人类文明的早期篇章，往往以材料命名。石器、青铜、铁器，材料变了，文明就变了。

几千年后的今天，两个95后中国小伙相信，他们找到了改变发现材料游戏规则的新工具。不是锤子与熔炉，而是算法与数据。

“AI4S带来的新机会，会渗透、重塑各行各业。”深度原理创始人兼CEO贾皓钧说。

AI4S（AI for Science），即人工智能来做科学研究，被视为继实验、理论、计算和数据科学之后的“第五科研范式”。去年，国务院《关于深入实施“人工智能+”行动的意见》明确将AI赋能科技创新列为培育新质生产力的重要方向。而AI4M（AI for Materials），人工智能赋能材料研发，是其中备受关注的核心分支。

前不久，这家由MIT（麻省理工学院）博士贾皓钧和段辰儒创立的杭州公司，发布能独立完成科研全流程的AI科学家平台Mira，并完成A系列融资，累计金额近10亿元人民币，创下国内AI4M领域迄今最大融资纪录。

放眼全球，AI4S赛道正在被热钱追逐。据不完全统计，今年上半年全球融资总额已突破44亿美元。一个大众尚未熟悉的赛道，钱已跑得比认知快。AI的角色，正从科研辅助工具，转向参与科学发现全过程。

一个不知疲倦的AI科学家

材料科学界有个比喻：发现新材料，就像在沙滩上捡贝壳。过去上百年，人们靠试错法和计算模拟，把容易够到的贝壳几乎捡光了。剩下的要么藏在更深的水下，要么埋在更厚的沙里，用传统方法越来越难。

而另一个事实是，元素周期表里的元素任意组合，理论上存在的新材料超过10^[60]种，即便刨掉不稳定的组合，也有1022到1023种可能性。但全球主要材料数据库可查的材料只有几十万种，绝大多数材料从未被探索过。

AI4S正在改变这个局面。

深度原理的解题思路，是一个叫Mira的AI科学家平台。这是天文学中鲸鱼座一颗红巨星的名字，拉丁语意为“奇妙”，也是“miracle（奇迹）”的词根。

它不是一款软件，也不是单个智能体。“你可以把它理解为一位知识渊博且不知疲倦，可全天候工作的AI科研工作者。”贾皓钧说。

人类科学家花好几年，从成千上万种分子里反复筛选、试错，才可能找到一种好用的新材料。而Mira能自己查文献、想方案、做预测、安排实验、分析结果，再根据结果调整下一轮方案，整个研发流程被串成了一条自动流水线。

这条流水线有多快？一个直观的对比：传统上，一种新材料从实验室研发到工业可用，要花5—10年，绝大多数时间耗在研发环节，试错成本高；现在有了AI，能把周期压缩到以周计。

能做到这些，靠的不是单点技术突破，而是一套环环相扣的体系。

数据飞轮。深度原理搭建了三层数据架构：底层是全球公开的材料数据，中层是自研计算出的9亿多条材料结构和性质数据，以及300多万条反应机理数据，上层是自有高通量实验室产生的

真实实验数据。模型用数据做预测，预测指导实验，实验数据又反过来训练模型，越用越“聪明”。

多模型协同。在材料性能预测、新材料生成、化学反应推算三个方向，公司的核心模型都做到了行业最优。以自研的React-OT模型为例，它能用生成式AI直接模拟化学反应的全过程，把原来数天甚至数月的化学反应过渡态生成时间，缩短到0.4秒，相关成果登上了Nature子刊《自然·机器智能》的封面。

干湿闭环。“干”指计算模拟，“湿”指真实实验，很多AI公司只做“干”的环节，算完就结束了。深度原理自建了一个L4级高通量自动化实验室，AI在电脑里算完后，可以直接指挥实验室的机器人做实验，自动收数据，再反馈给模型迭代。

• 1
• 2
• 下一页
• 全文阅读