這也是螞蟻集團(tuán)在AI for Science領(lǐng)域第一次出手。

“我們不再需要問AI能為科學(xué)做些什么，我們現(xiàn)在要問的是，當(dāng)科學(xué)由AI驅(qū)動時，它能變成什么樣子?！边@番話，出自剛榮獲 2025年諾貝爾化學(xué)獎的加州大學(xué)伯克利分校教授奧馬爾·M·亞吉（Omar M. Yaghi），也是他在獲獎后的首次公開演講。

這位從約旦裔難民棚中走出來，被稱為“MOF之父”的世界級科學(xué)家，并未在演講中回顧他因發(fā)明金屬有機(jī)框架（MOF）和共價有機(jī)框架（COF）獲得諾獎的科研歷程，而是第一次系統(tǒng)闡述了一個全新的科研思想框架，“讓化學(xué)具備思考、推理和自我演化的能力”。

這種將科學(xué)從“人工設(shè)計”推向“自主智能”的思想，與近年來迅速崛起的 AI for Science（科學(xué)智能，簡稱 AI4S）指向的核心價值高度契合。所謂AI for Science，從字面意思理解，就是把人工智能用于科學(xué)研究，以加速全過程。2024 年，諾貝爾化學(xué)獎也授予了該領(lǐng)域的代表人物。如今，AI4S 已從實(shí)驗(yàn)室概念發(fā)展為產(chǎn)業(yè)熱點(diǎn)，開始走入資本市場。

來自杭州的深度原理，近日宣布完成了超1億元人民幣的融資，由戈壁創(chuàng)投管理的阿里巴巴創(chuàng)業(yè)者基金大灣區(qū)基金與螞蟻集團(tuán)共同領(lǐng)投。這也是螞蟻集團(tuán)在AI for Science領(lǐng)域第一次出手。

麻省理工博士創(chuàng)業(yè)

AI4S 本身不是一個產(chǎn)品，也不是傳統(tǒng)意義上的學(xué)科，而是一種跨領(lǐng)域的新范式，在數(shù)學(xué)、化學(xué)、材料科學(xué)、物理、生命科學(xué)乃至氣候科學(xué)中都在發(fā)生。

這樣的項(xiàng)目要求團(tuán)隊(duì)同時具備科研洞察力、工程化能力與跨領(lǐng)域整合能力，因此對創(chuàng)始團(tuán)隊(duì)提出的門檻極高。創(chuàng)業(yè)者大多來自頂尖科研體系，多為“科學(xué)家型創(chuàng)始人”，既深諳學(xué)科前沿，也具備將科研方法工程化、規(guī)?；哪芰?。

深度原理正是這類創(chuàng)業(yè)者的代表案例。公司名稱本身就體現(xiàn)了技術(shù)抱負(fù)：用深度學(xué)習(xí)（Deep Learning）與第一性原理（First Principles）相結(jié)合的方式，重新理解和解構(gòu)微觀粒子的運(yùn)行規(guī)律。

公司由兩位麻省理工學(xué)院（MIT）博士領(lǐng)銜創(chuàng)辦：創(chuàng)始人兼 CEO 賈皓鈞與聯(lián)創(chuàng)兼 CTO 段辰儒均畢業(yè)于 MIT 化學(xué)相關(guān)領(lǐng)域。團(tuán)隊(duì)核心成員來自 MIT、斯坦福、浙江大學(xué)、上海交通大學(xué)、復(fù)旦大學(xué)等頂尖高校，并擁有微軟、Meta、陶氏化學(xué)、巴斯夫、京東、騰訊等頭部機(jī)構(gòu)的科研和產(chǎn)業(yè)經(jīng)驗(yàn)。

公司創(chuàng)始人及 CEO 賈皓鈞擁有 MIT 物理化學(xué)博士學(xué)位，曾在化工巨頭陶氏化學(xué)的核心研發(fā)部門從事新材料與催化劑研究。他從傳統(tǒng)科研走向創(chuàng)業(yè)，將人工智能與量子化學(xué)、高通量實(shí)驗(yàn)技術(shù)相結(jié)合，試圖從根本上重塑化學(xué)材料的研發(fā)流程。

創(chuàng)始人兼 CTO 段辰儒同樣畢業(yè)于 MIT 化學(xué)博士項(xiàng)目，論文引用量超過 3000 次，曾擔(dān)任 Azure Quantum 研究科學(xué)家，牽頭開發(fā)用于化學(xué)設(shè)計的人工智能生成算法。他在量子計算、分子生成模型等方向的研究經(jīng)驗(yàn)，使深度原理在算法底層具備稀缺的技術(shù)壁壘。

