陆子恒创办开物纪融资数亿元 拟用AI自研高价值材料IP

陆子恒创办开物纪融资数亿元，拟用AI自研高价值材料IP 开物纪放弃纯模型服务模式，选择通过AI全流程研发颠覆性新材料并自营变现，以捕捉原始IP的巨额商业价值。 节目详细解析了开物纪利用大模型与 Diffusion 等生成式技术，在庞大的原子空间中高效发现与验证颠覆性材料的前沿实践。陆子恒阐述了材料科学从“原始化合物 IP 发现”到“工艺放量”的商业闭环，并明确表示开物纪将定位为材料界 Flagship Pioneering，通过打造全流程管线而非单纯售卖 AI 工具来变现。同时，他也分享了 AI 时代前沿研究与商业反馈的深度融合，以及对人才选拔中 Vision、Taste 与主动性等核心能力的看法。 AI 新材料发现初创公司开物纪完成数亿元种子轮/天使+轮融资，由 Monolith 领投，致力于通过 AI 基础模型加速颠覆性新材料的发现与商业化落地。 (0:00) 开物纪商业定位对标生物科技孵化巨头 Flagship Pioneering，主张“造出挖金铲子后优先自己下场去挖”，专注于前端重磅 IP 研发与全流程管线验证，而非单纯出售 AI 软件服务。 (8:10) 团队创立契机源于 MatterSim 零样本精准预测声子（比热容）的惊人泛化能力，生成架构上借鉴 DALL-E 经验，采用结合图结构与扩散模型（Diffusion）的路线以充分发挥 Scaling Law。 (14:12) 现阶段开物纪最昂贵的支出并非实验硬件，而是每年高达数千万元的算力投入以及顶尖交叉学科 AI 人才的高额薪酬。 (27:43)

开物纪创始人陆子恒认为，大模型的规模法则已突破材料科学的零样本泛化边界；面对突破性材料蕴藏的巨大商业价值，公司放弃纯工具软件路线，选择对标生物医药领域的Flagship Pioneering，通过AI驱动的全流程管线自研新材料并推进产业落地。 商业路径：不做卖铲人，自研全流程管线 (8:10) 陆子恒将材料研发比喻为“在白纸上摆放原子的游戏”，其成果具备极高的商业弹性。历史上如单晶硅奠定了半导体产业基础，而2011年发现的锂锗磷硫（Li10GeP2S12）粉末在行业高点原材料达70万至80万元/吨，以单类化合物拉动了固态电池产业。与传统化工巨头主导后段工艺放量不同，开物纪聚焦于前段原始IP的发现。 针对商业模式，陆子恒明确表示开物纪不会先做AI软件工具（“卖铲子”），而是自建管线研发材料（“自己挖金子”）。公司对标孵化出Moderna的Flagship Pioneering，建立从化合物筛选到验证的完整管线，当前并行推进两类标的：一是高附加值且有明确市场需求的材料（如远洋液化天然气船胶水、AI散热及PCB基础材料），二是核聚变第一壁、室温超导等探索技术边界的材料。 技术转折：规模法则与扩散模型的泛化 (4:12) 开物纪成立的直接契机源于团队在微软亚洲研究院开发材料通用模拟模型MatterSim时的实测。该模型在未经过特定任务微调的条件下，零样本精准预测出声子（对应比热容），精度超越此前定制的专用模型。团队由此确信材料领域同样遵循大语言模型的大规模扩展规律（Scaling Law）。 在生成模型路线的选择上，团队认为早期基于变分自编码器（VAE）的方案缺乏可扩展性，转而结合图结构（Graph）与扩散模型（Diffusion）开发了MatterGen等工作。陆子恒提出，公司在工具维度的重要里程碑是预计在1至2年内攻克物质自由能预测，对任意给定结构实现零误差的热力学可合成性推理，从而在研发中大幅替代传统的物相试错实验。 研发与成本：重算力人才，轻前期建台投入 (22:49) 开物纪的研发闭环涵盖四个步骤：明确物理与商业指标、通过生成模型在高维空间采样筛选候选化合物、专家复核并由实验室快速合成克级样品、在自建实验室放大至公斤级交付下游产线验证。该管线的核心逻辑在于依赖AI在最前端命中极少数能实现商业化的颠覆性结构，而非遍历所有原子组合。 在数亿元天使+轮融资的开销规划上，陆子恒指出前期建设实验室以完成克级至公斤级验证仅需大几百万元人民币，并非重资产环节。资金消耗的大头在于底层基模的持续迭代，其中年均算力成本高达数千万元，同时顶尖跨学科AI人才的人力成本也是最主要的支出项。 壁垒与组织：跨学科深度融合胜过单点算法 (19:12) 针对海外同类创业公司（如Periodic Labs、Project Prometheus、CuspAI、Orbital Materials）的涌现，陆子恒认为行业仍处于开拓期而非存量博弈，核心诉求是由先行者验证全流程商业化闭环。开物纪的核心壁垒在于算法专家、物理模拟学者与传统化学实验人员每日紧密协同的组织认知能力，以在高维空间中筛选具有商业真实性的物理课题。 陆子恒预测，基础编程与常规模型架构设计能力将在未来5年内大幅贬值。在人才评估中，他更看重主动性、选题层面的“审美”（Taste）、宏观愿景以及极窄专业领域不可替代的硬核深度。 开物纪目前团队约10人，营收与利润为零。该模式最终能否跑通，取决于其AI系统能否在1至2年内跨越热力学可合成性预测门槛，并在真实工业产线中完成高价值材料的公斤级验证与商业放量。

