新浪潮汹涌而至之时，人们站在科研范式的转折点，深度原理的使命也变得具体：期待未来AI能解决催化剂发现靠化学直觉盲目摸索的行业痛点问题，通过计算指导实验，引领整个化学研发的范式的迭代，一起开拓人类探索化学反应的新边界。
在DeepMind创始人Demis Hassabis和John Jumper凭借AlphaFold获得了2024年诺贝尔化学奖之后，深度原理创始人兼CTO段辰儒第一时间感觉到，AI for Science（简称“AI4S”）的转折点来到了。
他当时对浙江日报的记者解释，“诺奖花落人工智能，相当于认可了人工智能和物理之间的有机互动。这敦促我们用物理学知识来理解AI、打造AI，从而建立更精准的模型，而这些AI模型可以反过来帮助我们更好地探索科学”。
说这番话的时候，段辰儒和他的师弟贾皓钧已经回国创业几个月，创立了深度原理Deep Principle，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。
新范式开启 专注AI4S
段辰儒自谦道，自己在学习和成长中并非顶尖级的学霸或者学神那样的人物。不过，从高中到大学到博士，他一路都受益于“结果导向”和“兴趣驱动”。
他因物理竞赛获奖被保送到浙江大学竺可桢学院就读本科。在段辰儒的记忆中，浙大竺院提供了非常好的平台以及自由探索的空间和资源， 他也因此有机会到麻省理工学院（MIT）攻读博士学位。到MIT后，他转到化学系做应用科学，最终在几经考虑后选择了AI和化学结合的方向，师从MIT化学工程系教授、AI化学设计领军人物Heather Kulik。
值得一提的是，Heather Kulik和2024年诺贝尔化学奖得主 Demis 和John都是全球首批运用人工智能做新材料研发的人，他们甚至在2023年美国化学年会（ACS）上同台做了开场报告。他们的方向不同，Demis和John是蛋白质，而Heather是化学材料。
由于对化学工程有兴趣，对AI for Chemistry相关的探索也进入了段辰儒的学术视野。“当时整个领域是一片蓝海，有广阔的方向等着去探索。”
全球对人工智能的探索已经几十年，而2022年底ChatGPT的爆发将人们对人工智能的重视推到了前所未有的热度。在这之前，很多研究人员对人工智能的探索也是坐了多年的“冷板凳”。
段辰儒记得，2017年他刚刚开始探索人工智能+化学相关的课题时，整个人工智能生态还不够完善，“大家只能手写一些模型，导致整体效率不高，也有很多专家教授也质疑AI是否真正有用。”
他慢慢感觉到，随着AI的发展，大家对AI的心态有变化，尤其到2024年诺贝尔物理和化学奖同时花落人工智能领域之后。在他看来，这是比ChatGPT更重要的核心节点，特别是商业化的确定性机会正在展现。
段辰儒也感受到，在此之后，“大家更加严肃地对待AI4S行业，也有更多的人进入AI领域做事情。”有业内人士评价，此次诺贝尔化学奖颁布后，AI 技术正在推动科学研究的范式转变，AI 已成为解决物理、化学、生物学和医学等领域的复杂问题的重要工具。
2024年11月，DeepMind全球实验室发布报告称，AI使用正在呈指数级增长，AI4S真正的黄金时代即将来临。身在AI4S行业，段辰儒观察到，比AI for Chemistry更早的生物医药领域，正迎来令人振奋的新一波产业化机会。
比如，由生物技术领域最大的投资机构之一ARCH Venture Partners和Foresite Labs联合孵化的Xaira Therapeutics，其核心业务方向是利用AI重塑药物研发，目前专注蛋白质组学方向，研究蛋白质如何在健康和疾病中发生变化。该公司在2024年获得10亿美金的种子轮投资，无论是获得融资的阶段还是数额几乎都在生物医药领域首屈一指。由2024年诺奖得主Demis Hassabis和John Jumper领衔、Alphabet资助的英国AI制药公司Isomorphic Labs近期募资1.82亿英镑，专注于发展AI加速创新药物研发，目前已与礼来、诺华等跨国制药巨头达成金额分别为至高17亿、12亿美元的合作，通过里程碑式交付的形式开展多个治疗靶点的药物发现工作。
