IAM-I Vision 2040：欧洲不缺科学，缺的是速度

9 月 9 日，IAM-I 与欧盟委员会举行了 Vision 2040 的第一场 Acceleration Series，主题是 Self-Driving Labs。

讨论集中在三个现实问题：实验设施需要多大投入？欧洲下一步应该建大型集中设施，还是把各国已有实验室连起来？谁会成为第一批工业客户？

这几个问题指向同一件事：欧洲已经有不少材料 AI 模型、实验室和科研基础设施，下一步开始进入系统建设——怎么把 discovery、实验、验证和 industrial deployment 接起来。

Vision 2040 目前还不是一份已经获得立法和预算授权的欧盟计划，更接近一份正在影响下一轮政策和预算设计的产业路线图。Advanced Materials Act 的委员会提案预计在 2026 年第四季度提出，下一期 Horizon Europe 和 European Competitiveness Fund 将从 2028 年开始。

因此现在值得看的，是欧洲最终会把钱投在哪些层、采用什么接口，以及谁来承担从实验室走向工业的风险。

过去一年，这条赛道开始从研究项目变成基础设施竞争

过去十个月，几个原本相对独立的方向开始汇合。

2025 年 11 月，美国启动 Genesis Mission，把 AI for Science 提升成跨部门国家任务。到 2026 年 7 月，美国已经宣布超过 50 亿美元的联邦 commitment，并开始把国家实验室的算力、科学数据和实验设施组织进同一个执行框架。

欧洲在今年 6 月启动了 MaterialsCommons，预算约 2800 万欧元，由 14 个国家的 26 家研究机构参与。它做的不是新的材料 foundation model，而是泛欧材料数据和研究基础设施的 federation：统一数据、workflow、语义体系和访问方式，让原本分散在不同机构里的资源可以连接起来。

同月，美国商务部通过 CHIPS R&D Office 向 SandboxAQ 提供 5 亿美元，用 AI 推进半导体材料和化学品研发，并取得少数非控股股权。

8 月，Anthropic 又发布了 Model Hardware Standard, MHS，开始尝试统一 AI agent 与实验设备之间的接口。

这些项目分别落在不同位置：

Genesis 在做国家级执行系统；MaterialsCommons 在做数据和互操作基础设施；SandboxAQ 展示的是公共资金如何进入具体的 AI-materials program；MHS 开始抢 agent-to-hardware interface。

材料 AI 的竞争范围因此越来越大。模型依然重要，但实验设施、数据、接口、验证、资本和采购正在同时进入这场竞争。

01｜发现实验可以便宜，工业验证不会

会上关于 capex 的分歧，来自讲者讨论的并不是同一种 Self-Driving Lab。

Aspuru-Guzik 关注 discovery。他认为好的算法应该像“狙击手”：通过更好的实验选择减少实验次数。DTU 和 Toronto 使用的自动化平台可以做到约 €15k–€20k，一次 campaign 大约百次实验。

Dunia CEO Alexander Hammer 讨论的是 industrial validation。客户需要真实工况、真实仪器、可靠 throughput 和可以进入 qualification 的数据。这些设施的成本可以高几个数量级。

因此 SDL 至少要区分两类：

Vision 2040 也采用了类似的分工：IAM4EU+ 做数据、标准、软件和 interoperability，本身不负责建设 labs、pilot lines，也不是 scale-up fund。

这留下了一道很具体的资本问题：

一个 €20k 的 discovery setup 找到候选材料以后，谁来支付后面的 €20m，甚至 €200m？

02｜真正困难的是从 €10m 公司跨到 €100m–€300m 的实验基础设施

Hammer 把欧美融资差距形容成“100 倍”。这个数字没有公开统计口径，不能直接当作市场规模比较。

CuspAI 是一个明显反例：这家 Cambridge 公司今年完成 $450M Series B。不过它也是一个上尾样本——Max Welling 的研究背景、foundation-model 定位，以及 Kleiner Perkins、NEA 等美国投资人，使它能够直接进入全球 frontier-AI capital market。

Physical AI4S 面临的资本问题更明显。

Dunia 提出的 Berlin GigaLab 总投资达到约 €280M。美国已经出现 Periodic Labs $300M seed、Lila Sciences seed + Series A 累计约 $550M 这样的案例：公司在技术和商业模式仍然很早时，就获得数亿美元去同时建设模型、实验能力和数据资产。