[8:10] 陆子恒: 如果真的能挖出金子，我肯定不会先把铲子给别人用。 [2:44] 陆子恒: 在固态电池爆物料里，它占的比例相对还是比较大的……这一种材料品类，把整个现在的固态电池产业带起来了。 [8:10] 陆子恒: 做工具做模型这个事儿，就像你有一把能够挖出金子的铲子。那第一，如果真的能挖出金子，我肯定不会去把这个铲子先给别人用，我先挖着；第二个点上，我觉得这个行业特别需要的是一个一个从头打到尾打穿的范例。 [19:12] 陆子恒: 今天大家不应该把用 AI 做出来一个好材料当成一个竞争。 [22:49] 陆子恒: AI 不是要搜遍整个宇宙，只要有一个能卖钱就行。 [35:33] 陆子恒: 知识性问题，GPT 全都能答，而且知识面比我强。 [47:38] 陆子恒: PhD 是天下最好的事——有人发着工资让你去探索你觉得有意思的事情。除了 PhD，天下哪有这么好的事？ [47:38] 陆子恒: 还折腾得动吗？只要还能折腾，就会开心。

[0:00] 嗨,我是Koji那本周是苏鲁克的嘉宾呢是开悟记的创始人陆子恒嗨,Koji,好开悟记呢是在做AI for Science这个领域里面的AI for Material就是for材料简单来说呢就是用AI去发现并且验证新材料同时让这个新材料从实验室走向可量产可商用那他们刚完成了一轮数亿元的天使家轮的融资那背后的基金的阵容呢也非常厉害啊包括Monolyth光合创投吉富亚洲高陵IDG蓝池BVL2F光源等等你好子恒欢迎来到十字路口你好高级你好好那我们还是从十字路口的老传统快问快答开始帮大家更快的了解你那请问子恒你的年龄30毕业院校本科是南京理工大学博士是香港科技大学你的MBTI和星座呢MBTI我知道我是艺人星座我是摩羯座一句话介绍一下开悟记和你们在做的事情开悟记我们是希望用AI发现那些能够改变人类命运的新的材料那我们是scale AI模型以及做材料的发现量产商业化咱们目前的收入和利润有了吗没有00咱们目前团队的规模呢10个人左右咱们成立多久了去年9月份注册的介绍一下创业前在做什么对创业之前呢是在微软MSR就是做AFSS这个方向同时呢咱们有几个国家人工智能学院去成立了我也深度参与了其中咱们北京中关村学院特别是物质方向的建设现在还有一个身份是北京中关村学院的首席材料科学家以及物质方向的负责人带一下学生然后子恒你们这一轮的融资的金额非常大这个消息放出来很多人都觉得厉害太牛了然后你觉得大家在投你们的时候是在投什么是特别好的一个问题其实我觉得大家投这个领域更多的是看到可能到了这样一个时间节点过去几年模型上有一个比较大的一个能力的提升以至于可能在未来几年有可能真的会诞生出那改变人类文明这种材料是我们的理想那更多的可能是有可能发现那种能够把一个行业往前拉一大步把一个产业往前做一大步那些材料我觉得这个是可能很多人投资的一个底层逻辑当然也有人说是投团队那我也认说到这里可不可以稍微展开一下就给大家讲一讲就当我们说到用AI去发明材料的时候到底在发明什么尤其是给完全不了解材料这个行业的人介绍一下这也是一个非常好的问题啊其实呃fundamentally来说呢材料是什么大家回归到第一性原理材料就是一堆原子一张白纸上放原子那我来说我们在干什么实际上最本质上我有一张白纸往上面放原子放完以后就是一个材料但是有很高的要求啊这放出来的这个结构所谓的材料第一它能量不能太高它要能被合成要不然都是假的第二它还有我要的那些基础的性质然后以及后面能把它给做出来然后能商业化Fundamentally就是放原子的一个游戏然后我们知道这个材料做出来它会成为某种材料IP对吧对可不可以讲一讲比如说历史上啊就是据你所知最赚钱的材料IP是什么它是大众知道的吗我举几个例子啊OK比如说早一点的咱们做这个硅单金硅现在整个AI啊电脑什么玩意儿都是哪一个单金的材料出来你说这个材料值多少钱金元本身是很值钱的这甚至硅谷都跟着硅性Jilical Valley嘛对吧那更近一点的2011年几个日本科学家发现了一个材料叫什么呢离者灵流四个元素组成的一个材料OK这个材料有一个特别unique的性质它是一个粉末但如果你把它压成一个片它质地跟什么像呢跟这桌子有点像OK比较硬的一个东西但是你很难想象那个锂离子在里面穿梭的那个速度和在那个水里面穿梭速度差不多什么意思呢你看我要穿过一个固体的墙很难但我水里游泳很简单所以这个性质非常unique这一个材料品类就这一个材料把整个现在的固态电池这个产业带起来了哇哦那在这个过程当中比如说他能够吃到多少商业价值这是特别好的问题目前啊像固态电池它本身没有商业化走到底但是可能你 [5:00] 在爆木物料里它可能占的比例相对来还是比较大的如果说到去年的这个时间节点它一吨可能卖个七八十万对还是比较贵的那发明这个材料的科学家他在里面要怎么分成呢这是一个什么商量模式也是我们特别关心的就是在那个时间节点上这几个科学家呢是他们当时应该是东京工大然后这几个科学家呢基本上是被咱们的工田这公司给养起来了最早也是他们做了一些资助所以至少他们研究是free了个人我想应该也是自由了我们现在在要用AI去找类似这样的新的材料对吧就历史上大家可能都是用别的方法找到的那到目前为止有没有一些例子有没有一些成功的案例已经发生了就AI找到了某种新材料AI找到的材料是有的我们过去在几年里其实因为在微软嘛也做一些fundamental research我们也是找到了一些材料有一些是被别人验证的比如说咱们做散热里面的有一些晶体材料有一些是我们自己验证的但是呢目前看到的是这类用AI发现的新材料科学意义很重但可能它还没有到那种能引起行业变革那么大的商业价值反而在这家公司它有意的特别有意思的是两个点第一个点就是我们做的是非常前沿的大规模的AI的research以及材料Fundamental Science