AI不只是应用工具，已经开始帮助人类攻克基础科学的“卡脖子”问题。

文｜《中国企业家》见习记者 孙欣

记者 王怡洁

见习编辑｜李原 编辑｜何伊凡

图片来源｜受访者

“如果公司是艘在深海中探索的船，我是最不能跳船那个人。”深度原理总部位于杭州，其创始人贾皓钧将自己的办公室命名为“哥伦布”。在他看来，在AI for Science这个全新的风口创业，无异于“哥伦布探索新大陆”。

成立一年多时间以来，深度原理正在研发、融资和商业化上一路狂奔。贾皓钧每天早上会保持五到十分钟的深度思考，盘点目前公司有哪些风险，以及下一个目标在哪里。这个习惯，从2023年贾皓钧创业时开始。那时他正在麻省理工学院（以下简称MIT）攻读博士学位。

AI for Science（科学智能，行业简称“AI4S”），意指用AI来做新的科学发现。2023年，美国贝克团队与谷歌DeepMind开发的深度学习模型“RFdiffusion”问世，该模型预测了约2亿个蛋白质结构，并可一键设计和生成蛋白质。2024年，诺贝尔化学奖被授予了贝克团队和DeepMind团队。

同一年，贾皓钧正式创立深度原理，团队基于生成式AI和第一性原理的融合，将AI应用于材料研发。截至目前，深度原理已自研六大算法模块，并集成于一个名为“ReactiveAI”的自研平台。近期，平台升级为材料发现智能体（Agent Mira），其可以根据客户要求，自主调动数据、资源进行化学材料的研发。

2025年，AI4S迎来关键拐点。8月，中国“人工智能+”计划发布，将AI4S作为推动科学发现范式升级的重要方向。11月25日，特朗普签署了“创世纪计划”行政命令，利用AI变革科学研究方式被美国抬上了国家级别。同期，硅谷上百个关于AI4S的创业项目诞生。

此后，美国国家实验室、OpenAI、DeepMind不断向AI4S加码。2026年1月12日，英伟达与礼来宣布将在五年内斥资10亿美元在旧金山建立联合研究实验室，用于研发AI药物。同日，Anthropic宣布推出医疗保健和生命科学服务，帮助Claude用户共享健康记录。Kosmos、Biomni等通用科研引擎也接连发布。

国内大厂反应迅速。腾讯在2025年9月成立生命科学实验室；阿里巴巴推动建立LucaOne大模型，这是业界首个联合DNA、RNA、蛋白质的生物大模型；字节跳动专门设立AI for Science团队并入Seed部门，并与比亚迪锂电池共建“AI+高通量联合实验室”。

“只把AI用作聊天、生成视频有些大材小用。”贾皓钧告诉《中国企业家》。他认为，AI最宝贵的价值，是赋能人类未知的领域，“所有的科学进步，本质上都是由新发现推动”。

2025年11月，深度原理完成超亿元人民币A轮融资。由戈壁创投管理的阿里巴巴创业者基金大湾区基金与蚂蚁集团共同领投，现有股东联想创投、Taihill Venture、BV百度风投等多家机构跟投。

联想创投董事总经理梁颖对《中国企业家》表示：“世界已进入‘科学发现+超级科技工程’共同创新的阶段，AI4S能精准解决高端制造、生物医药等领域的‘卡脖子’问题——比如新材料研发滞后、创新药研发成本过高等，将科研周期从数年缩短至数月甚至数周，直接提升国家在基础科研领域的竞争力。”

虽然在价值爆发前夜，但贾皓钧每天早上仍会从悲观的角度思考公司走向，这源自AI赋能科学研究还有许多不确定性。

一方面，过去科学发现领域，尤其是产业界相对封闭保守，数据获取限制了垂直类模型的研发。另一方面，化学材料领域研发的规范化与数字化进程仍在路上，相关历史数据的留存在数量与质量上均有缺失。换言之，针对科学发现的AI数据基础十分薄弱，合作机制也不健全。

但在贾皓钧看来，当下深度原理除了与大厂赛跑，他更看重公司如何快速实现AI4S的产业化落地，让手中的技术创造出价值。

技术时机已至

从幼时起，贾皓钧就着迷于两样事情：理科和计算机。这也成为贾皓钧进入AI4S行业的原点。

2015年，贾皓钧读本科时选择了物理学专业。读大二时，他就用CPU进行基于薛定谔方程的第一性原理计算。但彼时，算力的局限让这件事极其耗时耗力，商业潜力几乎为零，“投一个计算任务，超算得跑好几天”。

