快问快答0:00
Hi 我是 Koji。 那本周十字路口的嘉宾呢是开物纪的创始人陆子恒 。
哎 Koji 好 。
嗯 。 开物纪呢是在做 AI for science 这个领域里面的 AI for material 就是 for 材料 。 简单来说呢就是用 AI 去发现并且验证新材料 ， 同时让这个新材料从实验室走向可量产可商用 。 那他们刚完成了一轮数亿元的天使加轮的融资 ， 那背后的基金的阵容呢也非常厉害啊 ， 包括呃 Monolith、 光合创投 、 集富亚洲 、 高瓴 、IDG、 蓝驰 、BV、L2F、 光源等等 。 你好子恒 ， 欢迎来
到 《 十字路口 》。
哎你好 ，Koji 你好 。
嗯 。
哎 。
好那我们还是从 《 十字路口 》 的这个老传统啊 —
对 。
快问快答开始帮大家更快地了解你 。
好 。
那请问子恒你的年龄 。
三十四 。
毕业院校 。
呃本科是南京理工大学 ， 博士是香港科技大学 。
你的 MBTI 和星座呢 ？
MBTI 我知道我是 E 人 —
嗯 。
星座我是摩羯座 。
一句话介绍一下开物纪和你们在做的事情 。
嗯开物纪我们是希望用 AI 发现那些能够改变人类命运的新的材料 。
嗯 。
那我们是 scale AI 模型以及做材料的发现 、 量产 、 商业化 。
咱们目前的收入和利润有了吗 ？
没有 。 零收入 。
那咱们目前团队的规模呢 ？
十个人左右 。
咱们成立多久了 ？
呃去年九月份注册的 。
介绍一下创业前在做什么 。
对创业之前呢是在呃微软呃 MSR 就是做 AI for science 这个方向 。 同时呢咱们有几个国家人工智能学院啊去成立了 ， 我也深度参与了其中咱们北京中关村学院 ， 特别是物质方向的建设 。 那现在还有一个身份呢 ， 是这个就是北京中关村学院的首席材料科学家 ， 以及这个物质方向的负责人 。
厉害 。
带一下学生 。
嗯 。 然后子恒你们这一轮的这个融资的金额非常大啊 ， 这个消息一放出来 ， 就是很多人都觉得哇厉害 ， 太牛了 。 呃然后你觉得大家在投你们的时候是在投什么 ？
这是特别好的一个问题啊 。 其实我觉得大家投这个领域更多的是看到 ， 呃可能到了这样一个时间节点 ， 过去几年模型上有一个比较大的一个能力的提升 ， 以至于可能在未来几年有可能真的会诞生出那改变人类文明这种材料是我们的理想 ， 那更多的可能是有可能发现那种能够把一个行业往前拉一大步 ， 把一个产业往前做
一大步那些材料 ， 我觉得这个是可能很多人投资的一个底层逻辑 。
嗯 。
当然了 ， 也有人说是投团队 ， 那我也认 。
哎说到这里可不可以稍微展开一下 。
材料与AI2:44
对 。
就给大家讲一讲 ， 就当我们说到用 AI 去发明材料的时候 ， 到底在发明什么 ？ 尤其是给完全不了解材料这个行业的人介绍一下 。
这也是一个非常好的问题啊 。 其实呃 fundamentally 来说呢 ， 材料是什么 ？ 大家回归到第一性原理 ， 材料就是一堆原子 ， 一张白纸上放原子 。 那我来说我们在干什么 ？ 实际上最本质上我有一张白纸 ， 我往上面放原子 ， 放完以后就是一个材料 ， 但是有很高的要求啊 ， 这放出来的这个结构所谓的材料 ， 第一 ， 它能量不能太高 ， 它要能被
合成 ， 要不然都是假的 。 第二 ， 它还有我要的那些基础的性质 ， 然后以及后面能把它给做出来以后能商业化 。
嗯 。
那 fundamentally 就是放原子的一个游戏 。
嗯 。
This game。
嗯 。 然后我们知道这个材料做出来它会成为某种材料 IP， 对吧 ？
对 。
呃可不可以讲一讲 ， 比如说历史上啊 ， 就是据你所知 —
嗯 。
最赚钱的材料 IP 是什么 ？ 它是大众知道的吗 ？
我举几个例子啊 。
OK。
比如说早一点的 ， 咱们做这个硅 。
嗯 。
单晶硅 ， 现在整个 AI 啊 、 电脑什么玩意儿都是那一个单晶的材料出来 ， 你说这个材料值多少钱 ？ 晶圆本身是很值钱的 。
就甚至硅谷都跟着硅姓 。
Silicon Valley 嘛 ， 对吧 ？
对 。
那更近一点的 ，2011 年几个日本科学家发现了一个材料 ， 叫什么呢 ？ 锂钇磷硫四个元素组成的一个材料 。
OK。
这个材料有一个特别 unique 的性质 ， 它是一个粉末 ， 但是如果你把它压成一个片 ， 它质地跟什么像呢 ？ 跟这桌子有点像 。
OK。
比较硬的一个东西 。
嗯 。
但是你很难想象啊 ， 那个锂离子在里面穿梭的那个速度啊 ， 和在那个水里面穿梭的速度差不多 。 什么意思呢 ？ 你想我要穿过一个固体的墙很难 ， 但我水里游泳很简单 ， 所以这个性质非常 unique。 这一个材料品类 ， 就这一个材料 ， 把整个现在的固态电池这个产业带起来了 。
哦 Wow。 那 —
对 。
在这个过程当中 ， 比如说它能够吃到多少商业价值的 ？
这是特别好的问题 。 目前啊像固态电池它本身没有商业化走到底 ， 但是可能你在 BOM 物料里 ， 它可能占的比例相对来还是比较大的 。 如果说到去年的这个时间节点 ， 它一吨可能卖个七八十万 ， 对 ， 还是比较贵的 。
那发明这个材料的科学家 ， 他在里面要怎么分成呢 ？
好问题 。
这是一个商业模式 。
也是我 ， 也是我们特别关心的 。 就是在那个时间节点上 ， 这几个科学家呢是 ...... 呃 ...... 他们当时都应该是东京工大 ， 然后这几个科学家呢 ， 呃 ......