在這樣的背景下，成立于2024年的深度原理，選擇聚焦材料科學(xué)方向，定位為一家 AI for Chemistry / Materials 的科技創(chuàng)新公司。它將人工智能、量子化學(xué)與高通量實(shí)驗(yàn)相結(jié)合，致力于加速材料創(chuàng)新的全流程。

成立不到一年，深度原理已經(jīng)憑借自研算法體系和產(chǎn)品化能力迅速完成從 0 到 1 的落地。針對當(dāng)前 AI 在材料領(lǐng)域面臨的瓶頸，包括算法精度不足、效率低、難以計算真實(shí)化學(xué)反應(yīng)等，深度原理自研了 Reactive AI 平臺，試圖突破現(xiàn)有算法在材料化學(xué)模擬上的能力邊界。

成立一年已獲超千萬元商單

在材料化學(xué)里，反應(yīng)路徑怎么走、過渡態(tài)長什么樣、能量如何變化，這些底層要素通常是研究的卡點(diǎn)，它們決定了反應(yīng)的速率和產(chǎn)物選擇性。不僅要精確觀測到物質(zhì)的結(jié)構(gòu)變化，還要能夠準(zhǔn)確計算一些環(huán)境數(shù)據(jù)。

以前科研界的嘗試通常是“一步到位”，直接給出一個分子結(jié)構(gòu)。這樣做的問題是，模型往往不知道自己生成的結(jié)果是否符合化學(xué)規(guī)律，更無法描述真實(shí)反應(yīng)中連續(xù)且微妙的變化。

擴(kuò)散生成模型diffusion最初是處理圖像的，每個圖像可以看作由大量圖像元素組成的矩陣，數(shù)學(xué)結(jié)構(gòu)清晰，因此在理解科學(xué)結(jié)構(gòu)、模擬實(shí)驗(yàn)數(shù)據(jù)方面更有優(yōu)勢。

深度原理首創(chuàng)擴(kuò)散生成模型系列OA-ReactDiff、React-OT正面切入這一痛點(diǎn)，不是直接生成結(jié)果，而是一步步還原結(jié)構(gòu)，逐步逼近真實(shí)分布，更貼近化學(xué)和材料的演化路徑。

這套模型被用在材料的過渡態(tài)預(yù)測上，傳統(tǒng)軟件往往要跑幾天甚至幾周才能給出一個過渡態(tài)，而OA-ReactDiff 首次實(shí)現(xiàn)單個 GPU 上 6 秒完成過渡態(tài)結(jié)構(gòu)預(yù)測，迭代版 React-OT 進(jìn)一步將時間壓縮至 0.4 秒，誤差降低超 25%。這意味著實(shí)驗(yàn)室里最耗時的步驟被 AI 以“數(shù)千倍”的量級加速，科學(xué)家可以把更多時間花在理解和創(chuàng)新上，而不是等待計算完成。

深度原理開發(fā)的ReactiveAI平臺及其六大模塊

科學(xué)研究除了實(shí)驗(yàn)以外，還需要提出假設(shè)，設(shè)計研究方法，這塊則通過大語言模型發(fā)揮作用。

深度原理主導(dǎo)研發(fā)的語言模型LLM-EO（Large Language Model for Evolutionary Optimization），科研人員直接用自然語言，比如“我想設(shè)計一種耐高溫的材料”“我需要一種能提高導(dǎo)電率的結(jié)構(gòu)”，模型就能夠基于這些目標(biāo)產(chǎn)生新的分子候選，并篩選出高潛力結(jié)構(gòu)。相關(guān)成果以封面論文形式發(fā)表于化學(xué)頂刊《Journal of the American Chemical Society》。

科研過程使用的工具往往很復(fù)雜，一些工程師或科研人員沒有編程背景，習(xí)慣于在 Excel 表里操作，而不是寫代碼。這時候，需要一個“中介”，調(diào)動一系列復(fù)雜工具、完成虛擬實(shí)驗(yàn)、給出結(jié)果甚至下一步建議。

基于這一需求和邏輯，深度原理構(gòu)建了“一橫一縱”的產(chǎn)品體系：橫向是打通整個研發(fā)鏈路的 Agent Mira，縱向是貫通模型與物理實(shí)驗(yàn)室、讓預(yù)測走向現(xiàn)實(shí)的 AI Materials Factory。工程師只需明確需求，系統(tǒng)就能自動規(guī)劃步驟、調(diào)用算法，并在自動化實(shí)驗(yàn)平臺中完成驗(yàn)證，實(shí)現(xiàn)從模型到材料的完整閉環(huán)。