这一切在2018年发生改变。那时，显卡（GPU）的算力突飞猛进——计算效率提升数十倍，原本需要跑好几天的分子计算，几分钟就能出结果；同时，神经网络也开始被广泛应用，AI开始被用来“预测”分子的行为规律，而不再只靠死算。

这让贾皓钧察觉到AI在化学材料领域研发的巨大潜力。2019年，贾皓钧刚入学MIT读博士学位时，主动申请更换导师，寻找在该方向进行研究的教授。最终他师从MIT化学工程系教授、AI化学设计领军人物Heather Kulik。

Heather Kulik与诺贝尔化学奖得主、DeepMind核心成员John Jumper同为全球最早一批用人工智能做科学发现的学者。John Jumper研究方向是AI预测蛋白质结构，Heather Kulik则是将AI算法应用在了化学材料发现领域。

彼时，贾皓钧的同门师兄段辰儒在AI for Materials（AI赋能材料发现）方向已研究一年。段辰儒研究底层AI算法与计算方法，贾皓钧则专注于材料应用转化与反应体系。从研究方向上看，段辰儒与贾皓钧分工类似于“道”与“术”的结合。这种分工延续至深度原理的创立：段辰儒负责技术架构与算法研发，并担任团队CTO，贾皓钧负责战略、客户与团队搭建，担任CEO。

在Heather Kulik的评价中，段辰儒在AI4S领域有着“出色的学术领导力”，贾皓钧则是在面对复杂研究挑战时“最勇敢的学生”。在天使投资人、线性资本合伙人曾颖哲的评价中，“他们两个人创业，就是完美拍档。”

虽然贾皓钧如愿进入了AI4S课题组，但那时，AI更多作为“工具”，其应用很快便触及天花板，AI4S的产业化仍迷雾重重。

“当时的主流思路是用AI加速传统流程——算得更快、拟合更准。”贾皓钧称，“许多人被苹果砸中，只有牛顿提出万有引力定律，剩下大部分人做的都是验证这些极少数人提出的新发现。当时AI成为科研工具，但科研范式本身没有变：99%的科学家仍在从事验证工作，提出假设的环节依然依赖人类直觉。”

转折发生在2022年底。ChatGPT的横空出世让贾皓钧意识到“生成式AI”与过去的AI相较是质的飞跃。于是，贾皓钧和段辰儒两人开始有了非常紧密的学术合作，共同研究如何把生成式AI技术应用于研发化学材料方向。整个博士生涯期间，贾皓钧与段辰儒在《Nature》大子刊等顶级期刊和平台合计发表超过60篇论文，并开创了多个AI for Materials新模型。

那时，行业在分子合成、制药等领域多使用大语言模型。但化学材料研发的核心问题不是“缺少知识”，而是“缺少可验证的候选结构”。大语言模型或许可以写出一篇关于催化剂的论文，但无法直接生成一个可计算的分子坐标文件。

因此，在化学材料领域，需要差异化的模型来补齐大语言模型对结构的理解能力，扩散模型（Diffusion Model）便进入了他们的视野。后者输出的为结构化数据，可直接对接模拟与实验。

此外，化学反应涉及多物体系统，需要考虑对称性等问题，而传统的SE(3)（等变扩散模型）很难解决。贾皓钧和段辰儒决定自研一套图神经网络确保化学反应中的对称性，同时将该网络与扩散模型结构相结合，创建一个能够生成完整化学反应的系统。

2022年，两人的工作取得重大突破——他们成为全世界第一个验证扩散模型可以直接生成化学分子、化学反应的团队。2023年，这项发表于《Nature Computational Science》封面论文的研究表明：新的化学反应可在数秒内生成，而传统方法需数周手动推导。

扩散模型原本是图像生成领域的技术，将其应用于分子生成，意味着AI从“预测已知”转向“探索未知”。据悉，目前深度原理是扩散生成模型、大语言模型两条生成式AI路线同步推进。

但挑战接踵而至：如何保证生成材料结构的物理可行性？如何确保材料可以被合成？

深度原理的解决方案是构建“分层生成”架构：第一，底层用扩散模型生成粗粒度结构，这一步旨在画出分子的“草稿”结构；第二，基于量子化学中的第一性原理，以精密计算打磨细节；第三，顶层结合高通量实验验证稳定性，即通过自动化实验检验“草稿”是否可行。

这一“AI模型预测-计算支撑-实验验证”流程，将计算效率提升数百倍。“我们最新的模型可在几分钟内生成并筛选数千个候选材料。”贾皓钧表示，“而传统高通量计算需数月。”

