沐晨科技接连现身顶尖科研项目，AI数据服务逻辑变了

近期2026外滩大会上，北大助理教授杨灵关于「长程任务学习」的分享引发关注，合作研究标识中出现Muchen AI。随后，PhAI Labs发布ScienceBuddy，AItonomy Foundation推出ScienceIDE，沐晨科技均以联合研发与技术支持方身份出现。这家2024年成立于重庆的AI数据工程公司，为何能频频切入前沿科研与产业项目？

大模型进入复杂任务落地阶段，数据服务竞争核心已从「样本量级」转向「过程质量」——任务边界、评价标准、执行链路可追溯性成为关键。沐晨科技从成立之初便锚定此方向：交付物不只是样本，更包括任务定义、判断依据、质量记录与迭代机制。其核心是结构化评价标准（Rubric），将笼统评价拆解为可量化维度，并经双盲校验、版本迭代与生产流程绑定。沐晨将其定义为Long-horizon AI Data Operations。

某头部代码大模型厂商曾遇评测体系与真实开发场景脱节问题，传统评测一致性偏差超30%。沐晨为其搭建从仓库筛选到结果溯源的全链路工程化评测体系，包括真实代码仓库质检、Docker容器执行环境、真实开发任务矩阵、分层级Rubric与全链路留痕。任务在Trae环境中完成5款主流代码模型独立运行验证，评测人员一致性提升至90%以上。成立两年间，沐晨将能力延伸至多模态、智能体等场景，高价值评测方案与长周期运营服务占比稳步提升，客户复购率与项目平均周期持续增长。

参与ScienceBuddy联合研发，是这套能力向科研领域的延伸。科研对「结果可信」要求更高，方法、参考结果、单位、误差范围等均影响结论有效性。ScienceBuddy关注科学家与AI Agent持续交互，记录工具调用与执行轨迹。联合研发中，PhAI Labs主导递归科学任务中台架构与产品交互框架；沐晨与PhAI Labs联合推进科学发现平台研发；科学验证平台由沐晨全权负责，搭建多层级科学检查机制、结构化轨迹记录与自动化评分框架。验证结果回流中台，驱动科学发现平台迭代，形成递归闭环，正从「人驱动递归」向「自动化递归」演进。

沐晨独立输出Sci/Eng场景Agent评测数据集全链路交付体系，覆盖数学、物理、生物、工程等10余个方向，基于真实科研工作流设计多步复杂任务，采用MCP接口框架与专业工具调用，自动化脚本评分，交付任务元数据、参考答案、运行轨迹与环境复现说明，形成端到端可复现的标准化评测基准体系。

沐晨科技全称重庆沐晨人工智能科技有限公司，2024年2月成立，核心团队拥有数据工程与模型评测经验，客户来自头部大模型厂商、AI数据企业与科研机构。公司避开低价数据标注红海，锚定长周期数据工程与评测运营。成立两年间，从5人核心团队扩张至千余人，开拓成都、西安办公场所，业务从大模型训练数据生产延伸至复杂任务评测、长周期数据运营及前沿科研AI联合研发。按2026-2030年三阶段战略规划：2026年根基强化期；2028年形成10亿元级年化收入能力；2029年以港股IPO为牵引启动上市，目标成为AI基础设施领域核心服务商。

当AI从「能用」走向「好用」，数据不再是一次性生产资料，而是贯穿模型迭代、任务执行、科研验证的持续运营要素。沐晨科技的成长路径，也是中国AI产业分工不断细化的缩影。