3月30日，和玉资本（MSA Capital）投资企业深势科技（DP Technology）参与的“OpenLAM 大原子模型计划”被中央电视台新闻频道新闻直播间《人工智能大模型》主题报道版块进行了专门展示。
OpenLAM 大原子模型计划由深度势能核心开发者团队面向 DeepModeling 社区发布，并由北京科学智能研究院、深势科技等协作者们作为共建单位参与其中。这是一项开放式的 AI for Science 领域科学计划，旨在建立开源开放且围绕微尺度大模型的生态，为微观科学研究提供新的基础设施。期待通过业内的共同推进，携手攻克复杂体系原子尺度研究的关键难题，征服整个元素周期表，从而带动材料、能源、生物制药等领域工业微尺度设计的变革。
北京科学智能研究院院长，深势科技创始人兼 CSO 张林峰博士在接受央视采访时表示：我们首先解放的是那些原先不得不用量子力学精度去进行模拟，去发现相应规律的这样一个研究群体。它分布在化学化工、能源、材料等各个领域，它其实是使得我们能够将过去不得不拿超算集中去做的一件事，变成大家日常都能做的事。能够让这样的体系以前只能模拟100个原子，现在模拟一亿个原子。在这个基础上，一个开源开放的平台逐渐地就形成了，它推动的是新的生产工具的形成。三年前的2021年，央视就曾对张林峰博士作为核心成员参与的“机器学习模拟上亿原子”进行了报道，该成果荣获2020高性能计算应用领域最高奖戈登贝尔奖（ACM Gordon Bell Prize），并入选2020年由两院院士评选的中国十大科技进展。三年过去了，作为 OpenLAM 基石的 AI for Science 发生了哪些新进展？AI for Science 及其发展出来的成果为我们的生产生活，科学探索又带来了哪些新变化？
AI for Science
将成为下一个 AI 主战场
现有的科学研究存在两种基本范式，分别是基于大量数据归纳的开普勒范式和基于物理建模演绎的牛顿范式。但随着维数的增加，计算量呈现指数增长的趋势。一方面，数据驱动的路径面临着缺乏数据及数据分析工具的困境，另一方面，从模型驱动角度看，解决实际问题的过程总是陷入精度和速度难以两全的纠结中。中国科学院院士鄂维南认为，“无论从数据驱动的角度，还是从模型驱动的角度，人工智能都有巨大的发展空间。”
近年来，以机器学习，尤其是深度网络神经为代表的 AI 技术发展提供了破局的新思路和新方法。对于大量复杂的高维函数而言，作为特殊函数的深度神经网络可以进行有效拟合逼近，不仅提供了行之有效的数据分析方法，也能对海量数据的高效模拟实现尺度和精度的“两手抓，两手都要硬”。2018年，鄂维南院士在全球首次提出“AI for Science”概念，强调利用 AI 学习科学原理、创造科学模型来解决实际问题，使之成为科学研究的新范式。目前，AI for Science 已得到国内外学界和业界的普遍认可。国际上， Elon Musk 官宣 x.ai，其理念为“建立理解自然规律的人工智能系统 (understand the true nature of the universe)”；前谷歌掌门人 Eric Schmidt 宣布捐出1.48亿美元成立 AI for Science 博后奖学金，已布局9所大学；微软宣布成立专门的 AI4science 部门；英伟达联合 IIT 发布 AI for Science 公开课程；龙头药企赛诺菲宣布 “all-in” AI for (life) science；美国能源部联合5大国家实验室发布 AI for Science, Energy & Security 先进科研课题指引；OECD 面向全球政策制定者发布 AI in Science 的综述与政策建议 ...... 从学界到业界，从产业到政府，全球范围的 AI for Science 角力已然开始。在国内，2023 年科技部会同自然科学基金委启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，布局“人工智能驱动的科学研究”前沿科技研发体系。科技创新2030—“新一代人工智能”重大项目也将 AI for Science 作为人工智能的重要发展方向进行安排。在指南中，部署了“重大科学问题研究的AI范式”任务，面向地球科学、空间科学、化学和材料科学、生物医药科学等领域重大科学问题开展创新研究。同时，面向国际竞争激烈的蛋白质结构预测领域，支持国内优势团队开展科研攻关。在平台支撑方面，科技部正在加快推动公共算力开放创新平台建设，将为 AI for Science 发展打造智能算力基座。事实上，AI for Science 结合机器学习拟合高维函数的强大能力，推动科学研究从单打独斗的“小农作坊”模式走向“安卓模式”的平台科研，直面产业需求，通过规模化和去中心化的测试加速科研和产业的对接，大大提升科研效率和生产力。“要实现安卓模式，需要把科学计算流程抽象化和标准化。”鄂维南院士曾表示，大家共同建设大平台，共享基本的模型、算法、数据库和知识库等基础设施，在此基础上开发各自团队感兴趣的应用，通过“滚雪球效应”加速科研创新和成果应用。AI for Science 极大地拓展了科学和人工智能的边界，将成为 AI 的下一个主战场。