Researchresearch很前沿第二个商业模式其实没有人做过所以我们也在摸索这样商业模式我们在寻找那一类能够带来巨大商业价值的原始的IP这个我蛮意外的原来这些去发现新材料的人都其实是某种科研机构就没有一个专门的商业组织说我们的使命是发现新材料据我所知可能如果是单纯这个使命可能我不是那么aware就是你如果看材料研发其实分两段第一段是我们经常讲的就是我们讲的原始的化合物或者原始IP的发现就那个物质第二段是这个物质它的工艺放量后面就是它卖钱了对吧你发现过去绝大部分的商业化的公司它在第二段其实是非常强的在第一段也做像陶士巴斯夫他做一些有机子但是好像完全focus这种特别新的原始IP的好像比较少绝大部分发生在高效研究所而且你会发现有个特别有意思的这些重磅的IP往往发生在那么几个人身上一个人做好几个别人都做不出来对比如说good enough理店里面主材没有多少个但good enough一个人他应该做了四个还是五个而且都非常不一样的材料我也不知道他为什么这么聪明这也是我们常试图改变的事情我不那么聪明但是我要AI这么聪明培养一堆这样的good enough僭越了你们在开始做开物纪之后你们有一些主攻的方向吗比如说你有没有去bet未来十年最有可能改变人类生活的材料它会出现在什么方向比如说是电池是散热是PCB还是什么别的东西对 这特别好的一个问题就是这也涉及到两个domean一个是商业化上什么东西能挣钱以及我什么东西能导入进去就别人真的愿意买我的材料不单纯是一个科学问题对 第二个是有一些材料可能他短时间不挣钱但是呢他可能会改变整个人类文明这两类都是我们的target就简单说一类是我要发财另一类呢是我要show muscle我要向世界证明这个事情我们能行以及世界要变化了那这两类分别我们会看一些第一类我稍微说的虚点因为这能挣钱肯定不能告诉你对吧对吧实话说就我们自己也看的没有那么的细有一些下了第一就您说的整个能源方向你看啊AI它fundamental驱动它的其实就是能源最后拼的是能源对这里面一定有机会当那种理想型梦想型的材料比如说超导exactly和这个相关以及我们的核聚变的第一弊材料那这一类就是非常非常相关它一方面可能有一点商业价值同时呢它更多的也是代表就是人类最先进最高端的文明的这类的材料我们都会去看对那刚刚讲了那个就是能源一定会看的然后第二个呢咱们在苏西场这附近有很多化工很多这一类胶水听起来很左对吧但是不是的咱们的远洋货轮里面那种大的球形的装甲烷加装天然气高压的船里面特别低的温度特别高的压力里面 [10:00] 发一层胶水那个东西附加值极高也是被卡脖子的我只是举个例子不是说我要做这一类也是我们看的类别这一类就是附加值比较高然后同时有比较大的技术的Bottenack的东西原来比如说这样的材料它因为商业价值很大所以它肯定会吸引很多人去创业或去研究它在过去就这些人他们是比如说一个材料公司做很多不同的跨品类还是说我就是专门去做胶水或者专门去做能源中的某一种材料是专项公司还是说什么样的平台型公司如果你追溯到每一个不管是大的材料公司现在的巨无霸们以及新出来的这些挣钱的公司它第一天成立的时候基本上是一个单品比如说咱们做Polyamide巨线亚安对吧Dupont这几家做的 然后尼龙66这个我不太记得是巴苏还是哪一家了还是DOS whatever就是当年是靠一个品类做出来的那后面他可能会慢慢的演进成了我有资本优势了我可以变有很多个品类其实我之前在这个做唐岛的时候因为我们是一个这个睡眠环境品牌所以要做床垫啊整个被子啊就这个开始了解了一些材料那个时候我才发现小时候老听大人说的这个的确凉它其实是叫Dachrome这个名字它是杜邦的一个材料它是一个这个锯脂纤维的一个迪伦然后这个材料也是帮杜邦赚了很多钱的对就这一类的就是刚刚说的当年就是一个大单品就突然就爆了那这一类也就是一个在对我们想做的这类单品当然希望能做得成了那你会用一种什么方式来比喻自己的公司吗我不确定有没有但我在想比如说你会比喻自己是材料界的一个药厂还是你是什么材料界的台积电或者材料界的什么AWS或者材料界的字节跳动你会有这样的类比来帮比如说市场了解你们员工了解你们有这样的吗我们出来的时候就一直觉得有一家基金我们特别有兴趣叫什么呢Blackchip Pioneering它是做什么呢主要是孵化药物管线的一个药物管线就是做一个药从最后最前面的这个Lead Compound一直做到临床最后就卖这个药最后做成的这个管线大部分死掉了做成的那些管线其实不再是一个药了变成公司了而且是顶天立地的公司有一个大家一定知道莫德纳哇它在药里面能做我们在材料里面有没有可能做成这样一个东西我下面的几个顶天立地的那当然这是理想啊也是这样的东西才能够真的去对付到大家对这个行业这么高的一个期待我觉得是有难度的但是确实值得去做这个事那如果要成为这样的公司你们交付出去的这个到底是什么呢是材料的专利还是一套研发的管线还是是什么这个目前有一些设想吧还是一边走一边看首先是我觉得一边走一边看这句话是对的应该更能描述我们的状态就是目前我们的认知上可能更多的是真的希望自己能从头走到尾至少走成一个吧就是做工具做模型这个事儿就像你有一把能够挖出金子的铲子那第一如果真的能挖出金子我肯定不会去把这个铲子先给别人用我先挖着对吧然后第二个点上我觉得这个行业特别需要的是一个一个从头打到尾打穿的一个范里让大家认识到这个东西有用才有可能的去做一个所谓的平台企业去亲资产的做所以在这个点上可能我们目前啊可能会prefer就是某个节点我可能或者一部分人要去当厂长这事可能是需要的对就卖材料我们再说回来哈就是发现这个创业机会的时候看到了什么样的信号其实过去两三年我们在大部分时间是研发我们的模型的但在过程中我们也尝试了用这个模型去做一些所谓的这个材料的设计其实我们我自己本身不是特别信只做虚拟筛选我必须得看到拿到那个东西我才信所以我们有两三个材料还是真的做到能拿到手上这个状态也是这样的东西所以我觉得 