深勢科技創始人、CEO孫偉杰：未來科研發生在云上，做實驗就像手機修圖一樣簡單

每經記者｜可楊 李少婷    每經編輯｜魏官紅    

這場人工智能熱潮涌入大眾視野之初，少有視線關注到科研領域泛起的漣漪。

日前，2024年諾貝爾物理學獎和化學獎相繼揭曉，大張旗鼓地向世人宣揚了“AI for Science”（科學智能，業內又簡稱為AI4S）的進程。被稱為“賣鏟人”的英偉達創始人黃仁勛也大呼：“AI將加速科學發現，變革各行各業。”

一時間，“AI4S”成為熱點。知名玩家DeepMind和微軟等奪人眼球，但鮮有人知，“AI4S”最早是由中國科學院院士鄂維南在2018年提出。

受訪者供圖

2018年也是深勢科技創始人、CEO孫偉杰決心由風險投資領域躬身入局“AI4S”賽道的關鍵轉折點。

這家公司以2021年成功復現AlphaFold2聞名業內，且在推理速度、單體蛋白結構預測精度、蛋白多聚體結構預測精度等指標上超越AlphaFold2的模型而更受關注，鄂維南是其首席科學顧問。迄今，深勢科技已完成6輪融資。

與大語言模型“幻覺”多發不同，“AI4S”基于科學規律，是嚴謹的。近日，孫偉杰在接受《每日經濟新聞》記者專訪時，將傳統科研比喻為“挖礦”，他認為，“AI4S”提供了高效的工具“挖掘機”，幫助人類將原本隨機的科研結果框定在一個相對確定的范圍內，進而提升了科研效率。照此發展，做實驗可能就像現在人們在手機上做計算、修圖一樣簡單，“未來的所有科研都會發生在云上”。

“AI4S”開花結果 人工智能改變科研范式

AlphaFold由谷歌Deep-Mind團隊研發。AlphaFold使得研究人員可以使用人工智能模型來設計應用于疫苗、建筑材料或納米機器上的全新蛋白質，能基本預測此前人類尚未解析的蛋白質組結構。

在美國《科學》雜志2021年公布的十大年度科學突破中，預測蛋白質結構的AI模型AlphaFold位列其中。

人工智能改變了科研范式。

“人工智能的本質在于從復雜的系統中學習高價值的規律。模型本身的價值取決于它所學習的規律的價值。”孫偉杰認為，現代科學發展這么多年，最具價值的規律就是科學規律，如果人工智能學會了這些規律，或許模型就能求解世界上所有受這些規律支配的問題，這也是“AI4S”的魅力所在。

與大語言模型不同，“AI4S”不存在“幻覺”問題，二者范式不同。據孫偉杰介紹，AI是嚴謹的，至少在“AI4S”領域。

從概念提出到AlphaFold問世，可行性已經得到了驗證。“當時大家猶豫的是靠不靠譜。”孫偉杰回憶道，為了打消目標客戶的疑慮，深勢科技2022年秋天推出了第一版《AI for Science全球發展觀察與展望》。

直到2023年、2024年，大家對這一概念已經沒有絲毫懷疑，考慮的問題從“要不要做”變成了“先做什么、后做什么”。至此，“AI4S”已經在全國乃至全球充分地開花結果了。

具體到深勢科技，孫偉杰介紹，其選擇的是生命科學和物質科學兩大領域。“客觀世界只有生命科學和物質科學兩大門類。”生命科學包括生物科學，如創新藥、合成生物學、生物育種等，物質科學包括新材料、新能源等。

在孫偉杰設想的理想狀態下，深勢科技等平臺公司，會成為新的科研方式下的新入口，那意味著，“生命科學和物質科學的科研，登錄我們的平臺，就可以解決全部問題”。

“你相信嗎，未來的所有科研都會發生在云上。”在采訪中，孫偉杰向《每日經濟新聞》記者提出了這個說法。

“從整個社會發展和技術趨勢來說，未來做實驗就像現在做計算一樣，使用微信的時候不必關心背后的算力在哪里，未來做實驗也一樣。”孫偉杰說，如此一來的影響是，“我們在物理化學和生物宇宙里面‘挖礦’，就像現在修圖一樣簡單”。