这个闭环目前被命名为“ECML体系”，深度原理也将其称为“AI材料研发的第五范式”。

算法、数据和算力是AI三大要素，其中，算法是AI公司构建护城河的主战场。基于此，深度原理自研了六大算法模块，即ReactGen（分子生成）、ReactBO（广域筛选）、Reactify（精准计算）、ReactControl（资源调度）、ReactNet（合成导航）、ReactHTE（高通量实验）。这六大算法模块涵盖六个步骤，覆盖了一种新材料从研发、合成到验证的整个流程。

简而言之，深度原理将大模型技术赋能在材料的研发、合成、验证整个链条，这个闭环构成了深度原理的ReactiveAI平台。

大部分学者完成MIT博士学位约6～8年，贾皓钧仅用了5年。2024年博士毕业时，不少海内外大厂向他投去橄榄枝，但贾皓钧还是决定创业。虽然这几乎被他身边所有人反对，但贾皓钧坚信，在生成式AI的爆发，以及自研平台ReactiveAI在材料发现领域取得差异化优势的背景下，自己的创业时机已至。

融资博弈

拿到线性资本天使投资之前，贾皓钧还没有从MIT毕业，甚至未曾线下见过对方。但双方的缘分，在MIT的一次校园分享活动中便已结下。

当时，线性资本创始人王淮受邀给MIT、哈佛大学等高校的同学们分享从一位工程师转型做投资人的经历，贾皓钧正是学生中的一员。在后续的接触中，贾皓钧也给深度原理天使投资人、线性资本合伙人曾颖哲留下了深刻印象。“皓钧非常出挑，一个中国小伙，年纪轻轻就担任MIT中国学联主席。”

那段时间，“盯”上贾皓钧的不止线性资本。贾皓钧和段辰儒组成的两人团队还未毕业，仅靠着一个几十页的PPT，就收到了数十份投资意向书。

此前，贾皓钧原本计划选择一份约300万美元的投资合同，对方是一家知名的早期孵化基金。但落地前夕，对方临时对条款细节进行了改动。贾皓钧主动放弃了这份投资意向，那时他还无需为融资担忧。

但令贾皓钧意外的是，资本市场瞬息万变。2023年，资本市场进入收缩期，炙手可热的项目也经常无人问津。相关报告显示，机构平均投资项目数、投资规模相比2022年下降了四成。

2023年10月，曾颖哲与贾皓钧取得联系。“从美国晚上8点一直聊到凌晨3点，单单未来的规划就聊了整整8小时。”经过了一场“马拉松式”的尽调考验，最终深度原理拿到线性这笔天使投资。

曾颖哲表示，投资贾皓钧的原因之一，在于他身上有一种独特的号召力。

2024年深度原理正式成立，从最初的两人组，到来自微软、Meta、陶氏化学、巴斯夫、圣戈班等知名企业的有自身经验的伙伴不断加入，“几乎所有人都是降薪过来的。”贾皓钧称，最有代表性的例子是深度原理COO张露阳的加入。

张露阳是前Tenstorrent和地平线高管，当时摆在他面前的Offer都十分可观，如高管职位、百万年薪等。贾皓钧提到，张露阳作为“高性能计算+自动驾驶”的技术与产品国际知名专家，很早就意识到AI即将对科学领域带来巨大的变革。从2022年初，他就深度参与了深度原理的创立，并担任公司顾问。

但外部顾问终不及全职入局，为了说服张露阳加盟，贾皓钧拿出了所有诚意。彼时张露阳初为人父，全家都在加拿大生活，要说服其回国创业，更需要做通其家人的工作。

为此，贾皓钧邀请张露阳，带着其妻子和出生不久的孩子一起游西湖。为了让张露阳的妻子安心游玩，贾皓钧一边推着婴儿车，一边与张露阳袒露心胸。

从左到右依次为段辰儒、贾皓钧、张露阳。

“他一直都很明确知道自己想要什么，且执行力很强。”线性资本内部对贾皓钧评价一致。2024年3月，双方达成500万美元的投资。一年多后，深度原理完成多轮融资，累计数亿元。

这期间，AI4S赛道也成为资本宠儿。AI for Drug领军企业晶泰科技在2024年成为港股18C（特专科技）上市第一股，在2025年上半年实现盈利。业内独角兽深势科技2025年12月完成总额超8亿元的C轮融资，此前累计融资额已达数十亿元。在海外，a16z主导的Periodic Labs在2025年宣布获得3亿美元融资； Lila Sciences获Flagship与ARK领投超4亿美元；CuspAI获英伟达等巨头投资1亿美元，构建材料发现的“搜索引擎”。

务实做商业化

“我从小就对钱比较敏感。在我很小的时候，如果你问我15+27等于多少，我不知道，但如果你问我15元加27元是多少钱，我能立马算出来。”贾皓钧坦承，自己是个务实的人。