基本上是被咱们的东田这个公司给养起来了 ， 最早也是他们做了一些资助 ， 所以至少他们研究是 free 了 。 个人我想应该也是自由了 。
我们现在在要用 AI 去找类似这样的新的材料嘛 ， 对吧 ？ 就历史上大家可能都是用别的方法找到的 。
对 。
那到目前为止有没有一些例子 ， 有没有一些成功的案例已经发生了 ， 就 AI 找到了某种新材料 。
AI 找到的材料是有的 。 我们过去在几年里 ， 其实 ...... 呃 ...... 因为在微软嘛 ， 也做一些 fundamental research， 我们也是找到了一些材料 ， 有一些是被别人验证的 ， 比如说咱们做散热里面的有一些晶体材料 。
嗯 。
有一些是我们自己验证的 。 但是呢目前看到的是这类用 AI 发现的新材料科学意义很重 ， 但可能它还没有到那种能引起行业变革那么大的商业价值 。 那反而在这家公司它有意义的 ， 有 —— 特别有意思的是两个点啊 。
嗯 。
第一个点呢 ， 就是 ， 哎我们做的是非常前沿的大规模的 AI 的 research， 以及材料 fundamental science research，research 很前沿 。 第二个呢 ， 这个商业模式其实没有人做过 ， 所以我们也在摸索这样的商业模式 ， 我们在寻找那一类能够带来巨大商业价值的原始的 IP。
这个我蛮意外的 。 原来这些去发现新材料的人都其实是某种科研机构是吗 ？ 就没有一个专门的商业组织说我们的使命是发现新材料 。
呃 ， 据我所知 ， 可能如果是单纯这个使命 ， 可能我不是那么 aware。 就是你如果看材料研发其实分两段 。
嗯 。
第一段呢 ， 是我们经常讲的 ， 就是我们讲的原始的化合物或者原始 IP 的发现 。
嗯 。
就是那个物质 。 那第二段呢 ， 是这个物质它的工艺 、 放量 ， 呃后面就是它卖钱了 ， 对吧 ？
是 。
好 ， 那你发现过去绝大部分的商业化的公司 ， 它在第二段其实是非常非常强的 。 那在第一段呢也做 ， 像陶氏巴斯夫它做一些有机 ， 但是呢 ， 好像完全 focus 这种特别新的原始 IP 的好像比较少 ， 绝大部分发生在高校研究所 。 而且你会发现一个特别有意思的啊 ， 这些重磅的 IP 往往发生在那么几个人身上 ， 一个人做好几个 ， 别人
都做不出来 。
哦 。
对 ， 比如说啊 Goodenough。
OK。
锂电里面主材没有多少个 ， 但 Goodenough 一个人他应该做了四个还是五个 ， 而且都非常不一样的材料 。 我也不知道他为什么这么聪明 。
嗯 。
这也是我们尝试试图改变的事情 。 就 ， 就我不那么聪明 ， 但是我要 AI 这么聪明 。
就培养一堆这样的 Goodenough。
僭越了 。 对 。
主攻方向8:10
你们在这个开始做 —— 呃 ， 开物纪之后 ， 你们有一些主攻的方向吗 ？ 比如说你有没有去 bet 未来十年最有可能改变人类生活的材料 ， 它会出现在什么方向 ？ 比如说是电池 ， 是 -
嗯 。
散热 ， 是 PCB 还是什么别的东西 。
对 ， 这是特别好的一个问题 ， 就是 ， 呃 ， 这也涉及到两个 domain 吧 。 一个是商业化上什么东西能挣钱 ， 以及我什么东西能导入进去 ， 就是别人真的愿意买我的材料 ， 不单纯是一个科学问题 。
对 。
第二个是有一些材料可能它短时间不挣钱 ， 但是呢它可能会改变整个人类文明 。 这两类都是我们的 target。 就简单说一类是我要发财 。
嗯 。
另一类呢 ， 是我要 show muscle， 我要向世界证明这个事情我们能行 ， 以及世界要变化了 。 那这两类分别我们会看一些 ， 第一类我稍微说得虚一点 ， 因为这能挣钱是肯定不能告诉你 ， 对吧 ， 对吧 ？ 但也实话说 ， 就我们自己也看得没有那么的细 ， 有一些下了 。 第一就您说的整个能源方向 ， 你看啊 ，AI 它 fundamental 驱动它的其实就是能源 ， 最后
拼的是能源 。
对 。
