今年 7 月，耀速科技、臨界航天、深度原理、天鶩科技、華源智因等十多家 AI4S 創(chuàng)業(yè)公司釋出融資信息。大廠紛紛入局 AI4S 賽道，今年 6 月字節(jié)跳動 AI4S 制藥部門開啟拆分融資，7 月啟動 SEEDSTEM 科學家計劃，招募科研人員進行 AI4S 應用；6 月，小米招募俞之奡擔任小米材料 CORE 團隊負責人，方向為前沿材料和 AIforMaterials（用人工智能進行材料研發(fā)，下稱 "AI4M"）；7 月初，阿里達摩院聯(lián)合中國人民大學、中國科學院大學等發(fā)布超導材料發(fā)現 AI 智能體 ElementsClaw。在海外，多家新材料領域的 AI 企業(yè)也相繼獲得了數億美元的融資。
在生命科學領域，AI4S 已成為重要科研工具。一個標志性案例是谷歌 DeepMind 開發(fā)的 AlphaFold：其核心開發(fā)者丹米斯 · 哈薩比斯和約翰 · 江珀因蛋白質結構預測方面的貢獻，共同獲得 2024 年諾貝爾化學獎。AlphaFold 通過人工智能大幅提升了蛋白質結構預測的效率，為藥物研發(fā)和基礎生命科學研究提供了重要工具。
新一批的創(chuàng)業(yè)者們認為，在醫(yī)藥領域，AI4S 研發(fā)出來的某一款分子有可能達到億元營收級別，但 AI4S 已經有 AlphaFold 這類完善的工具，且 AI4S 制藥經過十多年的發(fā)展，還沒有真正意義上的藥物投入應用。而新材料的研發(fā)幾乎覆蓋新能源、化工、半導體、日化美妝、航空航天等制造業(yè)賽道，市場空間更廣闊。同時材料領域不需要漫長的臨床試驗，從研發(fā)到產業(yè)化的周期更短，商業(yè)化路徑更可行。AI4M 領域尚未出現像 AI 制藥領域的 AlphaFold 這類成熟的基準模型，創(chuàng)業(yè)公司仍有充足的成長機會。
線性資本長期關注 AI4S 賽道，曾投資過深度原理、英華辰睿、貽如生物等多家 AI4S 公司。其投資總監(jiān)周天意向記者表示，中國是材料科學應用大國，且材料科學是國內產業(yè)升級 " 卡脖子 " 領域之一，AI4M 在國內具有廣闊前景。
進入實驗室
深度原理創(chuàng)始人兼 CEO 賈皓鈞在 2019 年前往 MIT 攻讀材料學博士時，還未有多少人關注 AI4M 賽道，當時他用一些 AI 工具進行材料創(chuàng)新，結果往往較差。彼時，這個專業(yè)的學長學姐畢業(yè)后往往會去醫(yī)藥公司工作，因為 AI 在醫(yī)藥領域有著更明確的商業(yè)場景。
就讀期間，他經常去參加一些 AI 交流活動，他一聽到社群里面有新的 AI 工具出來，就拿過去試驗能不能用于 AI4M。2022 年底 ChatGPT 橫空出世，但其在科研領域的應用仍然較弱。
賈皓鈞表示，從技術角度而言，AI4S 制藥是針對蛋白質和靶點開發(fā)藥物，發(fā)現藥物這一環(huán)節(jié)已經成熟，但后端的臨床試驗基本是 " 盲盒 "。不過 AI 在新材料領域的應用不同，既要開發(fā)新材料，也要預測材料后續(xù)的化學反應，還要預測反應物、產物和過渡態(tài)等多種對象。" 對蛋白質的研究已經有十多年的成熟歷程。材料學涉及的結構更多元、更復雜。比如，元素周期表上 100 多種元素之間可以不斷地進行排列組合，產生的不同空間結構就是一種新材料。" 賈皓鈞說。
再比如 " 有機—無機雜化鈣鈦礦 " 領域更關心晶體結構、離子遷移、相穩(wěn)定性；有機半導體關心的是分子構象、能級、載流子遷移率、成膜形貌。它們的第一性原理計算方式、關鍵表征手段、失效機理都不一樣。所有數據組合起來是 10 的 10 次方量級。
在材料領域，試驗次數的多少是決定性的參數。為此，材料學領域也不斷開發(fā)新的材料預測方法，建立數據庫。隨著大模型的出現以及算力規(guī)模的不斷擴大，AI 在材料預測方面的能力開始凸顯。
2023 年，賈皓鈞的師兄、深度原理 CTO 段辰儒提交了一篇關于應用 Dif－fusion 模型預測化學反應的論文，預測準確度大幅提高，預測速度至少提高 1000 倍。" 這相當于之前一個博士生要用半年才能完成的實驗，現在一天就可以解決。" 賈皓鈞表示。
賈皓鈞說，AI 重塑了新材料的發(fā)展范式，以前材料科學都是發(fā)現了從 A 到 B 的一種方式，再對這一方式進行調優(yōu)。通過 AI4M，可以遍歷從 A 到 B 的所有方法，直接選擇最優(yōu)方法。
AI4M 憑借實驗提速、準確率提升的優(yōu)勢，逐步走進材料學實驗室。