化学反应比蛋白质更复杂。在新的范式中，AI不仅是数据分析工具，还可以全面加速研究进程。AI与化学结合后，可自主执行化学合成任务，也能进一步加快化学和材料科学领域的研究进展。在过去，化学领域的一些重大突破主要依赖于极少数研究员的发现，而AI的加入将发现的过程变得更确定，并加速了核心发现的过程。
围绕催化 回国创业
在AI for Chemistry的路上，段辰儒可用“吾道不孤”来形容。
在MIT学习和研究期间，他和同门师弟、现任深度原理创始人兼CEO贾皓钧志同道合，共同致力于AI for Chemistry的研究。在 Nature 大子刊等顶级期刊以及 NeurIPS 等顶级会议上，两位创始人合计发表超过 60 篇论文，并首创多个AI for Chemistry 模型。
博士毕业后，段辰儒接受了微软的Offer邀请做研究科学家，为多家化学材料公司部署计算化学和人工智能解决方案；在MIT攻读物理化学博士学位期间，贾皓钧在陶氏化学核心研发部门进行研发工作，专注于使用人工智能来研发催化剂配方及预测化学反应的路径。
两位博士在各自的公司工作一段时间后，既感受到了大公司在研发创新及商业化的局限，又因为接触了实际很多化学材料公司而看到化学界的变化和需求，以及AI在化学材料研究领域的应用机会窗口。
2024年，两人决定联手创业，并经常在一起讨论创业的种种。他们将公司命名为“Deep Principle”，中文名为深度原理，“希望深度学习（Deep Learning）和第一性原理（First Principle）做结合，也希望名字更有普适性。”段辰儒表示，“我们做的事情很有挑战，这个名字也是希望吸引更多有理想、‘用AI4Science深度探索化学材料原理’的人加入我们。”
贾皓钧和段辰儒讨论问题
在创业方向上，他们选定了化学中的魔法之手“催化”。
广义上来说，人类的生产和生活都离不开化学反应。实现对化学反应的控制是化学科学的核心和关键，而催化让化学反应实现精准可控。AI4S若能在化学材料领域实现规模化、产业化，不仅能推动高效、低成本的高效能催化材料研发，还能大大提升能源使用效率。
如贾皓钧所说，“90% 以上的工业产品都需要催化材料参与，35%的全球GDP都与催化反应有关。比如通过催化剂的改进，即使只提升合成氨1%的转化效率，就能产生数十亿美元的经济效益。”
段辰儒认为，对于化学材料的发展，很多人从如何设计新材料考虑，但如果回溯历史，更多是通过新的化学反应带来新材料，再带来巨大的市场变革。比如合成氨新技术带来了新的产业，其中的核心问题是找到关键的化学反应。
“判断关键化学反应的标准，第一是经济价值，第二是可以帮助人们找到很多之前不能合成的化合物，以形成非常巨大的潜在化学空间和经济价值。”他说。
在每一次工业革命或者说每一次人类社会的变革中，材料科学的突破都是先导。深度原理把化学反应作为核心，通过化学的反应网络不断地扩宽边界，锁想要材料的工具。通俗一点来说，通过拓展新的“边”来解锁新的节点。“只要能确定边是准确的，解锁节点的确定性就会非常高。”如此以来，就能把可能的、随机的发现，变成确定的、可预测的化学发现。
对于在美国还是中国创业，深度原理团队也有仔细考量。
他们看到，美国正受到“去工业化”政策的影响，产业应用机会并不多，初创企业也更偏向于服务模式（比如SaaS）。相对而言，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建设效率也更高。而且“全世界最好的材料化学生产基地在东南亚和中国”，AI4S在中国的落地场景更为丰富，有更多的产业落地机会。
2024年6月，深度原理的核心成员从美国回到国内，正式开启创业之旅。
该公司随即得到行业知名投资机构的青睐。2024年，深度原理先是获得近千万美元种子轮融资其中既有线性资本、真知创投和 Taihill Venture 等知名早期投资机构，也有晶泰科技与深势科技等产业投资方随后完成高瓴创投（GL Ventures）和祥峰投资中国基金（Vertex Ventures China）的两轮融资。