那这里面一定有机会 。 当那种理想型梦想型的材料 ， 比如说超导 ， exactly 和这个相关 ， 以及我们的核聚变的第一壁材料 ， 那这一类就是非常非常相关 。 它一方面可能有一点商业价值 ， 同时呢它更多的也是代表就是人类最先进 、 最高端的文明的这类的材料 ， 我们都会去看 。 对 ， 那刚刚讲了那个就是能源一定会看的 。 然后第二
个呢 ， 就是咱们在这个苏溪塘这附近有很多 ， 呃 ， 就是化工 ， 呃 ， 很多这一类胶水 。
哦 。
听起来很坨 ， 对吧 ？
嗯 。
但不是的 。 那个咱们的那个远洋货轮里面那种大的球形的那个装甲烷加装天然气高压的那个船里面 ， 特别低的温度 ， 特别高的压力 ， 里面要刷一层胶水 ， 那个东西附加值极高 ， 也是被卡脖子的 。 我只是举例子 ， 不是说我要做啊 。
嗯 。
这类呢 ， 也是我们 ， 呃 ， 看的类别 ， 就这一类 ， 就是 ， 呃 ， 附加值比较高 ， 然后同时有比较大的技术的 bottleneck 的东西 。
嗯 。 哎 ， 原来比如说这样的材料 ， 它因为商业价值很大嘛 ， 所以它肯定会吸引很多人去创业或去研究它 。
对 。
那在过去就这些人 ， 他们是比如说一个材料公司做很多不同的跨品类 ， 还是说我就是专门去做胶水 ， 或者专门去做能源中的某一种材料 ， 是专项公司 ， 还是说什么样的平台型公司 ？
如果你追溯到每一个不管是大的材料公司 ， 现在的巨无霸们 ， 以及新出来的这些挣钱的公司 ， 它第一天成立的时候基本上是一个单品 。
嗯 。
那比如说咱们做 polyimide， 这个聚酰亚胺 ， 对吧 ？ 杜邦这几家做的 。 然后 ， 呃 ， 尼龙 66， 这个我不太记得是巴斯夫还是哪一家了 ， 还是 Dow， 反正 whatever， 就是当年是靠一个品类做出来的 。
嗯 。
那后面它可能会慢慢地演进成我有资本优势了 ， 我可以变有很多个品类 。
其实我之前在这个做躺倒的时候 ， 因为我们是一个这个睡眠环境品牌嘛 ， 所以要做床垫啊 、 枕头啊 、 被子啊 ， 就这个开始了解了一些材料 。
对 。
那个时候我才发现小时候老听大人说的这个的确良 ， 它其实是叫 Dacron 这个名字啊 。
嗯 。
它是杜邦的一个材料 。
对啊 。
它是一个这个聚酯纤维的一个涤纶 。
对 。
是吧 ？ 然后这个材料也是帮杜邦赚了很多钱的 。
对 。
嗯 。
就这一类的 ， 就是刚刚说的当年就是一个大单品 ， 就突然就爆了 。 那这一类也就是 exactly 我们想做的这类单品 ， 当然希望能做得成啦 。
商业模式11:46
那你会用一种什么方式来比喻自己的公司吗 ？ 我不确定有没有啊 。
嗯 。
但我在想 ， 比如说你会比喻自己是材料界的一个药厂 ， 还是你是什么材料界的台积电 ， 或者材料界的什么 AWS， 或者材料界的字节跳动 ， 你会有这样的类比来帮这个 -
嗯 。
比如说市场了解你们 ， 员工了解你们 ， 有这样的吗 ？
我们出来的时候就一直觉得有一家基金我们特别有兴趣 ， 叫什么呢 ？Flagship Pioneering。
哦它是做什么的 ？
主要是孵化药物管线的 。 一个药物管线就是做一个药 ， 从最后 —— 最前面的这个 lead compound 一直做 - 做 - 做 - 做到临床最后然后卖这个药 。 最后做成的这个管线大部分死掉了 ， 做成的那些管线其实不再是一个药了 ， 变成公司了 ， 而且是顶天立地的公司 。 有一个大家一定知道 ：Moderna。
哦 ， 哇哦 。
Black Sheep 它在药里面能做 ， 我们在材料里面有没有可能做成这样一个东西 ？ 我下面的几个顶天立地的 ， 那当然这是理想啊 。
嗯 。
也是这样的东西才能够真的去对付到大家对这个行业这么高的一个期待 。 我觉得是有难度的 ， 但是确实值得去做这个事 。
嗯 。
对 。
诶那如果要成为这样的公司 ， 你们交付出去的这个到底是什么呢 ？ 是材料的专利 ， 还是一套研发的管线 ， 还是 ， 是什么 ？ 这个目前有一些设想吗 ？ 还是一边走一边看 ？
嗯 ， 首先是我觉得 “ 一边走一边看 ” 这句话是对的 ， 应该更能描述我们的状态 。 就是目前我们的认知上呢 ， 可能更多的是真的希望自己能从头走到尾 ， 至少走成一个吧 。 就是 ......
