本期播客,我对话一位硬科技投资人,聊聊AI重塑科研范式的大变革下如何投资科学家
1. 中美科研资助范式的“相向而行”
美国从自由探索转向“大工程”与里程碑导向:美国科研体系正在探索设立独立的科研机构(如近 3 亿美元的 XLab 或 Genesis 计划),强调赋予科学家/领头人高度自主权而非附属于传统大学。资助模式也从纯粹的自由探索转向里程碑导向(Milestone-based)及转化视角,吸收了类似“阿波罗计划”的大工程协作模式。
中国在补充自由探索与多元资助生态:中国过去擅长集中力量办大工程,目前正在鼓励更多“0到1”的基础原创探索。同时,产业界也在探索通过母基金、公益基金及社会资本补充官方科研经费,为年轻科研人员创造自由探索的土壤。
2. 硬科技投资范式:从“押注技术”转向“押注科学家与创业者”
技术路线迭代过快,核心在“人”:在大模型和具身智能技术隔两个月就大幅更新的当下,单一技术路径极易失效。因此,硬科技投资的第一性原理是找寻最具能力的创业者与科学家。
科学家创业的成功路径:最理想的状态是科学家自身具备 All-in 的创业决心;另一种高效模式则是“科学家+专业 CEO”组合,通过合理的股权架构与明确分工来实现成果落地。
3. AI for Science:打破学科壁垒与“科研工业革命”
短期冲击与长远重构:大模型对理论数学、理论物理等纯基础理论学科带来了短期震撼。但长远来看,AI 无法完全替代人类在原创灵感、实验验证与决策判断上的独特定位,人机终将达成动态平衡。
消弭 400 年的学科分化壁垒:从牛顿时代起,科学分工日益细碎,导致跨学科门槛极高。AI 的引入极大降低了知识获取的门槛,消除了学科隔阂,让科研重新回归“通识”状态,引发了一场“科研工业革命”。
数据安全与开源模型的契机:美国闭源模型虽强,但在处理敏感科研数据和推演验证时存在隐私与数据安全风险。这给基于开源模型进行微调与 Post-training(后训练)的方案创造了广阔的市场空间。
4. 成果转化是“起点”而非“终点”
研发到转化的周期大幅缩短:在 AI 和风险资本的推动下,技术从实验室研究走向商业转化的周期正在显著缩短。
市场资金与公司化组织的优势:在许多前沿硬科技领域,风险投资和市场资金的规模已超越传统国家科研拨款。相比传统学术院系,公司化的组织形式在应对复杂工程项目时具备更高的执行效率。
跨界者(Outsider)重塑科研生态:投资人、企业与公益资本正充当“跨界者”角色,打破学界与产业界之间的藩篱,让市场成为检验科研想法的新平台。