從隨機到確定 大模型能提升科研效率

在普通大眾眼里，科學研究不是一件容易賺到錢的事，它往往意味著“馬拉松式”的投入和商業化轉化的高度不確定性。

而孫偉杰認為這是一個認知誤區，“科研從來都是‘賺錢’的”——生命科學、物質科學等基礎科學以原始創新驅動眾多業態，催生創新藥、新材料、新能源和化工產業等，如果沒有科研的原始創新作為支撐，這些行業也難以實現高額利潤和產業規模的擴張。

“其實科研的本質是挖礦。”孫偉杰進一步向《每日經濟新聞》記者解釋稱，科研就是從物理、化學、生物等領域中挖無形的礦產，面臨的挑戰與困難更大。因為物理、化學和生物的世界十分龐大，在人工智能尚未普及之前，人們只能依賴隨機探索。“就好像在整個北京城里尋找一塊黃金，得運氣好到爆，或者全挖一遍，才有可能挖到。”

如今，“挖礦式”的研發范式已經發生了變化。一方面擁有更強大的計算模擬技術，另一方面實驗手段也在不斷創新，擁有更精細的數據分析能力。在物理、化學、生物等學科交叉的問題上，過去并不具備這些能力。

例如，在生物醫藥領域，過去人們發現一種新的藥物候選分子，通常需要進行上百萬次實驗，耗時半年至一年。如今，可能需要進行數千萬次甚至上億次計算，實際實驗次數最低可減少至數十次，整個研發周期從半年至一年縮短至僅一兩個月。

孫偉杰認為，大模型能夠將人類從重復而低效的“挖礦”工作中解放出來，精準地指出“黃金的確切位置”。這樣一來，科研效率無疑會提升。“過去的科研可能是用小鏟子探礦，現在擁有自動化實驗室機器人，就相當于擁有挖掘機，這就是‘AI4S’帶來的變革。”

一個寬廣領域 將有更多企業涌入賽道

深勢科技構建了“深勢·宇知”AI for Science大模型體系，要做的就是科研過程中勘探的儀器、“挖礦”的工具。

“AI4S”創造了“挖掘機”，關鍵是“挖什么”，才是商業成功的起點。“商業的本質是解決問題，而不是想象問題。”孫偉杰表示，要避免“拿著錘子找釘子”，世界上天然存在的是問題，并不存在天然的學科劃分，或者工具和方法，絕大多數問題都是有解決方案的，只是會面臨解決效率太低或者成本太高的問題。

一個好的需求，通常規模夠大，并且被很好地定義過。以新能源電池領域為例，孫偉杰向《每日經濟新聞》記者介紹，這一產業服務的是“人類想要跑出更遠，出行更舒適”的需求，而巨大的市場規模下，支撐它的還不是一個很完善的技術，關鍵問題在于材料，這也恰恰是“AI4S”能很好發力的需求點——鋰電池技術提升是漸進性的，意味著需要持續投入研發。

在孫偉杰看來，“AI4S”本身是一個寬廣的領域，近兩年將有更多企業涌入，產業或迎來爆發期。

“‘AI4S’的大模型、數據庫、對計算實驗硬件的改造，這些基礎設施已經逐漸看到了雛形。在一些重點場景里面，大家已經開始批量化應用新的范式。大規模應用的爆發期可能就是在很多細分領域里，大家更快速地產生了新的發現，或者說‘挖到礦’。”孫偉杰預測，近兩年，至少會產生“AI4S”的下游公司，也就是“挖到礦”的公司。

這意味著深勢科技的下游客戶將會更加豐富，在孫偉杰看來，如深勢科技一樣成為工具的平臺級公司，在成熟市場中會保持少數幾家。“最核心的能力是透徹理解需求，找準場景，迅速形成閉環。”孫偉杰認為，對這些公司而言，在能力的優先級上，對需求的認知準確度甚至高于技術能力。

封面圖片來源：受訪者供圖