trigger 了我们我们感受到模型能力也似乎有一个大的变化我们 trigger 我们出来做这个事现在全世界范围内有多少人在做这样的事情最近这几个月开始慢慢的多起来了比如说在海外大家可能也看到了 periodic collapse再比如说咱们的 Project Promises普罗米修斯就贝佐斯做这家公司 [15:00] 老MaxMax Willing做的这个Casp AI这几个海外的然后还有Orbital Materials几个都是海外的那国内的他们的生动原理还有比如说再早一点的生殖科技你当时提到说你们是看到了模型的一种可能性对可能你还记得具体是看到了什么吗其实有一个非常好玩的一个trigger当时是我们的一个同事某一个做凝聚态物理我觉得我非常respect的一个同事然后呢当时有个模型叫MatterSIM这个反正已经公开的公开信息可以说最早做的时候我们想干一个什么事呢想做一个普世的能在基本上所有的材料品类里根据原子结构去把它基本的物化性质可能主要是热力学有些性质给ZeroShot给Infer出来的一个模型这个事情就有一点像什么呢就是像预测万物当时这位同事就说了一句话就最早那还没做的时候他说别说什么预测万物了你就把一个最简单的一个物理性质就是叫phona生子就是原子在晶体里面的震动的这个模式给预测出来或者的话这个是一个大学物理的概念这个东西如果换到高中物理里面或者物理化学里面它是什么呢就是比热熔你把一个材料的比热熔用这个模型给预测的很准它都不信其实我自己心里也打鼓我也不知道行不行因为我要用一个模型ZeroShot任意的一个材料都把它做的还可以这个就要求模型有非常强的繁化性我们一开始都不信但是呢就是就大家就闷着头先做一做做的时候还你指责我我指责你这玩意到底workwork花这么多功夫去scale这个模型但是有一次有一天呢我们就去测了一下就是随手测一次吃个饭测一次测完以后大家就可能状态就不一样了为什么哪一年的时候哪一个月二三二四年那个时候大家回来看看你看小小爱是不太一样的就是他那个时候的能力就是真的是超过了当时基本上所有专门针对这个domain去训的模型我们没有针对这个性质去训过模型也没有针对某一类材料体系去训过这个模型就之前也有人做各种各样的模型去capture这个事但 somehow好像有一天突然就能力开始跨过一个坎了这个是对我们一个比较大的triggerGP3.5他给我们的一个hint是通过scaling能确实把这个模型的泛化性给做得很好那你在材料领域里面其实要的也是这个泛化性我们能不能通过类似scale模型数据的方法把这个繁华性做得很好那就是纠结这一点不知道行不行那个时间节点我觉得大家没有明面上说但是心里还是觉得比较震撼为什么没有在明面上说呢都是一帮非常decent的比较闷骚的科学家然后你们在05年的时候就去年发了一篇Nature那个是不是也在讲scaling law在材料模型里面的影响对 我觉得这可能是不是某一些上面是稍微有点误传的anyways那个其实是我们比较早的真的就是用生成模型去做材料化学药品的物质的生成不是一个新鲜事之前做了挺多年了比如说咱们谢天同学做的这个CDVAE做了挺早以前包括做药的但是早期的做这些模型它更多的是用的那种比如VAE这种比较老一点的架构但是你会发现也work但work没有那么好那本质上我们现在看的不一定完全对为什么是这样呢因为像这样的模型架构它不scalable但是在大概一两年前吧那大力2大力3这样的东西出来了以后你会发现它给我们的hint是Diffusion还是可以scalable的我可以吃进大量的数据那我觉得Mattergen他的特色就通过了用Diffusion这样的model去scale了模型以后产生了比较好的效果你可以看到他的能力大幅超过了之前的那些模型其实没有在文章里面直接去写scaling这个事但实际上底层的驱动是这个东西对我在想一个问题就是因为我们非常依赖基模的智能对吧那理论上是不是比如说咱们可以用基模去研发新材料再来一个团队ABCDE他们也都可以用基模去研发新材料那在这个过程当中大家如果都是依赖基模我们的差异化或者我们的优势要怎么做出来呢这个问题特别好就我觉得一个前置条件是今天大家不应该把用AI做出来一个好的材料当成一个竞争还没有到竞争那个程度现在这个行业里面急需的是一个任何一个人不一定是我可以是任何一个人他用任何一个模型只要能验证把一个突破性的材料给做出来并且商业化整个行业的人都会非常的好过 [20:00] 一个前提那在这个之外就还没有形成竞争是大家共同创造蛋糕的过程然后在这个之外可能就是您说的你能做我也能做那这个就看大家信不信自己造的铲子那对于我们来说我们觉得可能scaling模型不管是用synthetic