編者按：在AI for Science的熱潮中，多數(shù)公司熱衷于用模型加速單一研發(fā)環(huán)節(jié)，而深勢科技選擇了更艱難的路線：重構(gòu)科學(xué)發(fā)現(xiàn)的基礎(chǔ)設(shè)施。在這條賽道上，它自創(chuàng)立之初便跳出單點(diǎn)突破的局限，以“搭建科研基礎(chǔ)設(shè)施”為核心目標(biāo)，打通“讀、算、做、智”全科研鏈條。從DeePMD方法斬獲戈登·貝爾獎(jiǎng)，到復(fù)現(xiàn)AlphaFold 2訓(xùn)練體系，從Hermite藥物設(shè)計(jì)平臺(tái)到玻爾·躍遷實(shí)驗(yàn)室，這家中國創(chuàng)業(yè)公司始終兼顧技術(shù)創(chuàng)新與商業(yè)化落地，試圖成為微觀世界里的達(dá)索系統(tǒng)。當(dāng)“AI科學(xué)家”成為行業(yè)新愿景，深勢科技希望成為助力“人類最后一項(xiàng)生產(chǎn)工作”的平臺(tái)公司，本文詳細(xì)拆解其發(fā)展路徑與核心布局，展現(xiàn)中國AI for Science企業(yè)的長期主義與創(chuàng)新力量，啟明創(chuàng)投微信公眾號(hào)經(jīng)授權(quán)轉(zhuǎn)載。
在AI for Science（AI4S）的敘事里，最容易被講述的，往往是那些耀眼的單點(diǎn)突破：一個(gè)更強(qiáng)的模型，一次更快的預(yù)測，一項(xiàng)足夠震撼的學(xué)術(shù)成果。
而一家來自中國的創(chuàng)業(yè)公司——深勢科技卻有著更大的野心。成立于大模型浪潮爆發(fā)之前，深勢科技是最早押注AI for Science商業(yè)化潛力的團(tuán)隊(duì)之一。它并沒有把自己押注在一條藥物管線、一個(gè)材料體系，甚至一個(gè)明星模型上，它在堅(jiān)持一件更重要也更慢的事情：把原本分散在文獻(xiàn)、計(jì)算、實(shí)驗(yàn)和專家經(jīng)驗(yàn)里的科研流程，重新組織成一套可持續(xù)迭代的基礎(chǔ)設(shè)施。
深勢科技選擇做一家平臺(tái)公司，這既有商業(yè)邏輯，也包含了價(jià)值判斷，因?yàn)樗麄冋J(rèn)為在科學(xué)發(fā)現(xiàn)這件事上，平臺(tái)路線將比單點(diǎn)突破更接近長期價(jià)值。“我們距離AI科學(xué)家到底有多遠(yuǎn)？”這家中國領(lǐng)先的AI for Science公司正在用自己的實(shí)踐回答這個(gè)問題。
01/
一篇論文與一個(gè)判斷
深勢科技的起點(diǎn)是論文，但真正決定它方向的，是一個(gè)商業(yè)判斷。
2017年，深勢科技聯(lián)合創(chuàng)始人兼首席科學(xué)家張林峰在普林斯頓大學(xué)讀博期間提出了 “深度勢能分子動(dòng)力學(xué)” 方法（Deep Potential Molecular Dynamics，DeePMD）。簡而言之，世間萬物都由原子構(gòu)成，要了解一種材料或藥物的性質(zhì)，歸根結(jié)底要計(jì)算原子間的相互作用。量子力學(xué)的基礎(chǔ)方程 —— 薛定諤方程 —— 理論上能解決這個(gè)問題，但求解成本極其昂貴。
DeePMD為原子尺度計(jì)算打開了一條更高效的路徑：用深度學(xué)習(xí)去逼近原子間相互作用，從而在盡量保持精度的前提下，把原本昂貴得幾乎不可大規(guī)模使用的模擬，推進(jìn)到更大體系、更長時(shí)間尺度。2020年，這項(xiàng)工作獲得了全球高性能計(jì)算領(lǐng)域的最高獎(jiǎng)項(xiàng)戈登?貝爾獎(jiǎng)。
