声明:本文来自于微信公众号 创业邦，作者:刘杨楠 赵晓晓，授权靠谱客转载发布。

1492年，哥伦布带着临时组建的船队和船员，从西班牙巴罗斯港出发，历时70天横渡大西洋，到达巴哈马群岛中的一座小岛，在世界地图上首次标下了美洲大陆的位置。

事实上，哥伦布的航海计划最初并不被看好，他曾在十几年里辗转多地，向葡萄牙、英国、法国等多个国家寻求资助，但均被拒绝。各国王室认为他提出的航海计划太不切实际，地圆说理论也不足以让人信服。

图源备注：图片由AI生成，图片授权服务商Midjourney

直到哥伦布来到西班牙，一番游说后，终于得到了女王伊莎贝拉一世的支持，她甚至愿意动用私人资金来资助哥伦布的航行计划。最终，哥伦布以西班牙国王和王后的名义宣布占领新发现的小岛，并将其命名为“圣萨尔瓦多”。

数百年后的今天，AI与科学的交界处也产生了一片新海域，无数科学界的“哥伦布”整装待发，试图在其中找到属于自己的彼岸。

其中，「深度原理」是一支国际化背景的95后华人团队，成立不足一年，已在学术界和创投圈引起不小的关注。近日，公司宣布已完成最新一轮融资，由祥峰投资中国基金（Vertex Ventures China）独家投资。

这支年轻的团队如何在启航之初就在AI for Chemistry领域崭露锋芒，并获得数家资深科技投资机构的青睐?这段创业故事给出了答案。

“你们准备好all in了吗?”

2023年10月，深度原理创始人、CEO贾皓钧还是MIT化学工程系博士五年级在读生。但此时他的微信通讯录里，已经有好几位投资人的联系方式。

同门师兄段辰儒是他的合伙人。读博期间，段辰儒是MIT的学术明星，共发表50多篇论文，其中有20篇是一作。同时，段辰儒和贾皓钧也是很好的“学术搭子”，二人曾合作发表文章十余篇。

2023年，二人正式成为“创业搭子”，准备成立一家AI for Chemistry（化学）领域的创业公司——深度原理。对商业更感兴趣且善于和人打交道的贾皓钧出任CEO，学术成果丰厚且拥有独特技术洞察力的段辰儒出任CTO。

“你们准备好all in了吗?”

这是线性资本投资前，向他们抛出的一个问题。对此，两位年轻的创始人并无迟疑。

在贾皓钧看来，创业融资的过程就像哥伦布航海前筹集资金一样，在没融到钱时，创始人们需要想各种办法见投资人，说服投资人相信自己;一旦拿到钱，公司就必须起航了。船开之后，创始人就是这趟旅途最后一个下船的人。

“创业者要面临的结果基本就是两个，要么找到新大陆，功成名就;要么就是船沉了，运气好点还能再找块木板漂回去，说不定还能再来一次，运气不好就只能喂鱼了，”贾皓钧说，“创业，是一种向死而生的生活态度。”

当然，二人更大的底气，来自于多年的专业积淀。

段辰儒曾组织了许多AI for Science的社群活动和学术会议。过去两年，段辰儒明显感受到来参加活动的人变多了。“我从本科到博士阶段始终专注于这一研究方向，亲历了AI在短短几年内的飞速发展。”段辰儒表示。

贾皓钧说:“如今，运算速度和准确性大幅提升，之前的计算成本更多和时间因素有关，但现在的变化是，原本可能需要几个月的计算，如今几秒内就完成了，这种效率的提升已然成为推动量变到质变的奇点转折。”

扎实的技术功底，加之颇有前景的创业方向，让二人很快获得了投资人的信任。

2024年6月，深度原理顺利拿下了第一桶金，近千万美元的种子轮融资让公司开始逐渐步入正轨。

在官宣种子轮融资的同时，贾皓钧也迎来了一次重要的身份转换，5年的博士生涯画上句点，他也正式成为一名全职创业者。

贾皓钧说:“这是一个AI for Science的大航海时代，我们要把握住机会。”

没有一顿火锅解决不了的问题

事实上，创业的原动力，来自于二人心中一个朴素的愿望，他们希望自己的研究成果能在学术界和工业界双向开花，既能上得了“书架”，也上得了“货架”。

贾皓钧本科毕业于吉林大学物理系，四年的学习让他深感物理学的理论性研究“高处不胜寒”，便开始转向更偏应用的化学系，一路读到MIT。2019年，贾皓钧开始攻读MIT化学工程系博士学位。

