驗與複雜仿真範圍。研究維度逐級延伸至耐熱單體極性配比、橡膠相微觀粒徑拓撲、加工助劑協同窗口，以及低溫衝擊韌性與長期老化演化等極端性能。在跨體系、跨尺度遷移階段，系統通過少樣本主動學習與模型殘差校準精確劃定泛化適用邊界，徹底貫通配方篩選、性能驗證與工藝調優全鏈路的數據與知識復用。
3. P2 產業循環（實驗室走向產線，數字孿生閉環）：實驗室跑通的優秀配方，在進入反應釜、雙螺桿擠出機放大中試及工廠量產時，常因剪切力、原料批次波動等產生性能偏差。RSI 將領域積累的跨尺度模型秒級預測能力放大到生產環境，同時生產過程中DCS/MES產生的溫度、壓力、扭矩、剪切歷史及產品質量數據被持續回傳至研發知識圖譜，通過工業數據驅動的算子再訓練、模型偏差診斷，實現數字孿生動態校準，P2 產業循環通過貫通生產端的實際工況反饋，將中試與量產數據逆向回傳至研發端進行模型修正，打破實驗室與工廠產線之間的『死亡谷』。

解決 LLM 幻覺：物理AI與 Fabarta Context Graph 的深度融合

區別於依賴通用大模型「概率猜想」的傳統工具，RSI 平台依托 Fabarta 核心的 Context Graph（企業知識圖譜）與物理信息神經算子模型，確保科研決策的嚴謹性與可追溯性。

• 精準溯源與知識沉澱：RSI 將原料單體、配方參數、測試結果、相形貌圖像、專利文獻及研究員的推理假設統一組織為結構化知識網絡。研究員可進行跨課題追溯（如「檢索歷史上引入 N-苯基馬來酰亞胺且保持韌性的橡膠粒徑特徵」），所有結論均附帶明確的原始數據支撐，消除通用 AI 在嚴謹科學領域的「模型幻覺」。
  
  
• 物理機理與 AI 混合建模：平台集成狀態方程、反應動力學及仿真計算 Skill，將守恆律、本構關係等物理定律以軟約束與硬約束相結合的方式內化於算子訓練之中，使模型在數據稀疏區域依然遵循物理規律，具備可信的外推能力。計算過程對話化、推理步驟可視化、中間結果可覆核。
  
  
• 知識與模型雙向增強：知識圖譜為 PINO 提供結構化先驗與訓練語料，PINO 的預測與發現又以「帶置信度的知識」形式回寫圖譜，經實驗確認後轉化為確定性知識。圖譜與模型相互餵養、協同進化，構成企業專屬、不可複製的研發智能資產。

推動 AI4S「產學研用」閉環落地

目前，楓清科技的 AI4S 解決方案已在頭部央企、國家級化工產業園區及多家新材料上市公司成功落地應用。通過聯合實驗室、乾濕實驗一體化以及由政府/企業運營的中試基地，RSI 平台正在加速催化劑優化、高分子聚合物設計及精細化工工藝改造的商業化進程。

楓清科技創始人兼 CEO 高雪峰補充道：

未來，楓清科技將繼續以「研」和「產」為核心，持續深化多智能體協同、物理 AI 混合建模與垂域大模型矩陣，致力於為全球化工能源、新材料、先進製造及生物醫藥企業提供高可靠、可演進的企業級 AI 智能體基礎設施。

深化大灣區與全球化佈局：受邀成為首批「香港匯智人才生態合作夥伴」亮相金融科技周

憑借在企業級 AI 智能體與 AI4S 領域的硬核技術壁壘，以及將 AI 融入產業升級的卓越實踐，楓清科技正式獲邀成為首批「香港匯智人才生態合作夥伴」。

11 月 2 日至 6 日，由香港特區政府財經事務及庫務局、商務及經濟發展局、投資推廣署（InvestHK）聯合主辦的「香港金融科技周×StartmeupHK 2026」將在香港會議展覽中心重磅舉行。楓清科技創始人兼 CEO 高雪峰、聯合創始人兼 COO 葛爽將赴香港出席盛會，並在 11 月 2 日的「匯智論壇專場」現場接受「香港匯智人才生態合作夥伴」感謝狀頒發。

在本屆聚焦金融 AI、企業級 AI Agent 及跨境合規的前沿盛會上，楓清科技將依托升級後的 AI4S&E 平台與企業級知識中台，與來自全球 120 多個經濟體的政產學研代表、國際投資機構及產業領袖展開深度對接。公司將以香港為重要戰略樞紐，加速跨境落地與全球化業務拓展，鏈接大灣區與國際資本市場，推動 AI 智能體生態在全球深科技領域的蓬勃發展。

關於楓清科技 Fabarta

北京楓清科技有限公司是行業領先的企業級 AI 智能體與知識引擎服務商。公司堅持「知識引擎與大模型」雙輪驅動，依托自研圖譜微調（Graph Fine-tuning）與物理 AI 混合建模技術，解決通用大模型在工業領域的幻覺與不可解釋痛點。 楓清科技深耕精細化工、新材料、先進製造等萬億級產業，打造了涵蓋「科研小試、數字中試到工業量產」的 AI4S 完整落地閉環，致力於幫助製造業客戶構建基於四維本體與 RSI 技術的智慧工廠，打通科研到生產的循環通路。作為龍頭產業鏈主企業的戰略合作夥伴，公司已將上百種成熟智能體在國家級化工園區及行業龍頭中實現標準化規模複製，致力於讓 AI 真正嵌入實體經濟核心價值鏈，創造可量化的產業收益。