AI引爆科學，MIT博士創業一年拿到數億融資

AI不只是應用工具，已經開始幫助人類攻克基礎科學的“卡脖子”問題。

文｜《中國企業家》見習記者 孫欣

記者 王怡潔

見習編輯｜李原 編輯｜何伊凡

圖片來源｜受訪者

“如果公司是艘在深海中探索的船，我是最不能跳船那個人。”深度原理總部位于杭州，其創始人賈皓鈞將自己的辦公室命名為“哥倫布”。在他看來，在AI for Science這個全新的風口創業，無異于“哥倫布探索新大陸”。

成立一年多時間以來，深度原理正在研發、融資和商業化上一路狂奔。賈皓鈞每天早上會保持五到十分鐘的深度思考，盤點目前公司有哪些風險，以及下一個目標在哪里。這個習慣，從2023年賈皓鈞創業時開始。那時他正在麻省理工學院（以下簡稱MIT）攻讀博士學位。

AI for Science（科學智能，行業簡稱“AI4S”），意指用AI來做新的科學發現。2023年，美國貝克團隊與谷歌DeepMind開發的深度學習模型“RFdiffusion”問世，該模型預測了約2億個蛋白質結構，并可一鍵設計和生成蛋白質。2024年，諾貝爾化學獎被授予了貝克團隊和DeepMind團隊。

同一年，賈皓鈞正式創立深度原理，團隊基于生成式AI和第一性原理的融合，將AI應用于材料研發。截至目前，深度原理已自研六大算法模塊，并集成于一個名為“ReactiveAI”的自研平臺。近期，平臺升級為材料發現智能體（Agent Mira），其可以根據客戶要求，自主調動數據、資源進行化學材料的研發。

2025年，AI4S迎來關鍵拐點。8月，中國“人工智能+”計劃發布，將AI4S作為推動科學發現范式升級的重要方向。11月25日，特朗普簽署了“創世紀計劃”行政命令，利用AI變革科學研究方式被美國抬上了國家級別。同期，硅谷上百個關于AI4S的創業項目誕生。

此后，美國國家實驗室、OpenAI、DeepMind不斷向AI4S加碼。2026年1月12日，英偉達與禮來宣布將在五年內斥資10億美元在舊金山建立聯合研究實驗室，用于研發AI藥物。同日，Anthropic宣布推出醫療保健和生命科學服務，幫助Claude用戶共享健康記錄。Kosmos、Biomni等通用科研引擎也接連發布。

國內大廠反應迅速。騰訊在2025年9月成立生命科學實驗室；阿里巴巴推動建立LucaOne大模型，這是業界首個聯合DNA、RNA、蛋白質的生物大模型；字節跳動專門設立AI for Science團隊并入Seed部門，并與比亞迪鋰電池共建“AI+高通量聯合實驗室”。

“只把AI用作聊天、生成視頻有些大材小用。”賈皓鈞告訴《中國企業家》。他認為，AI最寶貴的價值，是賦能人類未知的領域，“所有的科學進步，本質上都是由新發現推動”。

2025年11月，深度原理完成超億元人民幣A輪融資。由戈壁創投管理的阿里巴巴創業者基金大灣區基金與螞蟻集團共同領投，現有股東聯想創投、Taihill Venture、BV百度風投等多家機構跟投。

聯想創投董事總經理梁穎對《中國企業家》表示：“世界已進入‘科學發現+超級科技工程’共同創新的階段，AI4S能精準解決高端制造、生物醫藥等領域的‘卡脖子’問題——比如新材料研發滯后、創新藥研發成本過高等，將科研周期從數年縮短至數月甚至數周，直接提升國家在基礎科研領域的競爭力。”