众所周知，比考上MIT博士更难的，是在MIT如期毕业。考虑到这一点，贾皓钧在选导师组前做了充分调研。入学后，贾皓钧给段辰儒发了封邮件，了解导师组的情况。段辰儒很快回复了他，约贾皓钧一起喝杯咖啡聊一聊。

这顿看似平常的下午茶背后，双方实则“各怀心思”。段辰儒觉得这个人有点“轴”， 博士生涯尚未开始，便已在权衡哪个研究方向更利于毕业、更具发展前景;贾皓钧则清晰感受到了段辰儒对学术浓烈的热爱，当即决定抱紧这条“大腿”。

最终，贾皓钧加入了段辰儒的导师组。他们的导师是MIT化学工程系教授、AI化学设计领军人物Heather Kulik。Heather Kulik和今年诺贝尔化学奖得主、Google DeepMind CEO Demis Hassabis是全球最早一批用人工智能做新材料研发的人。区别在于，Demis的方向是蛋白质，而Heather的方向是化学材料。

随着时间推移，段辰儒发现，自己对贾皓钧的第一印象被彻底颠覆。5年的博士生涯中，贾皓钧一直在钻研一个“前无古人”的方向，在贾皓钧之前，从没有人做出过成果。贾皓钧表示，自己开始做这个课题后，中间一度有2年半的时间，几乎毫无进展。“当时没想那么多，就是很简单地想把它做出来。”正是因为这个选择，贾皓钧也成为导师眼中“最勇敢的学生”。

不知不觉，段辰儒和贾皓钧的友情从实验室延伸到日常生活，一起做科研，发论文，即使后来段辰儒到微软工作，二人基本每周也会约一次饭。

但对于未来选择，他们一度有着不同的追求。创业的想法在贾皓钧心中不断生长，而段辰儒则坚定地想在高校任教、做研究。

直到2020年，贾皓钧听导师说，有一个学生一篇文章产生的数据量，比她在MIT过去9年的研究综合还多。这让贾皓钧很受触动，隐约感到在AI和化学材料的交界处，潜藏着尚未浮出水面的机会。

2022年夏天，贾皓钧考虑正式启动创业想法。此后，贾皓钧开启了为期一年的市场调研，他给自己定了一个目标:在工业界聊够100个人，找到真正的行业痛点切入。

与此同时，贾皓钧也在寻找自己的合伙人。最初，贾皓钧没想拉段辰儒合伙创业。当时，段辰儒即将博士毕业，来自伯克利大学的计算化学界泰斗Martin Head-Gordon向他抛出了橄榄枝。这对任何做计算化学的博士生，都有着极大的吸引力。

然而，段辰儒的深造计划被“意外”打断了。

当时，由于段辰儒博士期间成果出众，微软主动发来Offer邀请其担任研究科学家，并表示免去繁杂的面试流程，邀请段辰儒到微软体验工业界的氛围。这是段辰儒的第一份工作邀约，他沉浸在在学术界多年，一直好奇AI在工业领域的应用，思考再三，最终改变计划动身去微软总部。

命运的齿轮悄悄转动。

真正在工业界泡了一段时间后，段辰儒发现，自己的研究成果真的能够解决实际问题，只是目前的时间点下使用壁垒还比较高，他认为微软采用的PaaS的模式并不是最优的商业模式，这让他开始思考继续深挖AI在化学材料研究领域的应用机会。

“某种程度上，创业和我最初想做学术的初衷是一致的。我热爱的是研究和解决问题的过程，而创业更适合实现它。另外，在工业界接触了很多化学材料公司，看到了他们的变化和需求，也让我看到了这个机会窗口。”段辰儒曾对媒体表示。

于是，2023年4月的一天，贾皓钧和段辰儒例行约了一顿火锅，一口气从中午聊到晚上，最终决定一起创业。二人根据过往研究和在工业界的所见所闻所想，敲定了大致的切入方向以及四大核心算法思路。

留美还是回国?

公司团队初步建成后，首先要做一个重要抉择——留美还是回国?要回答这个问题，还要从深度原理的定位说起。

深度原理聚焦AI for Chemistry领域，希望将人工智能、量子化学（Quantum Chemistry）和高通量实验(HTE)技术应用于化学材料领域，让材料创新的工作流程得以改善，加速化学材料研发创新效率。

然而，在AI for Science的大方向下，AI和化学材料的结合一直是相对“冷门”的存在，而AI制药的发展更快，也更成熟。“整体来看，AI在化学材料领域的应用几乎比AI制药晚了10年。目前主流的高通量计算和高通量实验等技术变革，最初都是从Biotech领域迁移过来的。”贾皓钧说。

造成这种差异的原因有三:

首先，2018年，DeepMind推出AlphaFold犹如划破行业夜空的一道闪光，为同行指明了一个已经被证明的方向。作为蛋白质结构预测商业落地的重要方向，AI制药也顺势而起;其次，药企们对新技术的态度更开放、也更主动地拥抱新技术;另外，医药巨头们过往在数据方面的积累更丰富，也更规范，为训练AI模型提供了更好的养料。

相比之下，化学材料领域虽有着比药物市场更大的市场规模，但全球的各大头部企业因为新材料发现的长周期和高难度，较少利用新技术来赋能新材料品类的开发，研发所涉及的数据种类也更冗杂。

此外，在陶氏化学核心研发部门实习期间，贾皓钧也对大公司内部的各种拉扯深有感受。他给创业邦做了一个假设:陶氏化学有99%的人都在做实验，1%的人做AI研发，如果董事会拨来一笔钱，公司让做AI研发的人用，剩下99%的人能同意吗?退一步讲，即使真的分给1%的人开发AI，他们真的懂AI吗?“其中的问题很复杂。你很难让1%的人面向99%的人发起‘革命’，这不现实。”

在此背景下，一边是热火朝天的AI制药，一边是相对“冷门”的AI for Chemistry，如果按照行业发展成熟度来看，贾皓钧和段辰儒选择AI制药切入创业，似乎是一种更“合时宜”的选择。但他们考虑再三，选择了更“冷门”的材料领域。

为什么?

在此前的市场调研中，贾皓钧得出两个结论:

首先，AI制药和AI for Chemistry有着不同的行业瓶颈。

药物从一个新化合物从最初的发现到申请上市，大约需要经过15年的时间，期间最大的瓶颈是临床试验，而不是找药物分子的过程。

而化学材料研发的瓶颈则在于如何找到一个合适的材料配方。当分子结构与配方确认后，通过实验，小试就能知道这个材料性能是否可以满足需求，也意味着科学性风险被完全释放，后续的中试放大与规模化量产更多对应工程类风险，而这正是中国制造业领先全球的地方。从这个角度来说，用AI解决材料研发问题相对更容易些，也更能解决行业内的痛点。

而这些AI for Chemistry方向蕴藏的关键挑战，也和贾、段二人的研究方向十分匹配。

其次，选定创业方向后，在设计商业化路径时，贾皓钧和段辰儒达成一个共识，即不能拿着锤子找钉子，要紧贴产业需求做事。

“科技创业的本质在于挖掘生产力显著提升所带来的商业价值，无论采取什么样的商业模式，我们的产品必须要和工业界的客户协同迭代，这样才能保证我们的产品是好用的，真正有产业价值的。”贾皓钧说。

而AI for Chemistry领域通常有三类商业模式:一是做SaaS，直接把AI工具卖给客户;一类是AI+CRO，帮客户解决研发需求;一类则是自己或与客户共同搭建管线，生产最终产品卖给终端客户。

贾皓钧和段辰儒首先排除了纯粹的SaaS模式。

首先，SaaS模式或PaaS模式均要求产品有很高的可扩展性和更强的普适性。要做到这一点，便需要投入大量人力做工程优化，这对于尚在早期的初创企业而言，可能会造成较大的负担。

其次，工具卖给客户后，一旦没有产生明显效果，客户可能会把原因归结为工具不好用，而工具厂商对此往往只能“哑口无言”，因为他们很难自证自己的产品是否“好用”。如果要证明这一点，便需要自建管线，这就涉及到更复杂的生产和商业链条，难度更大。

因此，贾皓钧和段辰儒希望尽早和产业方建立密切联系，以便及时捕捉最新的需求变化，从而优化自身的产品。“无论我们是定位为CRO还是新材料开发商，首要任务是让我们的技术深度切入行业的痛点，在场景中应用与迭代。”贾皓钧说。

以此为出发点来看，中国化工制造产业链完整;在材料研发管线所需的相关配套设施方面，国内建设效率也更高。而美国受“去工业化”的政策影响，产业应用机会并不多，初创企业也更偏向于尖端研发。

因此，考虑到未来的产业应用机会，深度原理核心团队所有成员共同决定，于今年6月回国创业。

“我想做创造Alpha的人”

虽然刚回国不久，但深度原理已经获得多家头部投资机构与产业方的认可。

在刚刚过去的10月里，深度原理相继完成分别由高瓴创投（GL Ventures）和祥峰投资中国基金(Vertex Ventures China)独家投资的两轮新融资。

