麻省理工学院医疗初创公司一年内筹集数亿美元资金，人工智能爆炸了科学

人工智能不仅仅是一种应用工具，它开始帮助人类克服基础科学中的“难题”。文字| 《中国实业家》实习记者孙欣王一杰“如果我的公司是一艘探索大海深处的船，我将是最后一个跳下船的人。”深度原则总部位于杭州，创始人贾浩军称他的办公室为“哥伦布”。在他看来，借助人工智能科学新趋势创业，相当于“哥伦布探索新大陆”。成立一年多以来，深度原理在研发、融资和商业化方面取得了快速进展。贾浩军每天早上都会花五到十分钟进行反思，盘点公司当前的风险以及下一步的目标。这个习惯是从2023年贾浩军创业的时候开始的。当时，他正在马萨诸塞州理工学院（MIT）攻读博士学位。 AI for Science（科学智能，行业缩写“AI4S”）是指利用人工智能做出新的科学发现。 2023年，美国贝克团队与谷歌DeepMind合作开发的“RFdiffusion”深度学习模型出现。该模型可预测大约 2 亿种蛋白质结构，只需单击一下即可设计和生成蛋白质。 2024年，诺贝尔化学奖授予了贝克和DeepMind团队。同年，贾浩军正式创立深度原理。该团队基于生成式人工智能与第一性原理的融合，将人工智能应用于材料研发。目前，深度原理已经自主开发了6个算法模块，并集成到自有的研究平台“ReactiveAI”中。最近，该平台升级为材料发现代理（Agente Mira），现在可以独立调动数据和资源，根据客户需求开发化学材料。 2025年，AI4S将迎来重大转折。八月，我国“人工智能+”计划公布，将AI4S作为推动科学发现范式升级的重要方向。 11月25日，特朗普总统签署了“创世纪计划”行政命令，该计划利用人工智能改变科学研究方法，并将在美国全国范围内实施。同期，数百个AI4S企业项目在硅谷落地。此后，美国国立卫生研究院、OpenAI、DeepMind持续加大对AI4S的投入。 2026 年 1 月 12 日，英伟达和礼来公司宣布，将在五年内投资 10 亿美元，在旧金山建立联合研究所，开发人工智能药物。同一天，Anthropic 宣布推出健康和生命科学服务，允许 Claude 用户分享他们的医疗记录。 Kosmos、Biomni等通用科研引擎也在陆续推出呃。国内各大厂商迅速做出反应。腾讯于2025年9月成立生命科学研究所。阿里巴巴推动建立LucaOne大规模模型，这是业界第一个结合DNA、RNA和蛋白质的大规模生物模型。字节跳动成立了AI科学团队，并整合到种子部门，并与比亚迪锂电合作打造“高性能AI+连接”。 “仅仅使用人工智能来聊天和生成视频是过度的，”贾浩军告诉中国企业家。戈壁创投与蚂蚁集团管理的阿里巴巴创业者基金大湾区基金共同领投，现有股东共同领投。联想创投、泰新风投、BV百度创投等参与投资，联想创投CEO梁莹表示：“世界期待着‘科学发现+超技术工程’的联合创新。”“我们已经到了一个阶段。”他说，“AI4S可以精准解决高端制造、生物医药等领域的‘停滞’问题，比如新材料研发滞后、创新药物研发成本高等问题，将科研周期从几年缩短到几个月甚至几周，直接提升国家在基础科研领域的竞争力。”每天早上”。这是因为利用人工智能进行科学研究还存在很多不确定性。另一方面，过去科学发现领域尤其是工业领域相对封闭和保守，数据收集限制了垂直模型的研发。另一方面，化工材料领域研发的标准化、数字化仍处于起步阶段，以往的相关数据无论数量还是质量都不足。换句话说，用于科学发现的人工智能数据基础设施非常薄弱，协调机制也不强。不过，在贾浩军看来，除了与大厂商竞争之外，公司关注的重点是如何快速实现AI4S产业化，让其成为现实。科技时代已经到来。贾浩军从小就对两件事着迷：科学和计算机。这是2015年还在读大学的贾浩军进入AI4S行业的起点。在第二年，我使用 CPU 根据薛定谔方程执行从头计算。如果实行禁运，那么信息潜力将受到限制，消费者将面临更多的时间和压力，以及商业机会。 “计算花了几天时间才完成。” Todo esto cambió en 2018. En ese momento, la potencia computacional d图形目标 (GPU) 是我在过去几年中最出色的多方面文档和完整分子计算的原创者。在这段时间里，神经元的使用是为了扩大应用，而 IA 是为了使用分子的“预先决定”，而依赖于简单的无用计算。