data还是自己尝试后面去创造一些实验的scalable的一个环境可能更多是我们要做出非常好的那样的筋模在这个点上我觉得各家认知可能还是稍微有些区别这是有认知的区别认知的区别最后会比如说形成什么样的区别然后带来不一样的这种差异或优势首先认知分两层第一层就是模型上大家对这个事情什么样的模型真正能带来材料行业真的能驱动我们发现特别贵特别值钱特别能带来变化的材料另一方面呢是就是另一个层面的认知可能更多的是我们对模型能力边界的认知比如说我做了一个模型它在每个动命里面到底能产生什么样的商业价值能不能找到那个东西这个也就刚好回到您刚刚那个问题上我觉得这个甚至可能在某一些时候会形成一个所谓的壁垒就是这个团队到底认知上是做材料的人和做AI的人天天在一块他对两边的边界认知都非常清晰还是两边靠两个团队互相交流这个一定会形成不一样的文化和不一样的认知能力这个会直接影响到最后能不能找到这样的材料所以是至少在我的认知中做模型的做统计物理的simulation的和做实验室里面的老法师必须得天天在一块这个是很重要我们来稍微了解具体的话来帮大家更好的理解咱们到底在做什么有没有可能就是比如说选一个你们现在在跑的某种材料的任务然后讲一讲比如说从一开始到最后如果我们真的成功把它做出来这个中间是一个什么样的过程这个问题很好我可能用一个fake的案例去讲模拟一个比如说我在锂电池里面比如说复极的材料我要寻找一个它容量比原来大一些它的功率密度会比原来更高一些电压比原来低一些的一个材料那我在商业上可能认知到这个材料因为某些背景行业比如说我的大型储能要起来了我有些specific的requirements能做这个事情那我就有这样的商业需求这个材料可能目前不太存在或者做的不好那我反过来就去做这样一件事我首先通过我的模型去生成或者筛选出那些我认知层面上他觉得比较好的符合我那些要求的放在门头的那些IP那些化合物好下面干什么呢并不是用AI过度的去优化这些所谓的IP这些化合物干什么呢咱们也有自己的老法师那就坐下来开个会列一个单子等共比如说几百个坐下一个一个看哪些东西我明天可以下实验室赶紧做做完了就赶紧反馈这就是我们发现一个逻辑比如说我做到客机把它装到一个电池里面反馈还不错那下面干什么呢我们在自己的实验室里把它做到公经级做到公经级以后也没有特别多不用特别紧公经级没有那么大做到公经级以后真正使用这个材料的人就可以去试着用了在他们的线上去试试的过程他们会有反馈一旦有反馈了好的反馈就代表着要么我们放量要么别人放量这个东西就有机会了这样一个流程所以AI在这里面扮演的角色最关键是在哪一步我们认知到的是在最前端发现颠覆性的重磅的IP的那一步它能发挥最大的作用这个发现可以再稍微展开讲一下其实我找材料我不是要把整个空间搜完测到一万种我只要有一个能卖钱就行了是不是好那在这个角度上其实最好的情况下是我一击击中我让AI去推荐出一个他觉得可以行的材料推一把就成了但是目前看到的呢是一个比较难所以真正我们在做的时候是这样一个状态是我们会让生成模型数据库搜索各方面并行着跑生成模型不断的生成candidate然后呢我也会把网络上就包括人类已知的那些材料数据库全部拎出来用我的推测性的这种模型可能是根据我基模改的也有可能是就是本身基模机又少的能力我去把可能的看点它就形成一个对立一个一个看快速的看看完好的就把它拎出来拎出来以后就到刚刚那一步了那速度上就看了一般来说 [25:00] 不同的材料的性质不一样那可能更多筛选的时候快的几十秒慢的几十分钟一个单卡你们现在的生成是Transformer还是我们目前走的可能更多的是用Diffusion这样的过程去做而且是一个基于Graph图这样的一个它不是像语文本那样SequenceSequence那个东西也可以做但我目前觉得数据可能不是那么的多不够这样的寂寞这样的数据是什么数据就是人类合成过的所有的能收集到所有材料以及我们认知上有可能被合成的一个那些材料那些结构那最后发现就变成这个模型要学的就是一个在高位空间里面找到那样可以被合成材料的一个manifold在里面去采样我听起来觉得这个事情还挺暴力美学的就是大力出奇迹的感觉大力出奇迹就是到今天所有AI发生变革的领域里面基本上都走的是大理出期间从AlphaFold到Large Language Model到现在的巨声在我们今天录播客的早上醒来看到一个新闻我不知道你有没有看到就JAM1这个新的巨声模型又让这个往前推了一大是你预测你们的第一个里程碑会是什么时候会发生吗还是现在就是没有抱这样的里程碑式的预期我觉得里程碑对我来说可能是两类第一类呢是fundamentally去驱动整个人类材料科学的一类工具类的进展这个我们希望在未来的一两年能把物质自由能这个东西打穿这个东西一旦做出来以后我们可以在比较广的材料空间里给定任何一个材料Hypothetical的或者真的能把它热力学上能不能合成非常准确的infra出来就能代替很大很大一部分的实验物相实验基本上能带掉那这个对人类的材料就是这个科学往前走了一大步这是一类啊就是工具上的第二类就是管线上什么时候能做出来那种改变世界改变甚至商业生态的这个说实话我们自己不太确定这好像是有一种就是把正确的事情用正确的方法论做了然后在这个过程当中慢慢的相信美好的事情它会浮现出来对我觉得这个也是过去几年我们一直有一个体会就是感觉大的路是对的但大家都非常decent researcher所以都非常skeptical但是每次大的模型的进展的时候总会给我们那些trigger会觉得这个事情好像有点对再有点对一般是这样一个感受信念感慢慢的提升也有挫折之前你其实在微软研究院做了很多年的工作然后微软研究院其实是一个相对这个没有商业的目标或压力的一个研究组织然后现在办了自己的公司他也是非常研究驱动的所以也想和你探讨一下就你会怎么看一个这样的有商业的目标压在身上的一个研究驱动的公司他最好拥有什么样的文化才能够比如说做好做大做强其实我们还在探索但是就整体上我还是觉得比较有意思就是你会发现做research做世界上最好的research是极端有意思的事这不用说大家做research都是这种感觉但是somehow我觉得摸索一个新的可能的商业模式也是extremely