祥峰投资执行董事姜如昕表示，过去几年，她见了国内大部分AI for Chemistry领域的初创团队，但深度原理真正让她“眼前一亮”。

原因是，深度原理是为数不多拥有国际领先技术水平，有机会实现国内外市场两手抓的团队。

对于国内的材料化工企业而言，一些企业并未意识到AI对于材料开发的实际作用;同时，国内企业都把研发数据看作最宝贵的资产之一，不会轻易交给其他公司;此外，很多材料企业的数字化进程仍在早期，很多关键数据并未积累下来。

但现在，行业情绪已经发生变化。越来越多的企业意识到，AI和计算正潜移默化地推动着材料研发、生产和运营，有些企业甚至成立了不小的团队专门研发AI如何在材料开发和生产中提效降本。

这种情况下，国内AI for Chemistry领域的初创企业便需要找到适合自己的切入点。姜如昕观察到，AI for Chemistry领域的初创企业大概可分为两类:

一类偏向于研发的上游，从第一性原理出发，提供更高效、更低成本的计算方案，以此避开较为敏感的数据问题，但解决的问题非常具象化，且很难触及客户真正的痛点需求。

一类则向产业下游延伸，瞄准一个专业领域单点的细分场景，以提供深度服务的方式切入市场 。但这种模式的弊端在于，进入门槛和服务门槛都比较高，服务的泛化能力也不足，长期来看业务很难大规模增长。

这两类之外，还有很多企业依然处在探索阶段，仍在寻找与自身能力相匹配的切入点。

相比之下，深度原理的切入点有些与众不同。

技术方面，深度原理系统梳理了材料研发流程的痛点环节，定义了AI for Chemistry的实现路径与关键挑战，并针对性地开发了四大算法平台，为工业客户提供了产品化、系统化的“AI+材料”解决方案。

1.ReactGen:生成式人工智能对新型化学材料和反应的主动生成和快速采样，采用反向设计，无需在10^60全化学材料空间进行筛选;

2.ReactBO:结合贝叶斯算法和主动学习来发掘化学材料和优化反应条件，在拥有3250万大小的材料空间中发掘可合成的目标材料并实现1000倍加速;

3.Reactify:使用推荐算法引擎来进行方法选择和改进决策，让误差减少六倍，使高通量DFT 计算首次达到实验精度;

4.ReactControl:使用多种ML模型进行即时决策，实现成本和准确性之间的最优解，节省⼀半以上评估的时间和成本。

图片来源:深度原理

业务方面，尽管公司刚刚成立短短几个月，但贾、段二人已经充分感受到，各大产业龙头都对AI赋能材料研发有着旺盛且具体的需求。

“在目前的产业现状下，深度原理和客户深度绑定的模式是比较巧妙的选择。因为初创公司首先要让客户知道你的能力边界是什么，传统的化学材料企业很难迅速get到这个新技术的价值有多大，所以他们可能希望先和供应商合作一两个项目，看一看具体的效果。对于初创企业而言，这种合作共创的方式也能一定程度降低和客户的沟通门槛。”姜如昕表示。

不过，姜如昕也坦言，见贾皓钧和段辰儒之前，心里还有些忐忑，担心两位95后创业者如何面对有数十年产业积淀的工业巨擘，甚至要说服他们为自己的产品和服务买单。但实际接触过后，姜如昕很快打消了疑虑。她发现，贾皓钧和段辰儒有着远超同龄人的成熟。“他们两个人的学习能力很强，而且整个团队执行力都很高，这是超出我预期的。”

事实上，贾皓钧和段辰儒一直在不断拓展自己的能力边界。“有时候，为了做成一件事，我们可能需要去做100件不想做的事。”贾皓钧说。

创业以来，贾皓钧的生活变化很大，一周工作80-90个小时是常态，大部分时间都在推进与全球材料领域龙头公司建立技术与业务的合作。但最大的不同在于，之前做科研更像在一片固定的海域，逐步向更深处探索，而创业更像在一片未知海域自由探索，每一步都暗流涌动。

对于公司的发展节奏，贾皓钧和团队并未严格划定时间线，而是以结果为导向，全力完成每个阶段的目标，而这些小目标最终都将通向深度原理的终极愿景——用AI决策模型和生成式AI，重塑化学和材料研发的格局。

“金融行业常用Beta来代表行业的平均增长值，用Alpha来代表高于行业平均水平的增量。如果我能开辟一个增量市场，我们就会变成行业的‘Alpha’。我想做创造Alpha的人。”贾皓钧表示。

这个愿景似乎有些过于宏大。但正如贾皓钧在朋友圈写下的那样:

“人生要是没有一些艰难的选择，其实很难有什么亮点。如果碰到一些艰难的选择，也恭喜你，你的人生可能因此精彩。”

（举报）