當(dāng)時(shí)作為公司聯(lián)合創(chuàng)始人兼CEO的孫偉杰還在北大讀研，并在一家投資機(jī)構(gòu)實(shí)習(xí)，他與張林峰是北大元培學(xué)院的同學(xué)，彼此非常熟悉。張林峰的博士生導(dǎo)師之一、中國科學(xué)院院士鄂維南表示，這是他30多年沒見過的機(jī)會(huì)。正是鄂維南院士與湯超院士一起，首次提出應(yīng)大力發(fā)展AI for Science。
2018年夏天，三個(gè)人聚到一起討論這件事未來該怎么走，最后的共識(shí)是如果要把這件事推進(jìn)得更快、更深，最有效的形式不是繼續(xù)留在學(xué)術(shù)體系里，而是創(chuàng)辦公司。于是，深勢科技2018年年底在北京注冊完成，2019年年中開始正式運(yùn)營。
孫偉杰的解釋是，對這件事的核心判斷是 “市場化更有效”。在他看來，科學(xué)產(chǎn)品真正的壁壘，很大程度上不來自某次突破本身，而來自客戶持續(xù)使用后的反饋、修正與再迭代。也正因?yàn)槿绱?，深勢科技從第一天起就不是一家“先做研究，日后再想辦法落地”的公司，而是一家試圖把研究、工程和商業(yè)化同時(shí)推進(jìn)的公司。
2018年距離 “GPT時(shí)刻” 還有四年多，AI for Science還遠(yuǎn)不是一個(gè)被廣泛接受的概念，所謂 “科研基礎(chǔ)設(shè)施” 也沒有多少現(xiàn)成范本，意味著行業(yè)的先行者必然需要付出更多的市場教育成本。孫偉杰回憶說，在AI4S尚未成為共識(shí)之前，深勢做了不少 “超出企業(yè)正常工作范圍的事情”，包括辦峰會(huì)、出行業(yè)報(bào)告、持續(xù)向市場解釋AI for Science到底意味著什么。
對于一家創(chuàng)業(yè)公司來說，這聽起來像額外負(fù)擔(dān)；但換個(gè)角度看，它恰恰說明深勢科技一開始押注的不是一個(gè)現(xiàn)成市場，而是一個(gè)尚在成形的新范式。
02/
從論文到模型平臺(tái)
創(chuàng)業(yè)之后，深勢科技最先做的，不是宏大的平臺(tái)敘事，而是更樸素的一步：把論文里的方法，變成可被調(diào)用的模型能力。
因此，在創(chuàng)業(yè)早期，深勢科技集中力量搭建底層共性的平臺(tái)，就圍繞原子、分子、基因、蛋白等對象展開。孫偉杰把這個(gè)階段的框架概括為 “一橫兩縱”：“一橫” 是AI for Science的基礎(chǔ)平臺(tái)，“兩縱” 則是生命科學(xué)和物質(zhì)科學(xué)。
這一步之所以關(guān)鍵，在于它完成了科技成果轉(zhuǎn)化中最容易被低估的第一步：讓模型離開論文附錄，進(jìn)入真實(shí)研發(fā)流程。一篇論文可以證明方法成立；一個(gè)平臺(tái)則必須證明，方法能夠被重復(fù)調(diào)用、被工程化部署、被不同用戶在不同場景中使用。深勢科技后來的很多能力——無論是藥物設(shè)計(jì)、材料研發(fā)，還是更晚的大模型和智能體——都建立在這層基礎(chǔ)之上。
2021年AlphaFold 2引發(fā)全球生物醫(yī)藥領(lǐng)域震動(dòng)后，深勢科技算法團(tuán)隊(duì)很快投入對其訓(xùn)練體系的復(fù)現(xiàn)。但當(dāng)時(shí)DeepMind并未公開完整訓(xùn)練代碼，復(fù)現(xiàn)并不是簡單照著論文把結(jié)果跑出來，而是一次對算法理解能力、工程能力和基礎(chǔ)設(shè)施能力的綜合校驗(yàn)。后來，這項(xiàng)工作被外界視為全球較早完成AlphaFold 2完整訓(xùn)練復(fù)現(xiàn)的成果之一。
它的重要性，不只在于 “跟上了前沿?zé)狳c(diǎn)”，更重要的是，它向外界證明，深勢科技不是一家只有DeePMD這一項(xiàng)原始創(chuàng)新的公司，而是具備持續(xù)吸收最前沿方法、完成大規(guī)模訓(xùn)練并把方法工程化落地的能力。對于一家平臺(tái)型公司而言，這種能力幾乎是一張必要的入場券。