雖然在價值爆發前夜，但賈皓鈞每天早上仍會從悲觀的角度思考公司走向，這源自AI賦能科學研究還有許多不確定性。

一方面，過去科學發現領域，尤其是產業界相對封閉保守，數據獲取限制了垂直類模型的研發。另一方面，化學材料領域研發的規范化與數字化進程仍在路上，相關歷史數據的留存在數量與質量上均有缺失。換言之，針對科學發現的AI數據基礎十分薄弱，合作機制也不健全。

但在賈皓鈞看來，當下深度原理除了與大廠賽跑，他更看重公司如何快速實現AI4S的產業化落地，讓手中的技術創造出價值。

技術時機已至

從幼時起，賈皓鈞就著迷于兩樣事情：理科和計算機。這也成為賈皓鈞進入AI4S行業的原點。

2015年，賈皓鈞讀本科時選擇了物理學專業。讀大二時，他就用CPU進行基于薛定諤方程的第一性原理計算。但彼時，算力的局限讓這件事極其耗時耗力，商業潛力幾乎為零，“投一個計算任務，超算得跑好幾天”。

這一切在2018年發生改變。那時，顯卡（GPU）的算力突飛猛進——計算效率提升數十倍，原本需要跑好幾天的分子計算，幾分鐘就能出結果；同時，神經網絡也開始被廣泛應用，AI開始被用來“預測”分子的行為規律，而不再只靠死算。

這讓賈皓鈞察覺到AI在化學材料領域研發的巨大潛力。2019年，賈皓鈞剛入學MIT讀博士學位時，主動申請更換導師，尋找在該方向進行研究的教授。最終他師從MIT化學工程系教授、AI化學設計領軍人物Heather Kulik。

Heather Kulik與諾貝爾化學獎得主、DeepMind核心成員John Jumper同為全球最早一批用人工智能做科學發現的學者。John Jumper研究方向是AI預測蛋白質結構，Heather Kulik則是將AI算法應用在了化學材料發現領域。

彼時，賈皓鈞的同門師兄段辰儒在AI for Materials（AI賦能材料發現）方向已研究一年。段辰儒研究底層AI算法與計算方法，賈皓鈞則專注于材料應用轉化與反應體系。從研究方向上看，段辰儒與賈皓鈞分工類似于“道”與“術”的結合。這種分工延續至深度原理的創立：段辰儒負責技術架構與算法研發，并擔任團隊CTO，賈皓鈞負責戰略、客戶與團隊搭建，擔任CEO。

在Heather Kulik的評價中，段辰儒在AI4S領域有著“出色的學術領導力”，賈皓鈞則是在面對復雜研究挑戰時“最勇敢的學生”。在天使投資人、線性資本合伙人曾穎哲的評價中，“他們兩個人創業，就是完美拍檔。”

雖然賈皓鈞如愿進入了AI4S課題組，但那時，AI更多作為“工具”，其應用很快便觸及天花板，AI4S的產業化仍迷霧重重。

“當時的主流思路是用AI加速傳統流程——算得更快、擬合更準。”賈皓鈞稱，“許多人被蘋果砸中，只有牛頓提出萬有引力定律，剩下大部分人做的都是驗證這些極少數人提出的新發現。當時AI成為科研工具，但科研范式本身沒有變：99%的科學家仍在從事驗證工作，提出假設的環節依然依賴人類直覺。”

轉折發生在2022年底。ChatGPT的橫空出世讓賈皓鈞意識到“生成式AI”與過去的AI相較是質的飛躍。于是，賈皓鈞和段辰儒兩人開始有了非常緊密的學術合作，共同研究如何把生成式AI技術應用于研發化學材料方向。整個博士生涯期間，賈皓鈞與段辰儒在《Nature》大子刊等頂級期刊和平臺合計發表超過60篇論文，并開創了多個AI for Materials新模型。

那時，行業在分子合成、制藥等領域多使用大語言模型。但化學材料研發的核心問題不是“缺少知識”，而是“缺少可驗證的候選結構”。大語言模型或許可以寫出一篇關于催化劑的論文，但無法直接生成一個可計算的分子坐標文件。

