蚂蚁首涉AI for Science赛道，押注两位MIT博士创立的深度原理
“我们无需再追问AI能为科学贡献什么，而是要思考当科学被AI驱动时，它将蜕变成何种模样。”2025年诺贝尔化学奖得主、加州大学伯克利分校教授奥马尔·M·亚吉（Omar M. Yaghi）在获奖后的首次公开演讲中如此说道。
这位出身约旦裔难民家庭、被誉为“MOF之父”的顶尖科学家，并未在演讲中回顾因发明金属有机框架（MOF）和共价有机框架（COF）而获奖的科研经历，反而首次系统阐述了“让化学拥有思考、推理与自我演化能力”的全新科研框架。
这种将科学从“人工设计”推向“自主智能”的理念，与近年兴起的AI for Science（科学智能，简称AI4S）的核心价值高度一致。AI4S即借助人工智能加速科学研究全流程，2024年诺贝尔化学奖已授予该领域代表人物。如今，AI4S已从实验室概念发展为产业热点，进入资本市场视野。
杭州的深度原理近期宣布完成超1亿元人民币融资，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，这也是蚂蚁集团在AI for Science领域的首次出手。
MIT博士领衔创业团队
AI4S并非单一产品或传统学科，而是跨领域的新范式，在数学、化学、材料科学、物理、生命科学及气候科学等领域均有应用。
此类项目要求团队兼具科研洞察力、工程化能力与跨领域整合能力，对创始团队门槛极高。创业者多来自顶尖科研体系，是“科学家型创始人”，既懂学科前沿，又能将科研方法工程化、规模化。
深度原理正是典型案例，其名称彰显技术愿景：通过深度学习与第一性原理结合，重新解析微观粒子运行规律。
公司由两位麻省理工学院（MIT）化学领域博士创办：CEO贾皓钧与CTO段辰儒均毕业于MIT化学相关专业。核心成员来自MIT、斯坦福、浙大、上交、复旦等顶尖高校，拥有微软、Meta、陶氏化学、巴斯夫、京东、腾讯等头部机构的科研与产业经验。
CEO贾皓钧获MIT物理化学博士学位，曾在陶氏化学核心研发部门研究新材料与催化剂，后将AI与量子化学、高通量实验技术结合，试图重塑化学材料研发流程。
CTO段辰儒同样是MIT化学博士，论文引用超3000次，曾任Azure Quantum研究科学家，牵头开发化学设计AI生成算法，在量子计算、分子生成模型等方向的经验为公司构筑技术壁垒。
2024年成立的深度原理聚焦材料科学，定位为AI for Chemistry/Materials科技创新公司，融合AI、量子化学与高通量实验，加速材料创新全流程。
成立不到一年，深度原理凭借自研算法与产品化能力实现从0到1的突破。针对AI在材料领域的算法精度不足、效率低、难算真实化学反应等瓶颈，自研Reactive AI平台，突破现有算法在材料化学模拟的能力边界。
成立一年斩获超千万商单
材料化学中，反应路径、过渡态结构、能量变化等底层要素是研究卡点，决定反应速率与产物选择性，需精确观测结构变化并计算环境数据。
以往科研常“一步到位”直接给出分子结构，导致模型不知结果是否符合化学规律，也无法描述真实反应的连续微妙变化。
扩散生成模型diffusion最初用于图像处理，因图像数学结构清晰，在理解科学结构、模拟实验数据上更具优势。
深度原理首创OA-ReactDiff、React-OT系列扩散生成模型，不直接生成结果，而是逐步还原结构逼近真实分布，更贴合化学材料演化路径。
该模型用于材料过渡态预测，传统软件需几天甚至几周，而OA-ReactDiff首次实现单GPU6秒完成过渡态结构预测，迭代版React-OT进一步压缩至0.4秒，误差降低超25%，将实验室耗时步骤加速数千倍，让科学家聚焦理解与创新。
深度原理开发的ReactiveAI平台及其六大模块
科学研究除实验外还需提出假设、设计方法，大语言模型在此发挥作用。
深度原理主导研发的LLM-EO语言模型，科研人员用自然语言提出需求，模型就能生成分子候选并筛选高潜力结构，相关成果以封面论文发表于《Journal of the American Chemical Society》。
科研工具复杂，部分工程师和科研人员无编程背景，习惯用Excel而非写代码，需“中介”调动工具、完成虚拟实验并给出结果建议。
基于此，深度原理构建“一横一纵”产品体系：横向是打通研发链路的Agent Mira，纵向是连接模型与物理实验室的AI Materials Factory。工程师只需明确需求，系统就能自动规划步骤、调用算法，在自动化实验平台完成验证，实现从模型到材料的闭环。
借助这套体系，过去团队一年可能做几十个重要反应，现在可做几万甚至几十万。
目前深度原理客户覆盖营养日化、新材料、新能源等领域，头部客户包括杉海创新、欧莱雅、晶泰科技等，成立约一年已获超千万元商业订单。
将主战场定位于中国
2024年，谷歌DeepMind CEO德米斯·哈萨比斯因蛋白质结构预测获诺贝尔化学奖，他曾表示：“通过AI，我们一年内完成了相当于10亿年的博士研究工作量。”
图为谷歌DeepMind CEO德米斯·哈萨比斯（Demis Hassabis）
这并非夸张，以助他获奖的AlphaFold为例，诺贝尔奖官网介绍其解决了50年难题，能预测约两亿种已知蛋白质结构，全球超200万人使用；此前国际蛋白质结构预测竞赛准确率最高仅40%，AlphaFold将其提升至60%。
AI介入科学研发最早的赛道是AIDD（AI药物研发），材料领域更是创新蓝海，美国资本市场已开始布局。
2025年9月，化学AI模型初创公司CuspAI完成约1亿美元A轮融资，由NEA和淡马锡领投，英伟达、三星风投、现代汽车集团等入局；同期，前OpenAI和DeepMind人员创立的Periodic Labs获3亿美元融资，由a16z主导，OpenAI有望参与，估值达15亿美元，两家公司均致力于AI加速材料发现设计。
在中国，深度原理自成立以来完成数亿元融资，投资方包括线性资本、祥峰投资、高瓴创投、联想创投、百度风投等顶尖机构，蚂蚁此次是首次投资AI4S赛道。
贾皓钧在访谈中提到，项目最初从MIT孵化，2022年萌生想法并获MIT社区支持，但最终决定将主战场放在中国。
他认为中国制造全球最强且会持续增强，前端做好科学发现与技术转化，叠加后端工业能力和中国及周边东南亚、中东、非洲的巨大市场，是自然的选择。
AI for Science本质是用AI实现新科学发现，最终需走向工业应用，如材料、能源、化工等领域的生产投产，因此将主战场放在国内顺理成章。
本文来自微信公众号“东四十条资本”（ID：DsstCapital），作者：韦香惠，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com