每經(jīng)記者 可楊 李少婷    每經(jīng)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(guān)注到科研領(lǐng)域泛起的漣漪。

日前，2024年諾貝爾物理學(xué)獎和化學(xué)獎相繼揭曉，大張旗鼓地向世人宣揚了“AI for Science”（科學(xué)智能，業(yè)內(nèi)又簡稱為AI4S）的進(jìn)程。被稱為“賣鏟人”的英偉達(dá)創(chuàng)始人黃仁勛也大呼：“AI將加速科學(xué)發(fā)現(xiàn)，變革各行各業(yè)。”

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(xué)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(chuàng)始人、CEO孫偉杰決心由風(fēng)險投資領(lǐng)域躬身入局“AI4S”賽道的關(guān)鍵轉(zhuǎn)折點。

這家公司以2021年成功復(fù)現(xiàn)AlphaFold2聞名業(yè)內(nèi)，且在推理速度、單體蛋白結(jié)構(gòu)預(yù)測精度、蛋白多聚體結(jié)構(gòu)預(yù)測精度等指標(biāo)上超越AlphaFold2的模型而更受關(guān)注，鄂維南是其首席科學(xué)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(fā)不同，“AI4S”基于科學(xué)規(guī)律，是嚴(yán)謹(jǐn)?shù)?。近日，孫偉杰在接受《每日經(jīng)濟(jì)新聞》記者專訪時，將傳統(tǒng)科研比喻為“挖礦”，他認(rèn)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(jié)果框定在一個相對確定的范圍內(nèi)，進(jìn)而提升了科研效率。照此發(fā)展，做實驗可能就像現(xiàn)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(fā)生在云上”。

“AI4S”開花結(jié)果 人工智能改變科研范式

AlphaFold由谷歌Deep-Mind團(tuán)隊研發(fā)。AlphaFold使得研究人員可以使用人工智能模型來設(shè)計應(yīng)用于疫苗、建筑材料或納米機器上的全新蛋白質(zhì)，能基本預(yù)測此前人類尚未解析的蛋白質(zhì)組結(jié)構(gòu)。

在美國《科學(xué)》雜志2021年公布的十大年度科學(xué)突破中，預(yù)測蛋白質(zhì)結(jié)構(gòu)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(zhì)在于從復(fù)雜的系統(tǒng)中學(xué)習(xí)高價值的規(guī)律。模型本身的價值取決于它所學(xué)習(xí)的規(guī)律的價值。”孫偉杰認(rèn)為，現(xiàn)代科學(xué)發(fā)展這么多年，最具價值的規(guī)律就是科學(xué)規(guī)律，如果人工智能學(xué)會了這些規(guī)律，或許模型就能求解世界上所有受這些規(guī)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(jù)孫偉杰介紹，AI是嚴(yán)謹(jǐn)?shù)?，至少?ldquo;AI4S”領(lǐng)域。

從概念提出到AlphaFold問世，可行性已經(jīng)得到了驗證。“當(dāng)時大家猶豫的是靠不靠譜。”孫偉杰回憶道，為了打消目標(biāo)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(fā)展觀察與展望》。

直到2023年、2024年，大家對這一概念已經(jīng)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(jīng)在全國乃至全球充分地開花結(jié)果了。

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

在孫偉杰設(shè)想的理想狀態(tài)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(xué)和物質(zhì)科學(xué)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(fā)生在云上。”在采訪中，孫偉杰向《每日經(jīng)濟(jì)新聞》記者提出了這個說法。

“從整個社會發(fā)展和技術(shù)趨勢來說，未來做實驗就像現(xiàn)在做計算一樣，使用微信的時候不必關(guān)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(xué)和生物宇宙里面‘挖礦’，就像現(xiàn)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(xué)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(yè)化轉(zhuǎn)化的高度不確定性。