因此，在化學材料領域，需要差異化的模型來補齊大語言模型對結構的理解能力，擴散模型（Diffusion Model）便進入了他們的視野。后者輸出的為結構化數據，可直接對接模擬與實驗。

此外，化學反應涉及多物體系統，需要考慮對稱性等問題，而傳統的SE(3)（等變擴散模型）很難解決。賈皓鈞和段辰儒決定自研一套圖神經網絡確保化學反應中的對稱性，同時將該網絡與擴散模型結構相結合，創建一個能夠生成完整化學反應的系統。

2022年，兩人的工作取得重大突破——他們成為全世界第一個驗證擴散模型可以直接生成化學分子、化學反應的團隊。2023年，這項發表于《Nature Computational Science》封面論文的研究表明：新的化學反應可在數秒內生成，而傳統方法需數周手動推導。

擴散模型原本是圖像生成領域的技術，將其應用于分子生成，意味著AI從“預測已知”轉向“探索未知”。據悉，目前深度原理是擴散生成模型、大語言模型兩條生成式AI路線同步推進。

但挑戰接踵而至：如何保證生成材料結構的物理可行性？如何確保材料可以被合成？

深度原理的解決方案是構建“分層生成”架構：第一，底層用擴散模型生成粗粒度結構，這一步旨在畫出分子的“草稿”結構；第二，基于量子化學中的第一性原理，以精密計算打磨細節；第三，頂層結合高通量實驗驗證穩定性，即通過自動化實驗檢驗“草稿”是否可行。

這一“AI模型預測-計算支撐-實驗驗證”流程，將計算效率提升數百倍。“我們最新的模型可在幾分鐘內生成并篩選數千個候選材料。”賈皓鈞表示，“而傳統高通量計算需數月。”

這個閉環目前被命名為“ECML體系”，深度原理也將其稱為“AI材料研發的第五范式”。

算法、數據和算力是AI三大要素，其中，算法是AI公司構建護城河的主戰場。基于此，深度原理自研了六大算法模塊，即ReactGen（分子生成）、ReactBO（廣域篩選）、Reactify（精準計算）、ReactControl（資源調度）、ReactNet（合成導航）、ReactHTE（高通量實驗）。這六大算法模塊涵蓋六個步驟，覆蓋了一種新材料從研發、合成到驗證的整個流程。

簡而言之，深度原理將大模型技術賦能在材料的研發、合成、驗證整個鏈條，這個閉環構成了深度原理的ReactiveAI平臺。

大部分學者完成MIT博士學位約6～8年，賈皓鈞僅用了5年。2024年博士畢業時，不少海內外大廠向他投去橄欖枝，但賈皓鈞還是決定創業。雖然這幾乎被他身邊所有人反對，但賈皓鈞堅信，在生成式AI的爆發，以及自研平臺ReactiveAI在材料發現領域取得差異化優勢的背景下，自己的創業時機已至。

融資博弈

拿到線性資本天使投資之前，賈皓鈞還沒有從MIT畢業，甚至未曾線下見過對方。但雙方的緣分，在MIT的一次校園分享活動中便已結下。

當時，線性資本創始人王淮受邀給MIT、哈佛大學等高校的同學們分享從一位工程師轉型做投資人的經歷，賈皓鈞正是學生中的一員。在后續的接觸中，賈皓鈞也給深度原理天使投資人、線性資本合伙人曾穎哲留下了深刻印象。“皓鈞非常出挑，一個中國小伙，年紀輕輕就擔任MIT中國學聯主席。”

那段時間，“盯”上賈皓鈞的不止線性資本。賈皓鈞和段辰儒組成的兩人團隊還未畢業，僅靠著一個幾十頁的PPT，就收到了數十份投資意向書。

此前，賈皓鈞原本計劃選擇一份約300萬美元的投資合同，對方是一家知名的早期孵化基金。但落地前夕，對方臨時對條款細節進行了改動。賈皓鈞主動放棄了這份投資意向，那時他還無需為融資擔憂。