和其它先拿财务投资后拿产业投资的公司稍有不同，深度原理先是产业公司有合作，然后再拿了财务投资。在他们的构想中，晶泰科技、深势科技提供的数据、算力及其他AI基础设施将有效协助深度原理的研发工作。“在生态协同方面，晶泰和深势科技一起，形成天然互补，在投资后能更好合作。”
2024年6月，深势科技发布公告称，深度原理将以多个领域，尤其是化学材料为切入点，赋能更多行业，为深势科技主张的开放生态注入新的能量和活力，双方希望推动的技术不是比特世界的Foundation Model，而是原子世界的Foundation Model，这是深势和深度原理怀揣的共同目标和愿景。2025年1月10日，晶泰科技发布公告称，作为深度原理的战略投资方，除资本支持外，亦在技术和商业转化方面进行赋能，共同加速新化学反应和新材料的开发，开辟更广阔的化学空间与创新合成路径，加快新技术和新分子的开发与商业化落地。双方合作打造集新型分子设计、反应路径设计、反应合成优化、高通量自动化工站能力于一体的新一代全链路智能化材料研发平台，有望在更短时间内完成从材料发现、物性预测、配方优化到可控实验的完整闭环流程，打造“更快、更准、更省”的研发新范式。
产业化尝试 给团队打99分
深度原理创立后，公司定义了AI for Chemistry的实现路径与关键挑战，以基于生成式AI技术的扩散模型OA-ReactDiff为核心，聚焦生成式模型（ReactGen）、推荐算法 (Reactify)、控制模型 (ReactControl)、主动学习和贝叶斯工作流程 (ReactBO) 等四大算法模块，为工业客户提供产品化、系统化的“AI+材料”解决方案。微软近期用生成式AI设计周期性材料的算法MatterGen在Nature发表，也说明生成式AI在化学材料的应用正逐渐被大众认可。
一个基础化学反应由反应物、过渡态、生成物三者构成。其中，过渡态对于理解化学反应十分关键，它蕴含化学反应的机理，能被用以估算反应速率和能量，甚至指导高效催化剂等新型材料的设计。
深度原理将最新的生成式模型和密度泛函理论相结合，突破性地提升了对于过渡态计算的速度和精度。在速度方面，以前用传统化学计算方法发现过渡态需要数小时甚至数天；相比传统的密度泛函，扩散生成模型 OA-ReactDiff让计算速度提升了1,000倍，只要数秒就能生成过渡态结构。在精度方面，团队将 AI 决策模型融合进计算流程，搭建“密度泛函推荐器”匹配“化学材料计算方法”，将金属有机配合物的高通量计算的准确度，逼近实验测量的误差精度。
“技术上要足够的强，尤其是方向还在探索和成长期之时。这有助于做合作伙伴筛选。”段辰儒说。
从创立伊始，深度原理就在考虑产业化应用。“贴近产业，在具体场景中做产品迭代，而非拿着锤子找钉子”。
在种种商业路径中，深度原理先以 AI+CRO（通过合同形式为研发过程提供专业化服务）为早期合作模式，先向客户交付早期计算及实验结果。未来，团队或将建设内部管线，生产终端产品出售给客户。目前，深度原理仍处于产品早期研发阶段。段辰儒透露，“2025年的目标是把方法论验证跑通。”
作为青年海归菁英回国创业的代表，段辰儒感受到，回国6个月，“无论个人对国内生活的融入，还是团队搭建的速度和质量，抑或是公司层面在业务和融资等层面，都有超出预期的进展”。
深度原理团队2024年合照
比如，他发现招到好的技术人才变得比较容易。很多青年才俊不强求在大厂工作，而是更青睐处于上升期的创业公司。不过他判断，未来公司不会建立特别大的团队，毕竟很多问题可通过AI编程的迭代来解决，更多的投入将放在算力支持上，比如采购云服务等。
段辰儒最满意的是和现任CEO贾皓钧的合作，他给两人的合作打99分。“行动模式上一致，两人也都客观理性。我们喜欢把信息摆在台面上，把利害关系分析清楚，这样更容易做决策，也几乎没有冲突和分歧。”
最核心的是，他们有共同的愿景：致力于以人工智能技术加速材料化学创新，通过 AI 决策模型和生成式 AI 在化学反应中的应用，颠覆传统“自上而下实验试错”的化学材料发现模式。“用AI决策模型和生成式AI，重塑化学和材料研发的格局。”这就是深度原理的终极愿景。
声明：以上调研结果是商业合作内容，用于调研的部分/全部数据来自合作方和第三方，相关观点及结论均基于以上数据研究得出，不作任何投资指引和参考。