呃 ...... 做工具 、 做模型这个事儿 ， 就像你有一把能够挖出金子的铲子 。 那第一 ， 如果真的能挖出金子 ， 我肯定不会去把这个铲子先给别人用 ， 我先挖着 ， 对吧 ？ 然后第二个点上呢 ， 我觉得这个行业特别需要的是一个 ， 一个从头打到尾打穿那个范例 ， 让大家认识到这个东西有用 ， 才有可能的去做一个所谓的平台企业 ， 去轻
资产地做 。 所以在这个点上 ， 呃 ...... 可能我们目前啊 ， 可能会 prefer， 就是某个节点我可能或者一部分人要去当厂长 ， 这事可能是需要的 。 对 ， 就卖材料 。
我们再说回来哈 ——
技术信心14:10
哎 。
...... 就是你发现这个创业机会的时候 ， 看到了什么样的信号 ？
其实过去两三年我们在大部分时间是研发我们的模型的 ， 但在过程中我们也尝试了用这个模型去做一些所谓的这个材料的设计 。 其实我们 —— 我自己本身不是特别信只做虚拟筛选 ， 我必须得看到 ， 拿到这个东西我才信 。 所以我们有两三个材料还是真的做到能拿到手上这个状态 。 也是这样的东西 ， 我觉得 trigger 了我们 ， 我们感
受到模型能力好像也似乎啊 ， 有一个大的变化 ，trigger 我们出来做这个事儿 。
现在全世界范围内有多少人在做这样的事情 ？
最近这几个月开始慢慢地多起来了 。 比如说在海外大家可能也看到了那个 Periodic Labs。
嗯 。
再比如说咱们的 Project Prometheus， 那个 “ 普罗米修斯 ”， 就贝佐斯做的一家公司 。
嗯 。
那个老 Max，Max Welling 做的这个 Cusp AI， 这几个海外的 ， 然后还有 Orbital Materials， 几个都是海外的 。 那国内的咱们的 ......
呃 ...... 生成原理 ， 还有比如说再早一点的绅士科技 。
你当时提到说你们是看到了模型的一种可能性 。
对 ， 可能 。
你还记得具体是看到了什么吗 ？
呃 ...... 其实 ...... 嗯 ...... 有一个非常好玩的一个 trigger 呢 ， 当时是我们的一个同事 ， 某一个做凝聚态物理我觉得我非常 respect 的一个同事 。
嗯 。
然后呢 ， 当时有个模型叫 MatterSim， 这个反正已经公开了 ， 公开信息可以说 。 最早做的时候我们想干一个什么事儿呢 ？ 想做一个普适的能在基本上所有的材料品类里 ， 根据原子结构去把它基本的物化性质 ， 可能主要是热力学有些性质给 zero-shot infer 出来的一个模型 。 这个事情就有一点像什么呢 ？ 就是像预测万物 。 当时这位同事就说了一
句话 ， 就最早那还没做的时候 ， 他说 ：“ 别说什么 ， 什么预测万物了 ， 你就把一个最简单的一个物理性质 ， 就是叫 phonon， 声子 ， 就是原子在晶体里面的振动的这个模式给预测出来 。 换句话 ， 这个是一个大学物理的概念 ， 这个东西如果换到高中物理里面 ， 或者物理化学里面 ， 它是什么呢 ？ 就是比热容 。
嗯 。
你把一个材料的比热容用这个模型给预测得很准 ， 他都不信 。 其实我自己心里也打鼓 ， 我也不知道信不信 。
嗯 。
因为我要用一个模型 zero-shot 的任意的一个材料 ， 把它做得还可以 。 这个就要去模型有非常强的泛化性 。 我们一开始都不信 ， 但是呢 ， 就是 ， 就大家就闷着头先做一做 ， 做的时候还你指责我 ， 我指责你 ， 这玩意到底 worth not worth 花这么多功夫去 scale 这个模型 。 但是有一次 ， 有一天呢 ， 我们就去测了一下 ， 就是随手测一测 ， 吃个饭测一
测 。
嗯 。
测完以后大家就可能状态就不一样了 。
那是哪一年的时候 ？ 哪一个月 ？
二三 、 二四年 。 那个时候再喊回来看看 ， 一看 ， 笑笑 ， 哎 ， 是不太一样的 。 就是它那个时候的能力 ， 就是真的是超过了当时基本上所有专门针对这个 domain 去训的模型 。 我们没有针对这个性质去训过模型 ， 也没有针对某一类材料体系去训过这个模型 。 就之前也有人做各种各样的模型去 capture 这个事儿 ， 但 somehow 好像有一天突然就能
力开始跨过一个坎了 。 这个是对我们一个比较大的 trigger。GPT-3.5 它给我们的一个 hint 是 ...... 呃 ...... 通过 scaling 能确实把这个模型的泛化性给做得很好 ， 那你在材料领域里面其实要的也是这个泛化性 。 那我们能不能通过类似 scale 模型数据的方法把这个泛化性做得很好 ？
嗯 。
那就是纠结这一点 ， 不知道信不信啊 。 那个时间节点我觉得大家 ...... 呃 ...... 没有明面上说 ， 但是心里还是觉得比较震撼的 。
嗯 。 为什么没有在明面上说呢 ？
都是一帮非常 decent 的比较闷骚的科学家 。
然后你们在 05 年的时候 ， 就去年发了一篇 Nature 是吧 ？ 那个是不是也在讲 ...... 呃 ......scaling law 在材料模型里面的意义 ？
啊 ， 对 ， 我觉得这可能是不是某一些上面是稍微有点误传的 。Anyways， 就是那个其实是 ...... 嗯 ...... 我们比较早的真的就用生成模型去做材料 、 化学 、 药品的物质的生成 ， 不是一个新鲜事儿 ， 之前做了挺多年了 。
嗯 。
比如说咱们谢天同学做的这个 CDVE， 做了挺早 ， 以前包括做药的 。 但是早期的做的这些模型 ， 它更多的是用的那种比如 VAE 啊这种比较老一点的架构当然你会发现也 work， 但 work 没有那么好 。 那本质上我们现在看的不一定完全对啊 ， 为什么是这样呢 ？ 因为像这样的模型架构它不 scalable。 但是在 ......