这让贾浩军意识到人工智能在化学材料研发领域的巨大潜力。 2019年，贾浩军在麻省理工学院攻读博士学位时，主动要求更换导师，寻找正在该领域进行研究的教授。他最终跟随麻省理工学院化学工程学院教授、人工智能化学设计领域的领导者希瑟学习。点击。诺贝尔化学奖获得者、DeepMind 核心成员 Heather Kulik 和 John Jumper 是全球首批利用人工智能进行科学探索的研究人员之一调查。她的研究方向是利用人工智能预测蛋白质结构，Heather Kulik 将人工智能算法应用于化学发现领域。当时，贾浩军的学生段辰儒正在进行调查。段辰儒研究人工智能底层算法和计算方法，贾浩军专注于材料应用的转化和反应系统。从侦查方向来看，段辰儒与贾浩军的角色划分类似于“道”与“术”的结合。我们的工作部门继续致力于创造深刻的原则。段晨如负责算法和技术架构的研发，并担任团队首席技术官。之后，贾浩军担任董事，负责战略、客户、设备的形成和设计。在希瑟·库里克 (Heather Kulik) 的评论中，杜安晨如在AI4S领域展现了“杰出的学术领导力”，贾浩军在面临复杂的研究挑战时被公认为“最勇敢的学生”。在天使投资人和线性资本合伙人曾英哲的评价中，“这两个人是创业的完美搭档。”贾浩军先生如期加入了AI4S研究组，但当时AI更多的是一个“工具”，其应用很快就达到了平台期，AI4S的产业化还不明朗。 “当时流行的想法是利用人工智能来加速传统流程，从而实现更快的计算和更精确的调整。”牛顿是唯一做到这一点的人，其他大多数人都在测试极少数人提出的新发现。那时，人工智能成为科学研究的工具，但科学研究本身的范式并没有改变。 “百分之九十九的科学家仍在进行测试，而且提出假设的过程仍然取决于人类的直觉”。转折点出现在2022年底。随着ChatGPT的到来，贾浩军意识到“生成式AI”相对于之前的人工智能是一个质的飞跃。由此，贾浩军和段辰儒开始开展非常密切的学术合作，开始共同研究如何将生成式AI技术应用于化学材料的开发。在他们的博士生涯中，贾浩军和段辰儒发表了更多论文在Nature等领先期刊和平台上发表了60多篇文章，并创造了多个用于材料建模的新AI。当时，大规模语言模型主要用于分子合成和制药等领域。然而，化学材料研发的中心问题不是“缺乏知识”，而是“缺乏可测试的候选结构”。大语言的东西可以写一篇催化论文，但不能直接基因。评估可计算的分子坐标文件。因此，化学材料领域需要差异化的模型来补充大规模语言模型理解结构的能力，扩散模型应运而生。后者生成结构化数据，可以直接连接到模拟和实验。此外，化学反应涉及多个物质体系，需要考虑对称性等问题，而这些问题用传统的SE(3)（等变扩散模型）很难解决。贾浩军和段辰儒决定开发一系列图神经网络来确保化学反应的对称性。同时，我们将网络与扩散模型结构结合起来，创建一个图神经网络，它可以生成：Towards a q-reaction systemcomplete uímica。 2022年，两人的研究取得了重大进展。他们成为世界上第一个验证扩散模型可以直接生成mo的团队分子和化学反应。 202这项研究于 2013 年作为《自然计算科学》的封面文章发表，表明新的化学反应可以在几秒钟内生成，而使用传统方法需要数周的手动推导。扩散模型最初是成像领域的一项技术。将其应用于分子生产意味着人工智能将从“预测已知”转向“探索未知”。据悉，目前的深层原理是同时推进两条AI生成路径：模糊生成模型和大规模语言模型。然而，一个持续的挑战出现了：如何确保生成的材料结构的物理可行性。如何才能确保材料能够可靠合成？深度原则的解决方案是构建“分层生成”架构。首先，底层使用扩散模型生成粗粒度结构。这一步的目的是绘制“草稿”结构分子的。其次，根据量子化学的第一原理，通过精确计算来完善细节。第三，我们将顶层与高通量实验相结合来验证其稳定性。换句话说，我们通过自动化实验来测试“草案”是否可行。这个“AI模型预测、计算支持、实验验证”的过程将计算效率提高了数百倍。贾浩军表示：“我们最新的模型可以在几分钟内生成并筛选数千种候选材料，而传统高性能计算的这个闭环现在被称为“ECML系统”，深度原理也称其为“AI材料研发第五范式”。