exciting的事情那这个事情是不是有可能有机的结合在一块真的用那个fundamental的大的技术突破去驱动商业这是最值得追的那当然这个过程中我们也有相当的敬伪心啊有那些管理上面的事要做肯定是要做因为最终一旦有一个商业反馈以后他反而真的能把这个技术驱动的更好我们可以看到到今天为止这几年发生的技术的革命都是在由商业上反过来驱动的特别强的案例Deep Seek包括巨升这些反而是因为商业的包括现在何巨变我不知道啥时候能做出来包括超导量子计算反而是因为大家对这个东西上有非常强的商业诉求第一资本特别集中第二就是大家诉求中了推的真的就快了技术推的比原来要快很多这是个好事但是压力也非常大像刚才提到就是商业其实会加速一些东西对然后也会激发一些东西然后你们融了那么多钱我蛮想问就是这个会贵在哪里的你们的钱准备花在什么地方其实这个里面最贵的是两个大家可能觉得就是我做管线这有多贵我给大家拆拆现在这个时间节点上最贵的 [30:00] 是算力和AI的人今年我开了说出来我都唏嘘我开了三张offer出去开的时候我手都在抖然后算力上一年几千万是要烧的那这个很贵反而呢你做材料管线上一个实验室没有多少钱大几百万很多东西做到工精级也没有很贵在这工精级以及之前AI和人占大头但是一旦要放产能了这个就是强的那种就是主性了那个部分后端的上产能就特别贵可能就上亿这个就贵了所以目前是算力贵人贵AI的人贵AI的人比别的行业的人要贵一大截子所以算力贵是因为你们要用Sota的模型吗因为我理解是不是比如说有一些用开源的方法来降成本的可能还是你认为就是必须缩它烧算力烧的多其实不是因为我们用模型是因为我们训模型就是这个模型在某一些能力上还没有认为到我们认为的那个拐点刚刚不是有一个问题说我们认为什么样的Mistone第一个是工具上的第二个是管线上的在工具上还没有到那个mystone所以我们要持续不断的迭代这个模型那这个是花很多钱的inference反而还好对如果我哪天就只做inference了那这成本就马上降下去了对但是比如说这个前面要花多少钱目前是未知的是吗大概有个数但是就是也挺贵的刚才提到今天AI的人非常贵然后你也提到咱们为了做好一个商业化的科研驱动的公司它其实需要把很多不同的优秀的角色揉在一起除了很贵的AI研究员所以我也想问的就是在这么一个需要把这么多交叉的人放在一起的一个组织就是你希望它是一个什么样的文化我觉得更多的是大家有共同的believe觉得应该去一起做一件特别伟大的事情可能这个伟大一定层面上是技术另一个层面上是通过技术去驱动巨大的商业价值其实到今天这个公司大部分人是有底层技术信仰就是觉得这事可能未来几年会有大的变化很多比如说咱们做化学的老法师就有一些他之前一直有一些自己的理想比如说在没有做实验的条件下能把这个实验的结果某一些实验结果猜个七七八八这事情在他的印象中是不太可能的但是我们聊了以后他认为可能在未来的一两年甚至现在某些技术上可能能实现这个点了那对他来说是一个整个他的技术生涯的一个转折点那这样的人可能就会聚集一帮这样的人去做这个事以及催动这帮人去迈向下一个技术锚点这个就是我们觉得可能这个行业包括我们这样的公司能吸引到人的原因你们应该还是要找蛮多交叉的人才的这种人在市场上多吗还是你们觉得今天必须得自己来培养我们要的那些人可能并不是要在每个领域都懂一点我们最希望要的什么样的人是在一个domain里面特别特别硬核超级专业同时他的视野很广的人就是在一个领域是专才但同时他的知识面又很广应该说硬核我们特别看这个词硬核然后这两年其实中国出现了蛮多的AI的人才的培养的新的一些学校组织比如说像你深度参与的北京中关村学院然后上海也有创制的学院然后核套然后可能还有针对更年轻的孩子们的知春学院你怎么看现在这一些新型的学校机构他们在扮演着什么样的角色就你需要的一些未来的对你们的这个有价值的人才你觉得从这样的机构里面出的来吗我觉得是很有可能的因为就别的机构我可能没有那么深度参与那本身我在中安村学院也有这样的位置就是做一部分这样的事组建团队以及去培养学生这个事我看到的是博士生们进来的第一天就进项目做项目的过程中不断的成长有一点像一个startup他最终朝一个目标去在这过程中他不断的去学习到今天这个时间节点上因为AI它是一个特别特殊的工具举个例子我最早做生生日模型的时候我怎么学的呢我一篇文献都没有看过一直在问问题GPT和DeepSeek都问就是一直追问 [35:00] 追问追问就什么care loss什么begin inference各种各样的东西我原来都不懂啊后来就是追问反正就底层的数学我还是考的那就基本上通过追问把自己的一整套数理的框架给建立起来了那这个我觉得可能就是新的时代可能学习的方式也不太一样然后刚才我们也提到啊就是今天模型已经拥有那么多的知识和智能那大家的学习的方式方法甚至学生的目标都会发生变化然后你有一些这样的最近的思考吗比如说知识和能力我们在过去我觉得我们刚才聊天的时候你提到什么学会数理化走遍天下都不怕这好像就意味着我有了数理化的知识我就等于拥有了这个非常牛逼的能力了但今天好像知识和能力在结偶那今天要怎么学呢要学什么呢这个我真的没有答案我也特别的迷茫就是这个咱们可以聊两句这为什么会有提到这个问题之前我们也聊嘛其实是在我们面试的过程中不光是在这个企业面试而是之前面有一些学生甚至在中安村学院帮着学院面一些年轻的老师过程中我们一直在想我到底面什么我问他啥问题呢我问他的知识性的问题GPT全都能答而且知识面比我强那这个东西有意义吗能考出他过往的能力吗那还是面他解决某一个新的问题的能力这个事情就是这个点上emerge出来的其实我们自己也不是特别清楚但是到今天啊我们还是会问那些特别硬核的懂命里面知识性问题为什么因为至少在过去几年里能问得出来说明他还是能学的会的这也是某种能力但是在未来真的