AI for Science
为实体经济的底层研发
带来范式性变革
AI for Science 从科研范式到赋能千行百业，它的意义和价值是几何倍的增加。AI for Science 在落地中主要解决两类问题，达到两个目的。两类问题指物理问题和数据问题。两个目的是拓展认知边界和延伸生产边界。
物理问题就是我们通过求解一个物理模型，可以精准地算出来这个东西未来的现象，把它还原成一个准确的物理机制。物理问题的复杂性在于物理规律都放在那，但是现实世界很复杂，我们想要在复杂状态下求解它底层的物理方程，阻力往往是因为我们算得太慢了，于是我们就用AI去加速物理方程的求解，而目前的主要障碍就是算法。第二个数据问题，有很多问题，我们还不知道它底层的物理机制，所以我们只能收集大量数据（可能是实验数据，也可能是观测数据），从中抽离出更多规律，其实这本质上就是 AI 的一种作用。AI 在复杂数据中的归纳能力更强，可以拟合任意一个复杂方程，对于这种数据问题，AI 可以帮助人类去透过现象看到底层的规律是什么，但是现在还在发展过程中。最后服务于两个目的，第一，帮助我们发现更多新科学，那些我们过去还无法用科学规律来解释的现象，现在在 AI 驱动的物理模型和 AI 驱动的科学数据处理下，真的能发现并解释背后的作用机制；第二，帮助科学落地，我们有一些科学上的新发现，通过我们“AI for Science”的方法。迅速地转化成一个软件产品，甚至是一个新的材料、新的药物，那它就能服务于我们的社会生产，拓宽我们的生产力边界。深势科技正是基于 AI for Science 新范式，解决真问题，真需求的实践者和引领者，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，并以“微尺度工业设计与仿真”为切入点，打造了 Bohrium® 玻尔科研空间站、 Hermite® 药物计算设计平台、RiDYMO® 难成药靶标研发平台及 Piloteye® 电池设计自动化平台等科研和工业研发基础设施，形成了 AI for Science 的“创新 - 落地”链路和开放生态，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。2020年，张林峰博士作为核心成员参与的成果获得2020高性能计算应用领域最高奖戈登贝尔奖（ACM Gordon Bell Prize），并入选2020年由两院院士评选的中国十大科技进展。2021年12月，深势科技推出蛋白质结构预测工具 Uni-Fold，克服了 AlphaFold2 未开源训练代码、硬件支持单一、模型不可商用等局限性。在相同的测试条件下，Uni-Fold 的预测精度与 AlphaFold2 模型接近，速度上有大幅提升。2023年3月，科技部会同自然科学基金委启动“人工智能驱动的科学研究”（AI for Science）专项部署工作，布局“人工智能驱动的科学研究”前沿科技研发体系，深势科技作为行业标杆企业，积极参与前期调研走访，献计献策，并接受新华社、科技日报等主题专访。2023年7月，深势科技与上海算法创新研究院及合作者共同发布 Uni-RNA 核酸大模型，利用约10亿条高质量 RNA 序列进行了大规模的预训练，几乎涵盖了所有 RNA 空间，充分挖掘了 RNA 序列的潜在信息，通过在广泛的下游任务中微调模型，Uni-RNA 在结构预测，mRNA 研发，RNA 功能和进化分析四个领域全部取得了领先结果，更是为未来 RNA 领域研究的深度革新提供了无限可能。2023年8月，深势科技与英伟达达成合作，打造针对制药行业开箱即用的软硬件一体化解决方案（超链）。前期合作中，深科技开发的 Uni-Dock 开源高性能分子对接引擎，在英伟达生态中得到进一步优化，同等精度下比传统方法快数千倍。在2024年 GTC 大会上，英伟达 CEO 在演讲中介绍 BioNeMo 药物研发生成式 AI 平台，其中 Uni-Dock 正是其核心部分之一。2023年12月，深势科技作为共建单位，参与发起 OpenLAM 大原子模型计划，致力于通过建立开源开放的围绕微尺度大模型的生态，为微观科学研究提供新的基础设施，并推动材料、能源、生物制药等领域微尺度工业设计的变革。同期与协作者还发布了 DPA-2 模型，其已覆盖元素超过90种，迁移能力大幅提高，使模型能用更少的数据达到更高的精度，并且在更多来源的大量数据上同时进行了预训练，可以帮助科研人员在众多下游任务中节省90%以上的数据计算成本。2024年1月，依托 AI for Science 打造的 RiDYMO®难成药靶标研发平台，深势科技团队宣布提名一款靶向Kv1.3的口服高选择性小分子抑制剂DPT0218为临床前候选化合物，用于治疗多种免疫性疾病，包括炎症性肠病（Inflammatory Bowel Disease, IBD）和特应性皮炎（Atopic Dermatitis, AD）等。进一步验证了 AI for Science 及其产品化平台的实践应用能力。