但令賈皓鈞意外的是，資本市場瞬息萬變。2023年，資本市場進入收縮期，炙手可熱的項目也經常無人問津。相關報告顯示，機構平均投資項目數、投資規模相比2022年下降了四成。

2023年10月，曾穎哲與賈皓鈞取得聯系。“從美國晚上8點一直聊到凌晨3點，單單未來的規劃就聊了整整8小時。”經過了一場“馬拉松式”的盡調考驗，最終深度原理拿到線性這筆天使投資。

曾穎哲表示，投資賈皓鈞的原因之一，在于他身上有一種獨特的號召力。

2024年深度原理正式成立，從最初的兩人組，到來自微軟、Meta、陶氏化學、巴斯夫、圣戈班等知名企業的有自身經驗的伙伴不斷加入，“幾乎所有人都是降薪過來的。”賈皓鈞稱，最有代表性的例子是深度原理COO張露陽的加入。

張露陽是前Tenstorrent和地平線高管，當時擺在他面前的Offer都十分可觀，如高管職位、百萬年薪等。賈皓鈞提到，張露陽作為“高性能計算+自動駕駛”的技術與產品國際知名專家，很早就意識到AI即將對科學領域帶來巨大的變革。從2022年初，他就深度參與了深度原理的創立，并擔任公司顧問。

但外部顧問終不及全職入局，為了說服張露陽加盟，賈皓鈞拿出了所有誠意。彼時張露陽初為人父，全家都在加拿大生活，要說服其回國創業，更需要做通其家人的工作。

為此，賈皓鈞邀請張露陽，帶著其妻子和出生不久的孩子一起游西湖。為了讓張露陽的妻子安心游玩，賈皓鈞一邊推著嬰兒車，一邊與張露陽袒露心胸。

從左到右依次為段辰儒、賈皓鈞、張露陽。

“他一直都很明確知道自己想要什么，且執行力很強。”線性資本內部對賈皓鈞評價一致。2024年3月，雙方達成500萬美元的投資。一年多后，深度原理完成多輪融資，累計數億元。

這期間，AI4S賽道也成為資本寵兒。AI for Drug領軍企業晶泰科技在2024年成為港股18C（特專科技）上市第一股，在2025年上半年實現盈利。業內獨角獸深勢科技2025年12月完成總額超8億元的C輪融資，此前累計融資額已達數十億元。在海外，a16z主導的Periodic Labs在2025年宣布獲得3億美元融資； Lila Sciences獲Flagship與ARK領投超4億美元；CuspAI獲英偉達等巨頭投資1億美元，構建材料發現的“搜索引擎”。

務實做商業化

“我從小就對錢比較敏感。在我很小的時候，如果你問我15+27等于多少，我不知道，但如果你問我15元加27元是多少錢，我能立馬算出來。”賈皓鈞坦承，自己是個務實的人。

自深度原理落地杭州后，公司便開始馬不停蹄拓展客戶。賈皓鈞將這筆賬算得很清楚，“以戰代練”能一邊賺錢、一邊提升平臺性能。2025年，深度原理拿下千萬元的訂單，客戶從以歐洲某美妝跨國巨頭為代表的保健日化行業，到某頭部精細化工廠商為代表的材料能源行業等多個領域。

其中，與歐洲美妝跨國巨頭的合作，提升了公司在商業化上的自信。2025年初，該企業遇到了一個美妝領域的典型挑戰——活性組分的穩定問題。在昂貴的化妝品中，部分核心分子活性極強，雖發揮了卓越的美妝效果，但也意味著其穩定性較差、保質期較短。于是，該企業希望在中國《已使用化妝品原料目錄》的8000多個分子中尋找到一個配體添加劑，提升整體配方的穩定性。