边界感会不太一样我不知道啊这个时候我也不知道您怎么看因为AI的知识性特别强是不是以后每个人就是要学当产品经理这也看靠近你怎么考虑这个事情首先我觉得主动性还是很重要的当知识都在那里的时候你是不是主动的去用好了他们或者主动的去寻求了模型对你的帮助比如说历史上我们也有很多的图书馆也有百度也有Google其实他们还是差不多但历史上也不是每个人都把这些资料资源或这些智能用的最好嘛对吧所以有主动性的人肯定还是很强的对然后第二呢就是我觉得比如说我们可能看的更多的是创业者啊所以我会觉得他身上的这种所谓的企业家精神对是很重要的这是非常软性的比如说是不是有任性是不是有领导力比如说是不是这个有极强的这种愿景然后以及这个愿景带来的感染力所以这种其实我觉得是重要的然后还有就是大家都在讲的这个Taste就是审美对对对这个特别重要这个其实不只是就抽象意义的美其实做学术做科研它也有审美在背后的还真是这个您这一点点讲我觉得特别有意思那这样讲还真的Taste特别是做research这个好像会变成最重要的东西真是Test是一种选择它会折射在方方面面其实我之前面试所有人的时候我会提一个什么样的问题呢假设给你无穷多的资源以及非常大significant的一个团队我一般会给个数比如说十个亿的人民币的资金随你怎么花没有限制没有审查以及一百个人的团队你想干什么我为什么问因为这个能筛选出来这个人有没有想过有没有vision对这exactly我觉得可能在这个时代是不是会比知识更重要一点你是不是已经有答案了在这个问题里面我们肯定是有这样的愿意要不然不可能就是跑出来就做创业还是压力很大的对那你觉得这个比如说今天如果有一个新的PhD然后他听完咱们这些播客觉得AI4材料是一个特别好的方向然后他想要来投入这个浪潮所以你会建议他就是从现在开始花比较多的时间去学什么好问题学什么还是那样至少到今天为止我觉得视野面一定要广第一天参与到一个特别重大的一个课题里然后在这个课题里面做最核心的那个技术的最核心的部分最硬核的部分你可以做模型做模型的开发但是做的要很深而且细节很懂你也可以做合成比如说我就是给我一个新的物质我硬搓我搓几个月我就是能把它搓出来特别难合我能合得出来这个也行这到今天还是这样一个状态你说读哪个专业吧我觉得就是现在看来每个专业只要 [40:00] 不够硬核还是可以的所以你看中的是去挑战最难的事情以及在这个事情的挑战的过程当中积累下来的一些东西对其实它也是对人的能力的一个反馈我做的不是那种每个地方踏实一点把它组合优化而是在一个点上锚定以后把它解决最核心不可拆解的难题我们再来聊一个问题你会觉得有时候在未来五年里面就是大家学到的今天的这些能力里面有哪些能力会变得非常非常不值钱吗Coding会非常不值钱以及模型的design这个我有点口出狂言了但是我目前感觉以后整个AI的设计范式也有可能会变化特别现在AFOAI出来了以后真的emerge的非常快那Coding以及设计AI这些能力可能都会慢慢的被淘汰掉你之前有提到23年24年的时候你们看到了一个就是在那个时候的GPT3.5或者类似同一阶段的模型做的事情给了你们很大的这种信念感那最近半年有没有什么一些新变化让你觉得你们在做的事情变得就是更有可能了或者更会被加速了其实这半年看到的可能不是我们这个domain的AI的模型的进化因为我们自己还在做确实有越来越强的能力而且可能能力增加也不止一点但更多的我看到的是整个frontier的那一类的AI模型就比如说Cloud比如说就Opus这样的模型它的能力似乎真的是对我们影响非常大以及open cloud这样agentic system去做影响非常大就我们现在我们这家公司给每个员工是配了这样的cloud然后而且我们目前不设token上线这个东西对整个生产方式会有变化然后以及我很多原来需要用人去驱动的工作驱动的这个search的过程很多都可以固化下来用让这些东西去做这个对我们影响蛮大的他可能我觉得他不是一个general对specifically for材料的而是它对每一家公司每一个人都会影响很大另外一个问题就是假如今天我们的基础模型就停在这里了也不太可能我们就这么一个假设就假设它停在这里了你觉得你们现在这个事情它仍然可能成立吗仍然可能把在想象中的改变人类的材料做出来吗有可能只是在什么时间节点能做出来确实不知道就是如果模型越强我抽奖抽到的概率越高其实我听下来我觉得现在你们这个就是开物纪在做的事情还是蛮明朗的不管是目标还是路径都是蛮清晰的但这个会不会又有另外一个问题就是它太共识了就太共识的事情做起来有可能反而就是最后turns out没有那么一帆风顺就是你怎么看还是说其实这里面有一些非共识是我没有感知到的其实我觉得这个行业没有形成特别强的共识就举个例子比如说你做AI材料它最重的商业化的兑现到底是在寻找这个原始的重磅化合物上能兑现商业价值还是在后端工艺放大优化上我也能加速很多能帮大厂解决很多问题能挣很多钱这个事情可能不完全是一个共识另外呢我在模型的development的时候到底是要花主要的精力去做什么样的模型获得什么样的能力好像也不是特别这个行业我觉得还远远没有到形成共识的这个阶段听起来我觉得可能就是我们逻辑相对比较顺畅所以最大的共识是非常high