有了這種整套體系，過去一個團(tuán)隊(duì)一年可能做幾十個重要反應(yīng)，現(xiàn)在可能可以做幾萬，甚至幾十萬。

目前深度原理的客戶覆蓋營養(yǎng)日化、新材料、新能源等核心領(lǐng)域，已落地的頭部客戶包括：杉海創(chuàng)新、歐萊雅、晶泰科技等；成立約一年已獲超千萬元人民幣商業(yè)訂單。

把主戰(zhàn)場放在中國

2024年，因?yàn)榈鞍踪|(zhì)結(jié)構(gòu)預(yù)測，谷歌DeepMind CEO 德米斯·哈薩比斯（Demis Hassabis）獲得諾貝爾化學(xué)獎。最近，他又曝出了一段驚人言論：“通過AI，我們在一年內(nèi)完成了10億年的博士研究時間。”

圖為谷歌DeepMind CEO 德米斯·哈薩比斯（Demis Hassabis）

這絕非夸張。以幫助他拿下諾獎的 AlphaFold 為例，根據(jù)諾貝爾獎官網(wǎng)的介紹，主要原因在于其在蛋白質(zhì)預(yù)測上的杰出貢獻(xiàn)，“這種模型解決了一個已有50年歷史的難題，能夠預(yù)測大約兩億種已知蛋白質(zhì)的復(fù)雜結(jié)構(gòu)，并且已被全球200多萬人使用?！?/p>

官方科普文章還提到，在AlphaFold出現(xiàn)之前，研究人員在國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽（CASP）中最多只能達(dá)到40%的準(zhǔn)確率，但借助AlphaFold，哈薩比斯的團(tuán)隊(duì)實(shí)現(xiàn)了60%準(zhǔn)確率。

AI 介入科學(xué)研發(fā)最早的賽道是AIDD（AI 藥物研發(fā)），而材料領(lǐng)域更是創(chuàng)新的藍(lán)海，美國的資本市場已經(jīng)開始兌現(xiàn)這一判斷。

2025 年 9 月，一家致力于開發(fā)化學(xué)領(lǐng)域人工智能模型的初創(chuàng)公司CuspAI 完成了約 1 億美元級別的 A 輪融資，由 NEA 和新加坡主權(quán)基金淡馬錫（Temasek ）共同領(lǐng)投，英偉達(dá)旗下風(fēng)險投資部門NVentures、三星風(fēng)投（Samsung Ventures）、現(xiàn)代汽車集團(tuán)等產(chǎn)業(yè)與科技巨頭悉數(shù)入局。

此外，由前 OpenAI 和 DeepMind 研究人員聯(lián)合創(chuàng)立的Periodic Labs 也在差不多時間宣布獲得了 3 億美元的融資。這家公司也是致力于人工智能加速材料發(fā)現(xiàn)和設(shè)計。融資由 a16z 主導(dǎo)，據(jù)稱 OpenAI 也有望參與。目前，公司估值已經(jīng)達(dá)到約 15 億美元。

在中國，自成立以來，深度原理已完成數(shù)億元人民幣融資，投資陣容幾乎覆蓋國內(nèi)外頂尖機(jī)構(gòu)：線性資本、祥峰投資、高瓴創(chuàng)投、聯(lián)想創(chuàng)投、聯(lián)想之星、百度風(fēng)投、真知創(chuàng)投、錦秋基金、啟高資本、Taihill Venture 等。最近一輪融資中，螞蟻更是第一次下場投資AI4S賽道。

回顧深度原理的發(fā)展歷程，賈皓鈞曾在公開訪談中介紹，最初這個項(xiàng)目是從 MIT 孵化出來的，早在 2022 年就萌生了這個想法，之后也得到了很多來自 MIT 社區(qū)的支持和資源。但最終還是決定把主戰(zhàn)場放在中國。

他認(rèn)為，中國制造是全球最強(qiáng)的，而且還會越來越強(qiáng)。所以，如果在前端能做好科學(xué)發(fā)現(xiàn)和技術(shù)轉(zhuǎn)化，那后端的工業(yè)能力，再疊加十幾億人口的市場——不光是中國自己，周邊還有東南亞、中東、非洲這些國家——這個市場的體量是巨大的。

現(xiàn)在在做的 AI for Science，本質(zhì)上是用 AI 去做一些新的 scientific discovery。這些 discovery 最終都得走向工業(yè)應(yīng)用，比如說材料、能源、化工，這些領(lǐng)域最終都要落到“怎么生產(chǎn)、怎么投產(chǎn)、怎么用”上。所以，把主戰(zhàn)場放在國內(nèi)，是一個很自然的決定。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com