但復(fù)現(xiàn)AlphaFold也只是能力驗(yàn)證，而不是商業(yè)驗(yàn)證。證明 “能做出來” 是一回事，證明 “能賣出去、能長期用” 是另一回事。深勢科技真正的硬仗，發(fā)生在客戶現(xiàn)場，而不是論文里。
03/
客戶買的不是模型，而是結(jié)果
頂尖的技術(shù)模型并不意味著高效的商業(yè)轉(zhuǎn)化?；仡櫳顒菘萍嫉膭?chuàng)立歷程，孫偉杰說，模型的開發(fā)速度比他們預(yù)計(jì)的要快，而商業(yè)化的推動(dòng)難度卻超過他們的預(yù)計(jì)。
在創(chuàng)業(yè)初期，為了尋找方向，團(tuán)隊(duì)在調(diào)研了不少于50個(gè)行業(yè)研究技術(shù)可行性和市場機(jī)遇的匹配后，最終選擇了兩個(gè)成功概率最高、市場需求最明確的切口：小分子藥物研發(fā)和電池材料設(shè)計(jì)。這個(gè)選擇背后的邏輯很清楚：一方面，這兩個(gè)領(lǐng)域都高度依賴原子、分子尺度上的理解；另一方面，它們有真實(shí)客戶，也更容易形成商業(yè)閉環(huán)。
深勢科技的第一款核心商業(yè)產(chǎn)品是面向藥物設(shè)計(jì)的平臺(tái)Hermite。選擇這個(gè)方向，既因?yàn)閲庖延醒Χㄖ@這樣的標(biāo)桿產(chǎn)品，市場教育相對成熟，也因?yàn)橹扑幮袠I(yè)對研發(fā)效率高度敏感、支付意愿更強(qiáng)。但真正困難的地方很快就出現(xiàn)了：實(shí)驗(yàn)室里跑通幾個(gè)漂亮案例，不等于工業(yè)級(jí)產(chǎn)品已經(jīng)成形。
孫偉杰在采訪中用自動(dòng)駕駛做類比。以Hermite中的FEP功能為例，一個(gè)資深計(jì)算化學(xué)博士生在實(shí)驗(yàn)室里跑通4～8個(gè)案例，并不算太難；但市場化要求覆蓋20多個(gè)常見場景，而工業(yè)級(jí)可用，則意味著要在絕大多數(shù)真實(shí)項(xiàng)目里穩(wěn)定工作。蛋白結(jié)構(gòu)是否穩(wěn)定、是否有金屬元素、是否涉及鹽橋和共價(jià)鍵，這些 “玩具模型” 里可以回避的細(xì)節(jié)，一到客戶現(xiàn)場就都變成了必須解決的問題。
深勢科技的第一個(gè)客戶就給團(tuán)隊(duì)上了這樣一課。據(jù)孫偉杰回憶，產(chǎn)品拿去試用后，對方很快提出一串成熟產(chǎn)品本不該出現(xiàn)的問題，團(tuán)隊(duì)先在內(nèi)部緊急迭代，又到客戶現(xiàn)場封閉開發(fā)，才一點(diǎn)點(diǎn)越過冷啟動(dòng)期。這個(gè)過程持續(xù)數(shù)年，才逐漸形成穩(wěn)定的產(chǎn)品和客戶反饋循環(huán)?！暗浆F(xiàn)在我都非常感謝我們的第一個(gè)合作伙伴，”孫偉杰說，“越過冷啟動(dòng)期之后，越來越多的客戶開始使用，形成了正循環(huán)?！边@款產(chǎn)品迭代了將近四年，在國內(nèi)市場占有率已經(jīng)是最高的。
這段經(jīng)歷給深勢科技留下了一條很重要的方法論：技術(shù)突破只是種子，真正的壁壘來自 “技術(shù)—產(chǎn)品—用戶使用—反饋—再技術(shù)化”的閉環(huán)。客戶希望獲得的，是更可靠的結(jié)果、更順暢的流程，以及更可預(yù)測的研發(fā)效率。
由此他的定義是：“既要做第一個(gè)產(chǎn)品，也要做最后一個(gè)產(chǎn)品?！边@是因?yàn)椋白龅谝粋€(gè)產(chǎn)品，是因?yàn)樗鼤?huì)給你帶來發(fā)展窗口，做最后一個(gè)產(chǎn)品，是做到有了你的產(chǎn)品之后，用戶就不需要再用其他同類產(chǎn)品了。”