（广域检测）、Reactify（精准计算）、ReactControl（资源调度）、ReactNet（合成导航）和ReactHTE（高通量实验）。这六个算法模块涵盖了六个步骤并覆盖全流程新材料从研发到合成和验证。材料的开发、合成和验证链。这个闭环构成了Depth Principle的ReactiveAI平台。大多数学者大约需要 6-8 年才能在麻省理工学院完成博士学位。贾浩军只​​用了五年时间。获得博士学位后。 2024年，国内外多家大公司纷纷伸出橄榄枝，贾浩军却决定自己创业。尽管周围几乎所有人都反对这一点，但贾浩军坚信，随着生成式AI的爆发以及ReactiveAI自研平台在材料发现领域的差异化优势，是时候创业了。在Finance Game获得线性资本天使投资之前，贾浩军尚未从MIT毕业，甚至在线下都没有见过他。但两人之间的命运是在麻省理工学院的一次校园分享活动中结下的。当时，L创始人王怀inear Capital受邀与来自麻省理工学院、哈佛大学等大学的学生分享他作为工程师的经验。贾浩军是从教师转型为投资人的学生之一。在随后的接触中，贾浩军也给深平原则天使投资人、线性资本合伙人曾英哲留下了深刻的印象。 “浩军非常有才华，这位中国年轻人年轻时曾担任麻省理工学院中国学生会主席。”与此同时，“针对”贾浩军的不止线性资本一家。贾浩军和段辰儒二人组还没有毕业。他们收到了几十份意向书，其中只有几页 PowerPoint。此前，贾浩军初步计划选择300万美元左右的投资合同，合作伙伴为知名i期孵化基金.nitial。不过，在落地前夕，对方暂时透露的条件细节却发生了变化。家豪君主动放弃了投资的打算。那时候，你不用担心融资问题。然而，让贾浩军惊讶的是，资本市场正在迅速发生变化。 2023年，资本市场将进入收缩期，热门项目往往不会受到关注。相关报告显示，平均投资项目数和机构投资规模较2022年下降了40%。2023年10月，曾英哲联系了贾浩军。 “我们在美国从晚上 8 点聊到凌晨 3 点，花了整整 8 个小时单独讨论我们未来的计划。”经过“马拉松式”的尽职调查测试，Deepprinciples终于获得了Linear的天使投资。曾英哲表示，他投资贾浩军的原因之一是因为他有独特的魅力。深度原理于2024年正式成立，原有的两人团队继续包括来自Micros等知名公司各自经验的合作伙伴oft、Meta、陶氏化学、巴斯夫和圣戈班。 “几乎每个人都是减薪来到这里的。”贾浩军表示，最引人注目的例子是深度操作系统首席运营官张鲁阳的加入。张路阳是 Tenstorrent 和 Horizo​​n 的前高管。当时，摆在他面前的offer非常可观，包括高管职位和100万美元的年薪。贾浩军表示，张路阳作为国际知名的“高性能计算+自动驾驶”技术和产品专家，很早就认识到人工智能将为科学领域带来巨大变革。自2022年初以来，他一直深度参与深度原则的建立，并担任该公司的顾问。但最终，外部顾问并没有准备好全职加入公司。贾浩军极力劝说张鲁阳参加。那时，张鲁阳当了父亲，全家住在加拿大。她必须与他的家人说服他回国创业。为了达到这个目的，贾浩军邀请张鲁阳带着妻子和刚出生的儿子去西湖旅游。为了让张若阳的妻子能够安心玩耍，贾浩军一边推着婴儿车，一边向张若阳示爱。 “他总是清楚地知道自己想要什么，并且具有很强的执行能力。”线性资本内部对贾浩军的评价是一致的。 2024年3月，双方达成投资500万美元。一年多后，深度原理完成多轮融资，累计融资数亿元。在此期间，AI4S卡车也成为资本的宠儿。景泰科技是一家领先的医药人工智能公司，2024年成为香港首家18C（特殊科技）上市公司，五年上半年就实现盈利。行业独角兽深科科技完成C轮融资2025年12月融资总额超过8亿元，迄今累计融资金额已达数十亿元。海外，a16z领投的Periodic Lab宣布2025年获得3亿美元贷款。Lila Sciences获得Flagship和ARK领投的超过4亿美元投资。 CuspAI 从 Nvidia 等巨头那里获得了 1 亿美元，用于构建用于材料发现的“搜索引擎”。实用营销 “我从小就对钱很敏感。小时候，你问我15+27等于什么，我听不懂，但如果你问我15元+27元是什么，我立刻就明白了。”贾浩军承认自己是一个踏实的人。自深度原理在杭州上线以来，该公司就开始马不停蹄地拓展客户群。贾浩军把这个算盘说得很清楚了。 “以战练兵”可以让你在提升平台性能的同时赚钱。 2025年，深度原理荣获订单价值数千万人民币。公司的客户范围从医疗保健和消费化学品行业（包括欧洲主要美容跨国公司）到材料和能源行业（包括主要精细化学品制造商）。与领先公司的合作增加了公司在营销方面的信心。 2025年初，该公司面临着美容领域的典型挑战：活性成分的稳定性。在昂贵的化妆品中，一些核心分子是高度活化的。虽然它具有优异的美容效果，但也存在稳定性差、保质期短的缺点。因此，该公司希望在中国已用化妆品成分目录的8000多个分子中找到配体添加剂，以提高配方的整体稳定性。此前，这项工作往往是通过实验完成的，不仅耗时数月，而且花费不菲，50克试验材料达到1万元。在当时，该公司对人工智能可以带来的价值采取观望态度。不过，应Deep Principi团队的要求，该公司与Deepin Principi开启了POC（Proof of Test）合作。简单来说，对方给了贾豪君挑战的机会。基于目标分子本身的高度活跃机制，结合第一原理和大规模模型推理能力，深度原理在一个月内完成了检测任务。最终推荐的6个分子显着提高了目标分子的稳定性，达到了预期的效果。 “完成实验后，他们对该配方的性能和效率印象深刻。”这项历时数年才能完成的研发任务，仅由两名工程师使用深度原理平台仅需几周即可完成。这次考验为深理打开了进入美容领域的大门。合作有双方的合作已从最初的POC拓展到分子设计、反应路径优化等更深层次的战略合作。通过与各大美容公司的联合研发合作，Deep Principle的商业化之路已经变得清晰。贾浩军坦言，现阶段“与客户合作开发设备垂直应用，而不是销售平台，更容易普及AI”。该平台并不是现阶段的主要收入来源，但它预示着“未来发展更大的市场”。梁英先生与各大厂商一样。作为同台竞争的新公司，一定要坚持深度原则。遵循“小步快走”的原则，我们将首先通过小规模示范实验验证技术的价值，然后逐步扩大网络营销规模。贾浩军的计划是从“项目方式”转向基于Deepin原理、ReactiveAI平台和Mira代理的扩展的“产品化”方式，并允许平台订阅（PaaS）作为收入来源。此外，行业目前面临的“最后一英里”问题是，计算预测的材料在合成阶段经常失败。因此，2025年底，深度原理开始建设自己的自动化实验室AI材料工厂，直接解决材料合成中的现实实现问题。在贾浩军看来，在新趋势下创业，商业模式只能自己开发，不能强加给任何公司。 “AI4S不应该仅仅停留在‘卖铲子’阶段。如果你觉得自己有一把好铲子，就应该自己去‘挖掘’。”梁英表示，AI4S行业已经出现了一些好的做法。例如，深圳科技作为龙头企业，打造了专业的医药计算机平台和AI药学助手，完善整个临床前药物研发流程，显着缩短药物研发周期。诚源科技，一家领先的AI4S公司，专注于AI+合成肽药物研发，开发了独特的研发平台，在合成肽药物研发的各个环节实现AI全链条赋能，专注于“非药”靶点的药物研发。不过，梁英也告诉《中国企业家》，与AI4S在其他领域的进展相比，化工材料的应用场景更加分散，中小批量定制需求更大，商业化速度更快。与其他公司相比，DE深原理有自己的优势。在他看来，AI4S产业的技术壁垒不是单一环节，而是“大数据”的综合壁垒。“ta、算法、计算能力和跨学科融合”，其核心是“高质量带注释的科研数据+领域特定算法”的组合壁垒。大型通用模型无法满足AI4S的需求。领域特定算法必须基于特定领域的物理和化学原理来开发。Depth Principle的ReactiveAI平台是针对预测化学反应和材料性能而优化的专用架构。这种“某种节奏+领域知识”的深度融合是困难的简单来说，“Deep Principi 的多学科团队及其计算能力的适应性也是重要的障碍。 AI4S需要一个由“AI算法专家+材料/化学/生物专家+工程人才”组成的团队。 “建造和操作这样的设备非常困难。”梁颖建议深原理应避开大厂商青睐的领域，专注垂直领域细分场景。比如，我们可以不打造通用型AI4S平台，而是聚焦新能源材料、特种化工材料等细分赛道，通过“技术+场景”结合，有效与各大厂商竞争。然而，贾浩军的野心不仅是与国内选手竞争，还希望与全球选手竞争。他认为，目前中美两国在科学人工智能领域处于同一起跑线，行业正在蓄势待发。在这个阶段，使用深度原则，因为在弯道上更容易超车。
（编辑：何欣）