呃 ...... 大概一两年前吧 ， 那 DALL·E 2、DALL·E 3 这样的东西出来了以后 ， 你会发现它给我们的 hint 是 diffusion 还是可以 scalable 的 ， 我可以吃进大量的数据 。 那我觉得 MatterGen 它的特色就通过了用 diffusion 这样的 model 去 scale 了模型以后 ， 产生了比较好的效果 。 你可以看它的能力大幅超过了之前的那些模型 。 其实没有在文章里面直接去写 scaling 这个事儿 ， 但实际上底层的驱
动是这个东西 。
竞争优势19:12
嗯 。
对 。
我在想一个问题啊 ， 就是因为我们非常依赖机模的智能嘛 。
对 。
是吧 ？ 那理论上是不是比如说咱们可以用机模去研发新材料 ， 再来一个团队 A、 B、 C、 D、 E， 他们也都可以用机模去研发新材料 。 那在这个过程当中 ， 大家如果都是依赖机模 ， 我们的差异化或者我们的优势要怎么做出来呢 ？
这个问题特别好 。 就我觉得一个前置条件是今天大家不应该把用 AI 做出来一个好的材料当成一个竞争 ， 还没有到竞争那个程度 。 现在这个行业里面急需的是一个 —— 任何一个人 ， 不一定是我啊 ， 可以是任何一个人 ， 他用任何一个模型 ， 只要能验证把一个突破性的材料给做出来 ， 并且商业化 ， 整个行业的人都会非常的好过
。
嗯 。
这个是一个前提 。 那在这个之外 ， 就还没有形成竞争 ， 是大家共同创造蛋糕的过程 。 然后在这个之外 ， 可能就是您说的 ， 呃 ......
你能做我也能做 ， 那这个就看大家信不信自己造的铲子 。 那对于我们来说 ， 我们觉得可能 scaling 模型 ， 不管是用 synthetic data 还是自己尝试后面去创造一些实验的 scalable 的一个环境 ， 可能更多是我们要做出非常好的那样的机模 。 在这个点上呢 ， 我觉得各家认知可能还是稍微有些区别 。
这是有认知的区别 ， 对吧 ？
对 。
那认知的区别最后会比如说形成什么样的区别 ， 然后带来不一样的这种差异或优势吗 ？
呃 ...... 首先这个认知分两层吧 。 第一层就是模型上 ， 大家对这个事情 ， 什么样的模型真正能带来材料行业 —— 真的能驱动我们发现那个特别贵 、 特别值钱 、 特别能带来变化的材料 。 另一方面呢是 —— 就是另一个层面的认知 ， 可能更多的是我们对模型能力边界的认知 。 比如说我做了一个模型 ， 它在每个 domain 里面到底能产生什么样
的商业价值 ， 能不能找到那个东西 。 这个也就刚好回到您刚刚那个问题上啊 。
嗯 。
我觉得这个甚至可能在某一些时候会形成一个所谓的壁垒 ， 就是这个团队到底认知上是做材料的人和做 AI 的人天天在一块 ， 他对两边的边界认知都非常清晰 ， 还是两边靠两个团队互相交流 ， 这个一定会形成不一样的文化和不一样的认知能力 ， 这个会直接影响到最后能不能找到这样的材料 。 所以说至少在我的认知中 ， 做
模型的 、 做统计物理的 、 simulation 的和做实验室里面的老法师 。
嗯 。
必须得天天在一块 ， 这个是很重要 。 对 。
实战案例21:57
我们来稍微聊点具体的哈 。
好 。
来帮大家更好地 ——
好 。
...... 理解咱们到底在做什么 。
好 。
呃 ...... 有没有可能就是比如说选一个你们现在在跑的某种材料的任务 ， 然后讲一讲 ， 比如说从一开始到最后 ， 如果我们真的成功把它做出来 ， 这个中间是一个什么样的过程 ？
这个问题很好 。 我可能用一个 fake 的案例去讲 。
要模拟一个 。
模拟一个 。 比如说啊我在锂电池里面 ， 比如说负极的材料 ， 哎 ...... 我要寻找一个它容量比原来大一些 ， 它的功率密度会比原来更高一些 。
嗯 。
电压比原来低一些的一个材料 。 那我在商业上可能认知到这个材料 ， 因为某些背景行业 ， 比如说我的大型储能要起来了 ， 我有一些 specific 的 requirement 能做这个事情 。
嗯 。
那我就有这样的商业需求 。
嗯 。
嗯 。 这个材料可能目前不太存在或者做得不好 ， 那我反过来就去做这样一件事 。 我先 —— 首先通过我的模型去生成或者筛选出那些我认知层面上它觉得比较好的 、 符合我那些要求的 、 放的门头的那些 IP、 那些化合物 。
嗯 。
好 ， 下面干什么呢 ？ 并不是用 AI 过度地去优化这些所谓的 IP、 这些化合物 。 干什么呢 ？
嗯 。
咱们也有自己的老法师 ， 那就坐下来开个会 ， 列一个单子 ， 总共比如说几百个 ， 坐下一个一个看 ， 哪些东西我明天可以下实验室赶紧做 ， 做完了就赶紧反馈 。 这就是我们发现一个逻辑 。 比如说我做到克级 ， 把它装到一个电池里面 ， 哎 ......