level的共识对就是这个行业很重要就是AI对材料行业化学行业一定有巨大的帮助那具体什么样的帮助怎么样的商业模式怎么样的技术战好像还没有特别的明朗那刚才你也说了有些非共识但都是在执行的层面你觉得这个非共识会收敛吗这个事我说话我也没有特别的想清楚就像现在原模型至少过去的某一段时间内是基本上收敛下来了现在可能稍微又有一点发散了对吧我觉得这个时间线我真的不知道材料行业里面会什么时候会收数我觉得它背景是因为材料这个行业真的太广其实材料行业是整个工业生产的底座太宽了每一步都是巨大的市场以及对应的巨大的技术的鸿沟那确实大家focus的方向也就确实不知道均以所知刚才我们提到的这几个在美国做类似事情的创业公司他们的做法和咱们有哪些相同哪些不同美国这几家公司就其实就那么几个Pyrotic Labs普罗密修斯 [45:00] Rustby AIOrbitos这几家有一些相似点就是比如说咱们的Priotic Labs它可能更多的是在用语言模型类的Inference做这种逻辑的能力加上一些Midtrain这样的能力去做那种偏推理的这种感觉的模型的研发以及下游的发现那这个呢可能和我们放在门头里去追的目前看的技术路线不完全一致那再比如说在普罗米修斯这个细节我不敢讲完全对但是他们的人员的背景里面有很多做流体的做控制的也有像我们这样做材料的然后这样的一个背景的人他们在做的事情其实好像也没有完全的converge他们在做什么听说是要造火箭这个确实不知道但是在整体技术战上就还是回到刚刚那个没有完全converge特别是在美国形成了一个什么状态呢一帮人才密度特别高的特别天才的人坐在一块天天在一块想我们做什么事怎么样能挣钱怎么样能有大技术的货可能挣钱对他们来说都是后者刚才其实你提到融了很大一笔钱之后你反而感到有点焦虑有一些我们必须得很努力把这个事做成要不然是对行业不负责任对行业不负责任对因为这个行业就是大家对它有极高的期许那当我们做这家公司的时候我觉得是得去负担起这样的大家的期许去把这事做好的这个确实是就是这样的带来的一些压力好我们最后几个问题一个是像我们刚才聊到了教育那今天如果比如说你的弟弟他告诉你我要去申请PhD你会建议他去申吗还是你会建议他直接到工业界来我觉得会让他去PhDPhD是一个至少对个人发展上是一个特别好的一个什么事呢PhD相当于是干什么是有一个人给你一笔钱不用还让你去探索你觉得有意思的事天下除了PHD有这么好的事吗是不是这个是人生最好的去探索各个领域发现你想做什么事的一个阶段就之前也有人在问我说我要不要去读这个PHD是不是读完以后就年纪太大就业有困难我说不要这么想PHD是给你一笔工资给你发着工资做你觉得厉害的事没有那么好的事情的这最好的事那肯定去赌品大厂打工啊那是要回报的那我们最后一个问题啊就是现在是创业的第一年对吧我们都知道可能一眨眼就十年了时间过得很快的那假如这个有机会给十年后的自己说一句话不管是祝福还是是什么许个愿还是任意你会有想说的吗其实开心吗还折腾的动吗这个问题我是真的觉得那个时间节点就只要还能折腾就会开心肯定折腾的动了是吧真的过去几年里我感受到的就是我觉得我自己挺折腾的就原来是在大学里面我读本科的我的目标就是挣3000块钱月薪娶个老婆生个小孩真的三千块钱是怎么来的是怎么算出来因为我爸我妈在我读本科的时候我的认知上两三千块钱过得挺爽的OK就这个目标后来快读博士的时候又有这样的机会出国了整个人又开始变变得到快读博结束的时候我说不行我要去当教授学者这个事情能为世界多贡献整个人状态不一样说读完博以后当老师又觉得不行我要做产业化那个东西才真的能改变这个行业才真的能落地以及挣点钱然后又往后那是在深圳深圳影响我非常大把我从一个非常特别research orient的人开始接触市场市场力量真的很大我18到20年左右我在深圳住了三年那个时候在做什么中科院深圳先进院有自己的research的团队然后做电池方向的研究以及一部分产业化工作所以深圳怎么影响你那么大的深圳很有意思整个深圳都非常的有热情以及它的运行逻辑就build on一个经济的ecosystem比如说在中科院深圳先进技术研究院在先进院那你要过得好就是要自己去外面拿到经费不管用什么方式你可以孵化一家企业做成很有钱的每年给你反补也可以去拿国家的经费也可以去拿横向经费但必须得能反补这个逻辑特别好压力很大但是只有能满足这个逻辑的是真正 [50:00] 特别有意义的那类research可能有点急但这个事情对我影响非常大以及深圳当年有大量的人创业然后再往后拿到一个机会去了剑桥那个时候明显是折腾2021年的时候去了剑桥去逆着疫情去那边去搞research搞完以后回来回来拿了一圈教职的offer最后都没去去了微软去了研究院因为那个时候感觉这个AI来了必须得在大厂才能做事Turn out这个事情折腾是没错的那又到现在折腾就折腾就还有希望包括现在看很多大厂他在瞎折腾但回过头来瞎折腾也是好事对我觉得瞎折腾是好事的原因是因为你只有折腾才会扩大自己的所谓的这个运气的面积对对对对真的是这样但你自己这么爱折腾的这个精神或者就是你觉得有一些原点吗比如说是来自于教育还是来自于什么环境的影响就有曾经总结过吗我也不知道怎么就变成现在这样了我觉得有一部分是什么呢是我非常感谢我父母就是我爸妈其实对我特别好就是我有一个特别好的一个家庭环境小时候父母对我都特别爱我然后就有点溺爱你至于到什么程度我跟我老婆讲的时候他说你没有想过家吗我说我这一辈子到处跑英国美国香港深圳这么多年可能想家次数可能就没有过没怎么想过家我原来以为是不是我有什么后来发现就是小时候被保护好我安全感非常强这个好有意思安全感强的人不会想家就是很有意思我真的不想家有的时候我可能刚创业那两天有一点点想但是你说这么多年在海外好多年各个地方漂还有那种睡那种很奇怪的房子的时候不想啊挺好的呀没有想过家好有意思所以你觉得这其实来自于安全感这是我的感觉父母是我非常非常强的一个后盾他们是做什么工作白贝老师好的那我们今天谢谢子恒来十字路口也希望开物纪尽快做出牛逼的材料好感谢好拜拜