自深度原理落地杭州后，公司便开始马不停蹄拓展客户。贾皓钧将这笔账算得很清楚，“以战代练”能一边赚钱、一边提升平台性能。2025年，深度原理拿下千万元的订单，客户从以欧洲某美妆跨国巨头为代表的保健日化行业，到某头部精细化工厂商为代表的材料能源行业等多个领域。

其中，与欧洲美妆跨国巨头的合作，提升了公司在商业化上的自信。2025年初，该企业遇到了一个美妆领域的典型挑战——活性组分的稳定问题。在昂贵的化妆品中，部分核心分子活性极强，虽发挥了卓越的美妆效果，但也意味着其稳定性较差、保质期较短。于是，该企业希望在中国《已使用化妆品原料目录》的8000多个分子中寻找到一个配体添加剂，提升整体配方的稳定性。

这项工作，过去往往以实验来推演，不仅耗费数月，且成本高企，每50g的测试原料就达万元。

AI到底能发挥多大的价值，彼时该企业持观望态度。但在深度原理团队的坚持下，该企业同深度原理签署POC（验证性测试）合作。简单来说，对方给了贾皓钧一次尝试的机会。

基于目标分子活性强的机理本身，结合第一性原理与大模型的推理能力，深度原理在一个月内即完成了筛选工作。最终推荐的6个分子，均让目标分子稳定性提升显著，达到预期效果。

“做完实验之后，配方性能、效率让他们非常震惊。”这个数年才能完成的研发任务，在深度原理的平台中，仅需两名工程师在数周内完成。这次试水，也让深度原理敲开进军美妆领域的大门。双方合作也从最初的POC延伸至分子设计，反应路线优化等更深层次的战略合作。

与该美妆巨头的联合研发合作，也为深度原理理清了商业化路径。贾皓钧坦承，当前阶段“与客户合作研发终端垂类应用，比卖平台更易于普及AI”，平台化是“为未来培育更大市场”的伏笔，而非现阶段的收入主体。

梁颖表示，深度原理作为创业公司与大厂同台竞技，就要坚持“小步快跑”，先通过小范围试点验证技术价值，再逐步扩大商业化规模。

在贾皓钧的规划中，随着深度原理扩大规模，ReactiveAI平台及智能体Agent Mira作为基座，公司将从“项目制”转向“产品化”，可通过平台订阅（PaaS）作为收入来源。

此外，行业目前共同面临的“最后一公里”难题，是计算预测的材料往往在合成阶段失败。因此，2025年下半年，深度原理开始建设自有自动化实验室AI Materials Factory，来直面材料合成的实际落地问题。

在贾皓钧看来，在一个全新的风口创业，商业模式只能靠自己跑出来，不能硬套任何一家公司，“AI4S不应只停留在‘卖铲子’阶段。如果你认为你有一把好的铲子，你应该自己下场去挖‘矿’。”

梁颖表示，AI4S行业内已涌现出多样化的优秀实践。如深势科技作为头部玩家，打造了专业药物计算平台与AI药化助手，实现对临床前药物研发全流程的赋能，大幅压缩药物研发周期；AI4S头部公司呈元科技聚焦AI+合成肽药物研发赛道，自研研发平台，实现AI对合成肽药物研发各环节的全链条赋能，重点攻坚“不可成药”靶点的药物研发。

但梁颖也告诉《中国企业家》，较之AI4S在其他领域的进展，化学材料的应用场景更分散，中小批量定制化需求多，商业化落地也更快。而深度原理相比其他公司，有其独特优势。

在其看来，AI4S行业的技术壁垒并非单一环节，而是“数据—算法—算力—跨学科融合”的综合壁垒，其中最核心的是“高质量标注科研数据+领域专用算法”的组合壁垒。

通用大模型无法满足AI4S的需求，必须基于具体学科的物理、化学原理，开发领域专用算法。而深度原理的ReactiveAI平台，就是针对化学反应和材料性能预测优化的专用架构，这种“算法+领域知识”的深度融合，很难被简单复制。

“深度原理的跨学科团队和算力适配能力也是重要壁垒。AI4S需要‘AI算法专家+材料/化学/生物专家+工程化人才’的复合型团队，这种团队的搭建和磨合难度极大。”

梁颖建议，深度原理要避开大厂的优势领域，聚焦垂直细分场景。比如不做通用型AI4S平台，而是专注于新能源材料、特种化工材料等细分赛道，并通过“技术+场景”的绑定，能有效抵御大厂的竞争。

不过，贾皓钧的野心不只与国内玩家竞争，而在于全球，他认为目前的AI for Science领域，中美站在同一起跑线，行业都在蓄势。目前这个阶段，弯车道容易超车，以深度原理为代表的这些中国AI4S正在开启行业的新一页。