反馈还不错 ， 那下面干什么呢 ？ 我们在自己的实验室里把它做到公斤级 。 做到公斤级以后也没有特别多 ， 不用特别惊讶 ——
嗯 。
...... 公斤级没有那么大 。 做到公斤级以后 ， 真正使用这个材料的人就可以去试着用了 ， 在他们的线上去试 。
嗯 。
那试的过程他们会有反馈 。 一旦有反馈了 ， 好的反馈就代表着要么我们放量 ， 要么别人放量 ， 这个东西就有机会了 。 这样一个流程 。
所以 AI 在这里面扮演的角色最关键是在哪一步啊 ？
我们认知到的是在最前端发现那个颠覆性的 、 重磅的 IP 的那一步 ， 它能发挥最大的作用 。
那这个发现可以再稍微展开讲一讲吗 ？
对 。 其实我找材料 ， 我不是要把整个空间搜完 ， 搜到一万种 ， 我只要有一个能卖钱就行了 ， 是不是 ？ 好 ， 那在这个角度上 ， 其实最好的情况下是我一击即中 ， 我让 AI 去推荐出一个它觉得可以行的材料 ， 推一把就成了 。
嗯 。
但是目前看到的呢是这个比较难 。 所以真正我们在做的时候是这样一个状态 ， 是我们会让生成模型数据库搜索各方面并行着跑生成模型不断地生成 candidate。 然后呢 ， 我也会把网络上就包括人类已知的那些材料 、 数据库全部拎出来 ， 然后用我的推测性的这种模型 ， 可能是根据我机模改的 ， 也有可能是就是本身机模自己有 shot 的能
力 ， 我去把可能的 candidate—— 它就形成一个队列嘛 ， 一个一个看 ， 快速地看 ， 看完好的就把它拎出来 ， 拎出来以后就到刚刚那一步了 。 那速度上就看了 ， 一般来说不同的材料的性质不一样 ， 那可能更多筛选的时候快的几十秒 ， 慢的几十分钟一个单卡 。
你们现在的生成是 transformer 还是 ？
呃 ， 我们目前走的可能更多的是用 diffusion 这样的 ——
用 diffusion。
...... 过程去做 ， 而且是一个基于 graph 图的这样的一个 —— 它不是像文本那样 sequence。Sequence 那个东西呢也可以做 ， 但我目前觉得数据可能不是那么的多 ， 不够 ——
嗯 。
...... 训这样的机模 。 对 。
这样的数据是什么数据啊 ？
就是人类合成过的所有的 ——
嗯 。
...... 能收集到所有材料 ， 以及 ——
所以 —— 嗯 。
...... 我们认知上有可能被合成的一个那些材料 ， 那些结构 。 那最后发现就变成这个模型要学的就是一个在高维空间里面找到那样可以被合成材料的一个 manifold。
嗯 。
在里面去采样 。
我听起来觉得这个事情还挺暴力美学的 ， 就是大力出奇迹的感觉 。
这大力出奇迹啊 ， 就是到今天所有 AI 发生变革的领域里面 ， 基本上都走的是暴力 —— 大力出奇迹 。 从 AlphaFold 到 Large Language Model， 到现在的巨深 。
在我们今天录播客的早上醒来 ——
啊 。
...... 看到一个新闻 ， 哎 ， 我不知道你有没有看到 。
啊 。
就 Gem 1 这个新的巨深模型又让这个 ——
是 。
...... 往前推了一大步 。
是 ， 是 。
你预测你们的第一个里程碑会是什么时候会发生吗 ？ 还是现在 ——
嗯 。
...... 就是没有抱这样的里程碑式的预期 。
嗯 ， 我觉得里程碑对我来说可能是两类 。 第一类呢 ， 是 fundamental 里去驱动整个人类材料科学的一类工具类的进展 ， 这个我们希望在未来的一两年能把物质自由能这个东西打穿 。 这个东西一旦做出来以后 ， 我们可以在比较广的材料空间里给定任何一个材料 ，hypothetical 的或者真的 ， 能把它热力学上能不能合成非常准确地 infer 出来 ， 就能代替
很大很大一部分的实验 。 物相实验基本上能代掉啊 。 那这个对人类的材料 ， 就是这个科学往前走了一大步 。 这是一类啊 ， 就是工具上的 。 第二类就是管线上什么时候能做出来那种改变世界 、 改变甚至商业生态的 。 这个说实话我们自己不太确定 。
这好像是有一种这个 ， 就是把正确的事情用正确的方法论做了 ， 然后在这个过程当中慢慢地相信美好的事情它会浮现出来 。