也正是在這一階段，深勢科技把業(yè)務(wù)從醫(yī)藥逐步拓展到了電池與材料。Piloteye等產(chǎn)品的推出，并不是簡單復(fù)制Hermite的經(jīng)驗(yàn)，而是驗(yàn)證同一套底層能力能否跨越不同產(chǎn)業(yè)場景。目前深勢科技的智能產(chǎn)品與解決方案已進(jìn)入生命科學(xué)和物質(zhì)科學(xué)多個(gè)方向，客戶名單的陣容也日漸豪華，如翰森制藥、復(fù)星醫(yī)藥、寧德時(shí)代、比亞迪等。
2020 年，孫偉杰找到了一個(gè)精確的商業(yè)對標(biāo)：達(dá)索系統(tǒng)?。這家法國工業(yè)軟件公司以飛機(jī)設(shè)計(jì)和仿真起家，用固體力學(xué)、流體力學(xué)、電磁學(xué)的方法，在宏觀尺度做工業(yè)研發(fā)。這正是深勢科技要做的事情——把量子力學(xué)內(nèi)化到軟件里，在微觀的原子、分子尺度做同樣的事情，成為微觀世界里的達(dá)索系統(tǒng)?。
04/
科研的全鏈條服務(wù)
如果說前半程的深勢科技，主要是在證明 “算” 可以成立，那么它后半程最值得注意的變化，是開始圍繞科研流程本身做布局。
孫偉杰在采訪中把科學(xué)研究抽象為四個(gè)環(huán)節(jié)：讀、算、做、智。
“讀” 是文獻(xiàn)、專利、數(shù)據(jù)和知識(shí)的整理與調(diào)用；“算” 是科學(xué)計(jì)算、模擬、設(shè)計(jì)和預(yù)測；“做” 是實(shí)驗(yàn)驗(yàn)證，是把模型重新帶回物理世界；“智” 則是讓系統(tǒng)具備更高層次的自主調(diào)用和協(xié)同能力，逐步接近 “AI科學(xué)家” 的形態(tài)。
這個(gè)抽象的說法解釋了深勢科技后來的產(chǎn)品矩陣為什么會(huì)越來越寬。Hermite和Piloteye對應(yīng)的是 “算”；玻爾?科學(xué)導(dǎo)航和相關(guān)知識(shí)基礎(chǔ)設(shè)施對應(yīng)的是 “讀”；玻爾?躍遷實(shí)驗(yàn)室對應(yīng)的是 “做”；SciMaster、PharmMaster、MatMaster等科學(xué)智能體系統(tǒng)，則對應(yīng)的是 “智”。
真正值得注意的，是 “做” 這一層。很多 AI for Science 公司擅長的是 “讀” 和 “算”——整合文獻(xiàn)、訓(xùn)練模型、給出候選結(jié)構(gòu)或配方。但深勢科技很早就意識(shí)到，如果實(shí)驗(yàn)接不上，AI的價(jià)值就很難完整落到客戶那里；如果沒有持續(xù)、標(biāo)準(zhǔn)化的實(shí)驗(yàn)數(shù)據(jù)回流，模型也很難形成真正的數(shù)據(jù)飛輪。
深勢科技的玻爾?躍遷實(shí)驗(yàn)室試圖把實(shí)驗(yàn)室變成一種可調(diào)度、可復(fù)用、可回流的數(shù)據(jù)生產(chǎn)系統(tǒng)，而不僅是若干自動(dòng)化設(shè)備的堆疊。這一步很重要，也因此更接近基礎(chǔ)設(shè)施建設(shè)。它意味著深勢科技不再只是做一個(gè)更聰明的科學(xué)軟件，而是在嘗試打通“計(jì)算指導(dǎo)實(shí)驗(yàn)—實(shí)驗(yàn)反饋模型”的閉環(huán)。
到2025年年底，玻爾?科學(xué)導(dǎo)航已服務(wù)上百所高校、400多萬名科學(xué)家用戶，累計(jì)整合2億多篇英文文獻(xiàn)和2億多項(xiàng)專利，以及8000萬篇中文文獻(xiàn)。深勢科技的科學(xué)智能產(chǎn)品已服務(wù)數(shù)百家先進(jìn)研發(fā)企業(yè)。當(dāng)然，這些數(shù)字更多說明覆蓋度，而不意味著終局勝利。真正的難點(diǎn)仍然是：這些工具和系統(tǒng)是否已經(jīng)足夠深地嵌入科學(xué)家的工作流。