這項工作，過去往往以實驗來推演，不僅耗費數月，且成本高企，每50g的測試原料就達萬元。

AI到底能發揮多大的價值，彼時該企業持觀望態度。但在深度原理團隊的堅持下，該企業同深度原理簽署POC（驗證性測試）合作。簡單來說，對方給了賈皓鈞一次嘗試的機會。

基于目標分子活性強的機理本身，結合第一性原理與大模型的推理能力，深度原理在一個月內即完成了篩選工作。最終推薦的6個分子，均讓目標分子穩定性提升顯著，達到預期效果。

“做完實驗之后，配方性能、效率讓他們非常震驚。”這個數年才能完成的研發任務，在深度原理的平臺中，僅需兩名工程師在數周內完成。這次試水，也讓深度原理敲開進軍美妝領域的大門。雙方合作也從最初的POC延伸至分子設計，反應路線優化等更深層次的戰略合作。

與該美妝巨頭的聯合研發合作，也為深度原理理清了商業化路徑。賈皓鈞坦承，當前階段“與客戶合作研發終端垂類應用，比賣平臺更易于普及AI”，平臺化是“為未來培育更大市場”的伏筆，而非現階段的收入主體。

梁穎表示，深度原理作為創業公司與大廠同臺競技，就要堅持“小步快跑”，先通過小范圍試點驗證技術價值，再逐步擴大商業化規模。

在賈皓鈞的規劃中，隨著深度原理擴大規模，ReactiveAI平臺及智能體Agent Mira作為基座，公司將從“項目制”轉向“產品化”，可通過平臺訂閱（PaaS）作為收入來源。

此外，行業目前共同面臨的“最后一公里”難題，是計算預測的材料往往在合成階段失敗。因此，2025年下半年，深度原理開始建設自有自動化實驗室AI Materials Factory，來直面材料合成的實際落地問題。

在賈皓鈞看來，在一個全新的風口創業，商業模式只能靠自己跑出來，不能硬套任何一家公司，“AI4S不應只停留在‘賣鏟子’階段。如果你認為你有一把好的鏟子，你應該自己下場去挖‘礦’。”

梁穎表示，AI4S行業內已涌現出多樣化的優秀實踐。如深勢科技作為頭部玩家，打造了專業藥物計算平臺與AI藥化助手，實現對臨床前藥物研發全流程的賦能，大幅壓縮藥物研發周期；AI4S頭部公司呈元科技聚焦AI+合成肽藥物研發賽道，自研研發平臺，實現AI對合成肽藥物研發各環節的全鏈條賦能，重點攻堅“不可成藥”靶點的藥物研發。

但梁穎也告訴《中國企業家》，較之AI4S在其他領域的進展，化學材料的應用場景更分散，中小批量定制化需求多，商業化落地也更快。而深度原理相比其他公司，有其獨特優勢。

在其看來，AI4S行業的技術壁壘并非單一環節，而是“數據—算法—算力—跨學科融合”的綜合壁壘，其中最核心的是“高質量標注科研數據+領域專用算法”的組合壁壘。

通用大模型無法滿足AI4S的需求，必須基于具體學科的物理、化學原理，開發領域專用算法。而深度原理的ReactiveAI平臺，就是針對化學反應和材料性能預測優化的專用架構，這種“算法+領域知識”的深度融合，很難被簡單復制。

“深度原理的跨學科團隊和算力適配能力也是重要壁壘。AI4S需要‘AI算法專家+材料/化學/生物專家+工程化人才’的復合型團隊，這種團隊的搭建和磨合難度極大。”

梁穎建議，深度原理要避開大廠的優勢領域，聚焦垂直細分場景。比如不做通用型AI4S平臺，而是專注于新能源材料、特種化工材料等細分賽道，并通過“技術+場景”的綁定，能有效抵御大廠的競爭。

不過，賈皓鈞的野心不只與國內玩家競爭，而在于全球，他認為目前的AI for Science領域，中美站在同一起跑線，行業都在蓄勢。目前這個階段，彎車道容易超車，以深度原理為代表的這些中國AI4S正在開啟行業的新一頁。