AI for Science
从“小作坊”走向平台模式
任何一次科技革命都不是一蹴而就。随着人工智能的快速发展，AI for Science 也逐渐从几年前的星星之火发展到今天的燎原之势。
例如“OpenLAM 大原子模型计划”，就是一项具有划时代意义的计划。它将打开一个全新的科学研究范式，不仅让更多科研人员可以用更低成本、更低门槛来模拟任意多种原子组合在一起后发生的效应，创造出新材料，发现新规律。同时也推动了一种新的研究模式，让全球科研人员互动，打破“课题组孤岛”，每个人都可以参与到这个宏伟的计划中，形成智慧聚力。目前“科学智能广场”已经作为“大原子模型计划”的一个重要共创和交流阵地，作为数据、模型、工作流的集散地，推动共建微观世界的基础设施。科研人员可以上传自己的数据加入 OpenLAM 计划模型训练中来，也可以下载平台上的预训练模型针对自己的体系进行微调优化部署、使用具体场景中的自动化工作流，加速解决科研场景中的具体问题。同时可共享数据、模型，进行成果展示，通过首页看板直观感受到自己的贡献价值，也可看到目前共建的成果。科研人员通过参与平台上的项目或竞赛，与其他优秀的科研人员合作或竞争，提升个人影响力，甚至可以牵头发起共创项目。科学研究是人类探索自然规律的重要途径，虽然在不同学科领域之间有极大的差异，但在科研过程中仍然存在很多共性。构筑 AI for Science 时代的科研基础设施，向“平台科研”模式转变，为解决这些共性问题提供了土壤，可以在很大程度上减少重复建设、降低研究成本，提高效率，全面赋能整个科学研究。预期“大原子模型计划”将实现面向研究目标的原子尺度通用生成与规划能力，未来结合实验表征和知识库等基础设施，以期实现原子尺度智能化合成设计，推动走向科学发现的“大原子具身智能”。同时该计划的实施，预计将带动一批 AI for Science 模型与算法的基础设施建设，加快一批工业软件与应用的落地，促进一批跨学科的协同创新。OpenLAM 计划就是希望未来研究人员可以一键获取任意元素组合体系的势能函数，极大地简化获取精确模型的过程，不再需要生成大量新的第一性原理计算数据，以及进一步拥有结构搜索、结构生成，以及跨尺度、跨模态等能力。此外，由北京科学智能研究院、深势科技主导的全球化开源社区 DeepModeling，集成机器学习和物理模型相结合的科学计算方法、模型、基础设施，吸引了一批国内外的科研人员。目前，此平台上活跃着超过2万名来自世界各地青年学者和科学家，属于 AI for Science 的开放生态正在被有效的构建和发展。站在科技革命的时代机遇面前，AI for Science 呼唤各行各业的人们打破壁垒，凝聚共识，拥抱人工智能时代的新变化和新机遇。面向未来，AI for Science 还有巨大的想象空间待开发，帮助我们加快走完从科学研究到产业创新的“最后一公里”。
和玉资本（MSA Capital）是一家深耕中国、放眼全球并投资全球的国际私募股权投资机构，专注医疗健康、核心科技、互联网及消费等重点领域的早期和成长期投资。总部位于北京、新加坡，并在美国、中东北非等地均设有常驻团队。凭借广阔的全球视野和深刻的国际市场洞察，团队在发掘优秀投资机会的同时，能够基于当地资源帮助被投企业迅速拓展国际市场。和玉资本曾荣获母基金研究中心「2023早期基金最佳回报TOP11」、「2023 最佳医疗健康领域投资机构TOP30」、投中网「投中2022年度中国最佳外资创业投资机构TOP50」、Private Equity International (PEI)「2021年度中国最佳私募股权机构」及「2021年度亚洲最佳退出」等系列国内外行业权威奖项。
目前，和玉资本（MSA Capital）管理规模数十亿美元，投资案例包括医渡科技(2158.HK)、蔚来(NYSE:NIO, 9866.HK, SGX:NIO)、BOSS直聘(NASDAQ:BZ)、美团点评(3690.HK)、Uber(NYSE:UBER)、Airbnb(NASDAQ:ABNB)、Nubank(NYSE:NU)、智云健康(9955.HK)、炎明生物、维泰瑞隆、星环聚能、黑芝麻智能、深势科技、视比特机器人、飞步科技、票易通、东方空间、Cider、Tabby、 Kitopi、Zid和优时颜等。