因此值得关注的融资缺口不主要在 seed。

真正困难的是让一家 €10m–€30m 的 deep-tech startup，在收入和需求尚未完全确定时，跨到 €100m–€300m 的 scientific infrastructure。

这也是会上为什么不断回到 first customer。

对于 industrial SDL，投资人首先会问：设施建出来以后谁用？

如果 BAM、Fraunhofer、计量机构或工业公司愿意成为 early customer，融资风险会明显改变。欧委会刚提出的 European Innovation Act 也包含跨国 R&D procurement framework。

Grant 证明有人愿意资助研发。Procurement 再多证明一件事：有人愿意买。

欧洲接下来是否会开始用公共采购，而不只是 research grants，帮助 AI4S 公司从 prototype 走到 first market，是一个很值得跟踪的问题。

03｜闭环之后，下一关是结果能不能信

会议里一个值得关注的问题来自 DIFFER：当 agent 开始在 physical lab 中自己选择和复用工具，应该怎样验证这些行为？

Aspuru-Guzik 给出的方案包括 software validation、安全 agent、digital twin、Bayesian optimization 和 human-in-the-loop。目前这些更像各实验室自己的 engineering stack，还没有形成成熟的 physical-agent validation framework。

Anthropic 最近的 MHS 实验提供了一个具体例子。在 Genentech 的实验中，Claude 曾把样品起泡造成的物理失败理解成 software bug，需要专家指出真正的问题来自实验过程。

Agent 能够调用设备，并不意味着它已经理解设备背后的物理世界。

下一阶段需要解决的问题包括 calibration drift、failure recovery、cross-lab reproducibility、experiment provenance 和 long-horizon reliability。

欧洲在这里有一项容易被低估的资产：BAM、PTB、NPL 这样的 measurement 和 metrology institutions。

如果这些能力开始进入 autonomous science stack，欧洲可能不需要在 foundation model 上领先，也可以在 physical validation 这一层建立重要位置。

9 月 30 日 BAM 的下一场 Vision 2040 session 值得特别关注。

04｜MHS 正在压缩重新发明实验接口的窗口

Anthropic 的 Model Hardware Standard 正尝试把 agent 与实验设备之间的接口抽象成通用 primitives，并计划在完成 safety evaluation 后开源。

如果 MHS 或类似方案得到主流设备厂商支持，hardware integration 会越来越接近开放基础设施。

这会改变欧洲需要建设什么。

MaterialsCommons 主要解决跨机构数据、workflow 和 interoperability；MHS 解决 agent 如何操作设备。未来欧洲更有战略价值的位置，很可能在接口之上：

experimental provenance、validation、data rights 和 certification。

这些规则会直接影响公共实验数据能否进入商业模型，以及谁能利用欧洲科研基础设施积累模型优势。

05｜接下来值得看三个信号

Advanced Materials Act，2026 Q4。 Vision 2040 中关于 infrastructure、standards 和 demand-side tools 的多少内容最终进入正式政策。

BAM 与 physical validation。 欧洲是否开始把 discussion 从 automated experimentation 推进到 drift、traceability 和 cross-lab reproducibility。

第一批真正的 procurement。 BAM、Fraunhofer、pilot lines 或其他公共机构是否开始购买 SDL capability，而不只是继续资助研究。

另外还有一个我会长期跟踪的问题：

下一家需要 $100M+ 的欧洲 physical AI4S 公司，钱从哪里来？

如果下一批大额 round 仍然主要依赖美国 VC，欧洲可以继续产生很好的 AI4S 公司，但本土 growth capital 的问题仍然存在。

如果 EIC、European Competitiveness Fund、成员国资金、公共采购和 private capital 开始共同承担 scientific infrastructure risk，那么 Hammer 在会上提出的问题才真正开始得到制度答案。

最后的判断

欧洲已经拥有很多材料 AI 所需要的组件：研究机构、实验设施、计量体系、产业公司和正在形成的数据基础设施。

Vision 2040 选择的路线，是把这些已有能力连接起来。

接下来两年要验证的是，这套体系能否跨过几个更难的环节：工业验证、scale-up financing 和 first customer。

对 AI 公司而言，这场竞争也正在超出模型本身。Hardware interface 可能逐渐开放化，而 experimental data、physical validation 和 industrial access 仍然没有明确赢家。

这几个位置，可能比再出现一个 Self-Driving Lab demo 更值得关注。