2025年12月，深勢科技宣布完成C輪超8億元融資。在多輪融資中，深勢科技背后站著啟明創(chuàng)投等一眾頭部機(jī)構(gòu)。
05/
打造“AI 科學(xué)家”
深勢科技在2020年提出的第一個(gè)五年目標(biāo)，是到2025年搭建完微尺度工業(yè)研發(fā)平臺(tái)。按孫偉杰在采訪中的說法，這一目標(biāo)“基本完成”：技術(shù)要素、研發(fā)體系、產(chǎn)品體系大體成形。下一階段，公司給自己的目標(biāo)則是到2030年打造“AI科學(xué)家”。
這當(dāng)然是一個(gè)極具雄心的目標(biāo)。這個(gè)目標(biāo)并非意在 “取法其上，得到其中，而是基于公司一路發(fā)展過程中練出的洞察和建立的信心而設(shè)立的。”孫偉杰說，2022年時(shí)，他曾預(yù)測2025年AI4S會(huì)完成基礎(chǔ)設(shè)施搭建、進(jìn)入應(yīng)用爆發(fā)期，當(dāng)時(shí)所有人都覺得他高估了，“事實(shí)證明我其實(shí)還是太保守了?！?/span>
“2025年，中美歐幾乎在同期發(fā)布關(guān)于AI for Science戰(zhàn)略規(guī)劃，中國在《關(guān)于深入實(shí)施 “人工智能 +” 行動(dòng)的意見》中，將 “人工智能+科學(xué)技術(shù)” 列為六大重點(diǎn)行動(dòng)之首；美國則在啟動(dòng) “創(chuàng)世紀(jì)計(jì)劃”，將其描述為一項(xiàng)在緊迫性和雄心上堪比曼哈頓計(jì)劃的國家行動(dòng)。而同時(shí)，國際巨頭也紛紛入局。除了Google的DeepMind，2025年5月Anthropic宣布一項(xiàng)創(chuàng)新性的AI for Science計(jì)劃；10月，OpenAI宣布成立全新的 “科學(xué)事業(yè)部”。
今天的AI仍然更擅長執(zhí)行人類定義的問題，而不是獨(dú)立提出真正重要的問題。它可以在局部任務(wù)上顯著提高效率，卻還談不上已經(jīng)具備成熟的科學(xué)判斷力。深勢科技正在初步建立覆蓋科研全流程的基礎(chǔ)設(shè)施，不是單純的模型公司，而是擁有知識(shí)、計(jì)算、實(shí)驗(yàn)和工具調(diào)度能力的系統(tǒng)型平臺(tái)。深勢科技希望把 “讀、算、做” 這些已經(jīng)逐步成形的能力，交給智能體去調(diào)用與編排，讓AI不只是某個(gè)環(huán)節(jié)的加速器，而是開始成為科研流程中的協(xié)作主體。
作為數(shù)字時(shí)代的基礎(chǔ)設(shè)施，搜索引擎構(gòu)建的是人類通往已知信息的最短路徑，但它不會(huì)直接提供知識(shí)；而大模型構(gòu)建的是人類通往已知知識(shí)的最短路徑，它把知識(shí)梳理好呈現(xiàn)出來。在孫偉杰看來，AI for Science正在構(gòu)建的是人類通往未知知識(shí)的最短路徑。
基于這個(gè)前提，人類在知識(shí)積累方面的門檻會(huì)急劇降低，科學(xué)發(fā)現(xiàn)會(huì)變得更加簡單，更多的人會(huì)有機(jī)會(huì)成為科學(xué)家。同時(shí)，隨著AI和機(jī)器人帶來的生產(chǎn)力解放，人類也會(huì)有更多精力投入科學(xué)生產(chǎn)中，所以，孫偉杰非常樂觀地說，“這將會(huì)是人類最后一項(xiàng)生產(chǎn)工作”。
如果在這樣的語境下想象深勢未來的樣子，孫偉杰的答案是：科學(xué)發(fā)現(xiàn)領(lǐng)域的 Google。
