15
0【本期介绍】
塑料真正棘手的地方，不只是难以降解，而是它在完成使用使命之后，很难以足够低的成本回到生产系统。混入新料回收会损失性能，直接降解又意味着材料价值被一次性消耗。能做到闭环的技术不够便宜，足够便宜的技术又做不到闭环。
赋澈生物试图换一种解法：让微生物制造一组可以被设计的小分子，再把它们做成高性能材料。材料使用后，可以在相对温和的条件下拆回原始分子并重新制造，反复循环时尽量不牺牲性能。
这项技术始于2019年的加州大学伯克利分校。由合成生物学家杰·基斯林领衔的团队，将生物制造、材料学、计算预测和技术经济分析放进同一个研发框架。王子龙负责的项目，后来发表于《自然·生物技术》。团队也把一套长期受制于低产量的“可编程合成酶”，推进到了具备工业化可能性的阶段。
但从论文走向工厂，中间横着另一道“死亡谷”：实验室里可以生产，不代表几万升的发酵系统仍能稳定运行；材料性能成立，也不代表客户愿意更换设备和供应链。赋澈选择的第一批场景，不是用新材料替代所有塑料，而是进入已经存在回收链条、拆解成本又足够高的行业，让材料先解决一笔算得过账的生意。
AI在这里也不是单独售卖的概念。赋澈用聚焦具体问题的小模型预测材料性能，当前研发候选分子均由AI提供方向；生产和实验又不断生成连续、可追溯的真实数据，反过来训练下一轮模型。比模型更稀缺的，是能够持续制造高质量实验数据的能力。
这期节目，我们和赋澈生物创始人、CEO王子龙聊了聊：为什么“可降解”仍不是塑料问题的终点？一套二十多年前便已出现的酶，如何跨过工业化门槛？AI究竟改变了材料研发的哪一步？一家科研创业公司，又该如何在长期技术理想与第一笔商业收入之间分配资源？
【本期嘉宾】
王子龙 赋澈生物创始人、CEO
【本期主播】
陈伊凡 虎嗅科技主笔、「AI 100」栏目主持人
【你将听到】
03:21 赋澈在做什么：教微生物制造可设计、可循环的材料
09:02 为什么“可降解”不是终点，塑料必须回到生产系统？
19:18 AI for Science最稀缺的资产，不是模型而是数据生成能力
42:16 从实验室到工厂：生物制造公司的“死亡谷”
53:20 新材料为什么不能直接替代现有塑料？
01:34:11 第一份订单可以不盈利，但必须验证商业闭环
01:37:45 从电子产品拆解切入：先回收价值更高的零部件
01:47:22 如果赋澈失败，最大的风险为什么不是技术？
01:59:01 为什么研发留在美国，生产制造必须重视中国？
02:01:39 让回收不再只靠“高尚道德”，而是让每个环节都有利可图
【关于我们】
欢迎订阅虎嗅「AI 100」栏目。我们将围绕AI原生创新，分享垂直领域里的创新产品、创始人和操盘者的AI思考与行动、AI落地千行百业的know-how，以及正在通过AI产生实际收益和价值的创新案例。