2022 年，周天意開始在美國尋找 AI4S 投資標的。他說，當時材料學領域的老師和博士生很少借助 AI 開展輔助研究，如今 AI 已經成為材料學老師和博士生的必備品。
" 用的人多了，AI 才能逐步完善，行業(yè)才能認識到 AI 的價值。" 周天意說。
尋求產業(yè)落地
AI 在材料學應用的可能性迅速吸引了產業(yè)界的關注，一批化工、能源企業(yè)開始探索 AI 技術在新材料挖掘上的可能。
在鋰電池領域，2023 年底寧德時代宣布在香港設立國際研發(fā)中心，主要聚焦 AI4S 挖掘新能源材料、體系和應用方案；在化工材料領域，萬華化學已探索通過人工智能從數千種方案中鎖定最優(yōu)方案，大幅縮短實驗周期；在光伏領域，協(xié)鑫光電已建成鈣鈦礦 AI 高通量設備，每日能完成 300 片電池的多種涂層制備工藝、產出 1800 組高精度數據；在傳統(tǒng)材料領域，小米已開發(fā)完成泰坦合金用于汽車生產……
協(xié)鑫光電總經理田清勇對經濟觀察報表示，鈣鈦礦行業(yè)的競爭核心是鈣鈦礦配方的研發(fā)，通過 AI 輔助，團隊可以將設想的材料快速進行仿真測驗，看是否有進一步挖掘的潛力。
他說，相比于人工測試，AI 高通量測試數據更加可靠。" 手工操作會導致一定的不可控誤差，有時候材料的優(yōu)勢會被不可控誤差掩蓋，進而錯過優(yōu)秀的材料。由機器做實驗，誤差可以降到 0.1% 左右。" 田清勇說。
周天意表示，當前 AI4M 已經能夠輔助科研，高校教授和科研院所買單意愿較強，但 AI4M 真正應用到工業(yè)化仍需時間。
光因科技 AI4S 相關負責人對經濟觀察報表示：" 科研數據干凈、可控，真實生產中面臨著設備漂移、環(huán)境波動、批次差異等一系列問題，把 AI4M 數據從實驗室用到量產仍有門檻。" 光因科技是一家鈣鈦礦的創(chuàng)業(yè)公司。
經濟觀察報獲悉，目前行業(yè)還處于市場教育期，AI4M 業(yè)務以企業(yè)管理層從上到下推動為主。但進行單點項目試驗后，企業(yè)認可度與投入意愿普遍會大幅提升。
賈皓鈞說，目前第一批規(guī)?；顿M客戶預計集中在材料、化工等有明確材料創(chuàng)新需求的垂直產業(yè)。深度原理目前正在實現多個千萬級客戶交付，主要集中在營養(yǎng)日化、精細化工、新能源等領域。
賈皓鈞認為，有機材料賽道最容易實現突破，未來將逐步推廣到無機材料和電化學材料。通過有機材料研發(fā)獲取的數據可以幫助開發(fā)針對新領域材料的模型。
深度原理此前曾與一家歐美美妝公司合作，解決某一活性分子在光照下的穩(wěn)定性問題。該活性分子早在 1970 年就被科學家發(fā)現，但其穩(wěn)定性難題長期未能攻克。合作中，美妝公司僅要求深度原理推薦的十余個用于穩(wěn)定該活性分子的方案中，有一個能起效即可；而最終實驗結果顯示，所有推薦分子均優(yōu)于對照組。
據賈皓鈞介紹，目前深度原理主要有三種商業(yè)模式：一是為客戶提供 AI4M 及 AI 科學家平臺能力等服務；二是和客戶進行材料的共同研發(fā)，按照里程碑及商業(yè)利益分成來收費；三是直接進行材料自研，針對材料管線進行商業(yè)化。
周天意表示，當前 AI4M 企業(yè)大多跟材料企業(yè)簽訂項目制合同，通過項目交付實現營收，商業(yè)模型有待進一步清晰與完善。
與這種定制服務相比，一個更具泛化能力的材料學模型顯然更具想象空間。人工智能在醫(yī)藥領域取得的顯著突破是谷歌研發(fā)的 AlphaFold 模型，通過這個模型及其泛化能力，AI 在蛋白質結構預測方面取得了巨大進展。
賈皓鈞說，相比于用大量數據進行調優(yōu)的基座大模型，AI4S 的模型應用場景是科學知識發(fā)現，因此必須比泛化模型更具知識深度。
在他看來，AI4M 領域更適合 AI 模型的開發(fā)，在 AI4S 制藥領域，企業(yè)大多只能在前端研發(fā)環(huán)節(jié)迭代模型，難以觸達全產業(yè)鏈的真實產業(yè)數據。而在 AI4M 領域，即便是初創(chuàng)企業(yè)也能馬上對產品進行各種測試，還可以進行小規(guī)模試用，得到的數據更加閉環(huán)。在他看來，通過 AI4M 領域開發(fā)的模型，在未來有望反哺到 AI4S 的所有領域。
周天意表示，相比于醫(yī)藥領域，材料領域的數據更加封閉，分散在高校和企業(yè)實驗室內部?，F階段 AI4S 企業(yè)想要創(chuàng)造出更好的模型，必須花錢燒數據。作為機構投資者，他認為現階段即使 " 花錢燒數據 " 也很劃算。
