前DeepMind成员创立AI科研探索公司Inherent,获5000万美元种子轮融资
AI for Science初创公司Inherent宣布完成5000万美元种子轮融资,由Index Ventures和Radical Ventures领投,NVentures、Ex/Ante、Metaplanet等机构及多位个人投资者参投。
Inherent由前Google DeepMind AI Scientist团队负责人Tantum Collins与Edward Hughes、Louis Kirsch、Kaloyan Aleksiev联合创立。团队此前在DeepMind参与过AlphaProof、Genie 1世界模型等工作。公司目标是为AI for Science系统装上“科研大脑”,让AI不仅能执行科学预测,还能判断哪些问题值得研究、如何设计实验,甚至提出新的研究问题。
为了实现这一目标,Inherent推出了科研判断模型Faraday。Faraday基于Qwen3.6-27B进行后训练,位于Coding Agent之上,负责科研决策,具体代码编写和实验运行则调用GPT-5.5 Codex完成。同时,Inherent构建了Replica训练框架,把论文复现转化为可规模化训练的强化学习任务空间。初始任务空间包含来自100篇机器学习与AI for Science论文的310项任务,其中242项用于训练,68项完全留作测试。
在预留的AI for Science测试集上,Faraday平均得分0.791,超过Claude Opus 4.8的0.748和GPT-5.5 Codex的0.729。Inherent表示,这体现了模型在科研判断上的优势,而非单纯代码能力。下一步,公司希望逐步增加任务的不完整性,让Faraday在没有标准答案的情况下继续探索,最终实现能判断“应该提出什么问题”的AI科学家。
- 2026-09-02 05:32 | 36氪:让AI长出“科研大脑”,Inherent获5000万美元种子融资阅读原文
AI for Science已经成为AI最重要的应用方向之一。2024年,Google DeepMind的Demis Hassabis和John Jumper凭借以AlphaFold2为核心的蛋白质结构预测工作获得诺贝尔化学奖。 但本质上,AlphaFold做的也更多是执行层面的事情,它是非常强的科学预测模型,能够计算并预测蛋白质或分子复合物的三维结构。 但是,现有的大多数AI for Science系统,无法判断哪些问题值得研究,也无法在过程中即时学习。它们更擅长在定义清晰的问题空间里加快探索和执行的速度,但无法在科学的边界探索真正的未知。 Inherent由前Google De...