而孫偉杰認(rèn)為這是一個認(rèn)知誤區(qū)，“科研從來都是‘賺錢’的”——生命科學(xué)、物質(zhì)科學(xué)等基礎(chǔ)科學(xué)以原始創(chuàng)新驅(qū)動眾多業(yè)態(tài)，催生創(chuàng)新藥、新材料、新能源和化工產(chǎn)業(yè)等，如果沒有科研的原始創(chuàng)新作為支撐，這些行業(yè)也難以實現(xiàn)高額利潤和產(chǎn)業(yè)規(guī)模的擴(kuò)張。

“其實科研的本質(zhì)是挖礦。”孫偉杰進(jìn)一步向《每日經(jīng)濟(jì)新聞》記者解釋稱，科研就是從物理、化學(xué)、生物等領(lǐng)域中挖無形的礦產(chǎn)，面臨的挑戰(zhàn)與困難更大。因為物理、化學(xué)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(fā)范式已經(jīng)發(fā)生了變化。一方面擁有更強大的計算模擬技術(shù)，另一方面實驗手段也在不斷創(chuàng)新，擁有更精細(xì)的數(shù)據(jù)分析能力。在物理、化學(xué)、生物等學(xué)科交叉的問題上，過去并不具備這些能力。

例如，在生物醫(yī)藥領(lǐng)域，過去人們發(fā)現(xiàn)一種新的藥物候選分子，通常需要進(jìn)行上百萬次實驗，耗時半年至一年。如今，可能需要進(jìn)行數(shù)千萬次甚至上億次計算，實際實驗次數(shù)最低可減少至數(shù)十次，整個研發(fā)周期從半年至一年縮短至僅一兩個月。

孫偉杰認(rèn)為，大模型能夠?qū)⑷祟悘闹貜?fù)而低效的“挖礦”工作中解放出來，精準(zhǔn)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(xiàn)在擁有自動化實驗室機器人，就相當(dāng)于擁有挖掘機，這就是‘AI4S’帶來的變革。”

一個寬廣領(lǐng)域 將有更多企業(yè)涌入賽道

深勢科技構(gòu)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(chuàng)造了“挖掘機”，關(guān)鍵是“挖什么”，才是商業(yè)成功的起點。“商業(yè)的本質(zhì)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(xué)科劃分，或者工具和方法，絕大多數(shù)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(guī)模夠大，并且被很好地定義過。以新能源電池領(lǐng)域為例，孫偉杰向《每日經(jīng)濟(jì)新聞》記者介紹，這一產(chǎn)業(yè)服務(wù)的是“人類想要跑出更遠(yuǎn)，出行更舒適”的需求，而巨大的市場規(guī)模下，支撐它的還不是一個很完善的技術(shù)，關(guān)鍵問題在于材料，這也恰恰是“AI4S”能很好發(fā)力的需求點——鋰電池技術(shù)提升是漸進(jìn)性的，意味著需要持續(xù)投入研發(fā)。

在孫偉杰看來，“AI4S”本身是一個寬廣的領(lǐng)域，近兩年將有更多企業(yè)涌入，產(chǎn)業(yè)或迎來爆發(fā)期。

“‘AI4S’的大模型、數(shù)據(jù)庫、對計算實驗硬件的改造，這些基礎(chǔ)設(shè)施已經(jīng)逐漸看到了雛形。在一些重點場景里面，大家已經(jīng)開始批量化應(yīng)用新的范式。大規(guī)模應(yīng)用的爆發(fā)期可能就是在很多細(xì)分領(lǐng)域里，大家更快速地產(chǎn)生了新的發(fā)現(xiàn)，或者說‘挖到礦’。”孫偉杰預(yù)測，近兩年，至少會產(chǎn)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(shù)幾家。“最核心的能力是透徹理解需求，找準(zhǔn)場景，迅速形成閉環(huán)。”孫偉杰認(rèn)為，對這些公司而言，在能力的優(yōu)先級上，對需求的認(rèn)知準(zhǔn)確度甚至高于技術(shù)能力。

封面圖片來源：受訪者供圖