对 ， 我觉得这个也是过去几年我们一直有一个体会 ， 就是感觉大的路是对的 。 当然大家都非常 decent researcher， 所以都非常 skeptical。 但是 ——
都 —— 嗯 。
...... 每次大的模型的进展时候总会给我们的一些 trigger， 会觉得 ， 哎呀 ， 这个事情好像有点对 。
嗯 。
再有点对 。 一般是这样一个感受 。
就是信念感慢慢地提升 。
信念感慢慢提升 。 也有挫折啊 。 anyways。
嗯 。
对 。 嗯 。
之前你其实在这个微软研究院做了很多年的工作 。
研究文化27:48
对 。
然后微软研究院呢 ， 其实是一个相对这个没有商业的目标或压力的一个 ——
对 。
...... 研究组织 。 然后现在办了自己的公司 ， 它也是非常研究驱动的 。 那所以也想和你探讨一下 。
嗯 。
就你会怎么看一个这样的有商业的目标压在身上的一个研究驱动的公司 ， 它最好拥有什么样的文化才能够 ——
嗯 。
...... 比如说做好 、 做大 、 做强 。
这事儿我们还在探索啊 。 但是就整体上我还是觉得比较有意思 。 就是你会发现做 research、 做世界上最好的 researcher 是极端有意思的事 ， 这不用说 ， 大家做 researcher 的人都有这种感觉 。 但是 somehow 我觉得摸索一个新的可能的商业模式也是 extremely exciting 的事情 。
嗯 。
那这个事情是不是有可能有机地结合在一块 ， 真的用那个 fundamental 的大的技术突破去驱动商业 ， 这是最值得追的 。 那当然这个过程中我们也有相当的敬畏心啊 ， 有那些管理上面的事要做 ， 肯定是要做 。 因为最终一旦有一个商业反馈以后 ， 它反而真的能把这个技术驱动得更好 。 我们可以看到到今天为止 ， 这几年发生的技术的革
命都是在由商业上反过来驱动的特别强的案例 。 DeepSeek， 包括巨深这些 ， 反而是因为这个商业的 —— 这个包括现在核聚变 ， 我不知道啥时候能做出来啊 ， 那个包括超导 ， 呃 ， 那个量子计算 ， 反而是因为大家对这个东西上有非常强的商业诉求 。 第一 ， 资本特别集中 。 第二 ， 就是大家诉求重了 ， 那推得真的就快了 ， 技术推得比原来
要快很多 ， 这是个好事 。 但是压力也非常大 。
嗯 。 像刚才提到啊 ， 就是商业其实会加速一些东西 。
人才投入29:39
对 。
是吧 ？ 然后也会激发一些东西 。
嗯 。
然后你们融了那么多钱 ， 我蛮想问 ， 就是这个会贵在哪里呢 ？ 你们的钱准备花在什么地方 ？
其实这个里面最贵的是两个 。 大家可能觉得就是 ， 哎 ， 我做管线啊 ， 这有多贵 。 我给大家拆一拆 。 现在这个时间节点上最贵的是算力和 AI 的人 。 今年我开了 —— 说出来我都唏嘘 ， 我开了三张 offer 出去 ， 开的时候我手都在抖 。 然后算力上一年几千万是要烧的 ， 那这个很贵 。 反而呢 ， 你做材料管线上 ， 一个实验室没有多少钱 ，
大几百万 。 很多东西做到公斤级也没有很贵 。 在这个公斤级以及之前 ， AI 和人占大头 。 但是一旦要放产能了这个就是强的那种就是属性了 。 那个部分后端的上产能就特别贵 ， 可能就上亿 ， 这个就贵了 。
所以目前是算力贵 ， 人贵 。
AI 的人贵 。
嗯 。
AI 的人比别的行业的人要贵一大截子 。
嗯 。 所以算力贵是因为你们要用梳烫的模型吗 ？ 因为我理解是不是比如说有一些用开源的方法来降成本的可能 ， 还是你认为就是必须梳烫 。
烧算力烧得多 ， 其实不是因为我们用模型 ， 是因为我们训模型 。 就是这个模型在某一些能力上还没有认为到我们认为的那个拐点 。 刚刚不是有一个问题说 ， 哎 ， 我们认为什么样的 milestone， 第一个是工具上的 ， 第二个是管线上的 。 在工具上还没有到那个 milestone， 所以我们要持续不断地迭代这个模型 ， 那这个是花很多钱的 。Inference 反而还好 。
对 ， 如果我哪天就 ， 就只做 inference 了 ， 那这成本就马上降下去了 。 对 。
但是比如说要这个前面要花多少钱目前是未知的是吗 ？
呃 ， 大概有个数 ， 但是就是也挺贵的 。
刚才提到今天 AI 的人非常贵啊 。
是 。
然后你也提到这个 ， 咱们为了做好一个这个呃商业化的科研驱动的公司 ， 它其实需要把很多不同的优秀的角色揉在一起 。
对 。
除了很贵的 AI 研究员 。 所以我也想问的就是 ， 在这么一个需要把 -
对 。
这么多交叉的人放在一起的一个组织 ， 就是你希望它是一个什么样的文化 ？
我觉得更多的是大家有共同的 belief， 觉得应该去一起做一件特别伟大的事情 。 可能这个伟大一定层面上是技术 ， 另一个层面上是通过技术去驱动巨大的商业价值 。 其实到今天啊 ， 这个公司大部分人是有底层技术信仰 ， 就是觉得这事儿可能未来几年会有大的变化 。 很多比如说咱们做化学的老法师 ， 就有一些他之前一直有一些
自己的理想 ， 比如说在没有做实验的条件下 ， 能把这个实验的结果 ， 某一些实验结果猜个七七八八 。 这事情在他的印象中是不太可能的 。 但是我们聊了以后 ， 他认为可能在未来的一两年 ， 甚至现在某些技术上可能能实现这个点了 ， 那对他来说是一个整个他的技术生涯的一个转折点 。
嗯 。
那这样的人可能就会聚集一帮这样的人去做这个事儿 ， 以及推动这帮人去迈向下一个技术锚点 。 这个就是我们觉得 ， 呃 ， 可能这个行业 ， 包括我们这样的公司能吸引到人的原因 。
嗯 。
对 。
你们应该还是要找蛮多交叉的人才的 。 啊这种人在市场上多吗 ？ 还是你们觉得今天必须得自己来培养 ？
我们要的那些人呢 ， 可能并不是要在每个领域都懂一点 。 我们最希望要的是什么样的人呢 ？ 是在一个 domain 里面特别特别硬核 、 超级专业 ， 同时他的视野很广的人 。
就是在一个领域是专才 ， 但同时呢他的知识面又很广 。
应该说硬核 。
嗯 。
我们特别看重这个词 。 硬核 。
嗯 。
对 。
然后 ， 呃 ， 这两年其实中国出现了蛮多的这个 AI 的人才的培养的新的一些 -
嗯 。
学校啊 、 组织啊 ， 是吧 ， 比如说这个呃像你深度参与的北京中关村学院 ， 然后上海也有创智之愿 。
对 。 合套 。
合套 。
对 。
是吧 。 然后可能还有这个针对更年轻的孩子们的知春学院 。 你怎么看现在这一些新型的学校 、 机构 ， 他们在扮演着什么样的角色 ？ 就是你需要的一些未来的 ， 呃 ——
嗯嗯 。
对你们的这个有价值的人才 ， 你觉得从这样的机构里面出得来吗 ？
嗯 ， 我觉得是很有可能的 。 因为 ——
嗯 。
就别的机构我可能没有那么深度参与啊 ， 那本身我在中关村学院也有这样的位置 ， 就是做一部分呃这样的事儿嘛 ， 组建团队以及去培养学生这个事儿 。 我看到的是博士生们进来的第一天就进项目 ， 做项目的过程中不断地成长 ， 有一点像一个 startup， 他最终朝一个目标去 ， 在这过程中他不断地去学习 。 到今天这个时间节点上 ，
因为 AI 它是一个特别特殊的工具 。 举个例子啊 ， 我最早做深层式模型的时候 ， 我怎么学的呢 ？ 我一篇文献都没有看过 ， 一直在问问题 。
嗯 。
有 GPT 和 DeepSeek 都问 ， 就是一直追问 、 追问 、 追问 ， 就什么 care loss， 什么 Bayesian inference， 各种各样的东西 ， 我原来都不懂啊 ， 后来就是追问 ， 反正就底层的数学我还是考的 ， 那就基本上通过追问把自己的一整套数理的框架给建立起来了 。 那这个我觉得可能就是新的时代可能学习的方式也不太一样 。
然后刚才我们也提到啊 ， 就是今天模型已经拥有那么多的知识和智能 。
学习之变35:21
嗯 。
那大家的学习的方式 、 方法 ， 甚至学习的目标都会发生变化 。 然后你有一些这样的最近的思考吗 ？ 比如说知识和能力 ， 我们在过去吧 ， 我觉得我们刚才聊天的时候 ， 你提到什么学会数理化 ， 走遍天下都不怕 。
哎对 。
这好像就意味着我有了数理化的知识 ， 我就等于拥有了这个非常牛逼的能力了 。 但今天好像知识和能力在解耦 ， 那今天要怎么学呢 ？ 要学什么呢 ？
这个我真的没有答案 ， 我也特别地迷茫 。 就是这个咱们可以聊两句啊 ， 这为什么会有提到这个问题 ， 之前我们也聊嘛 。 其实是在我们面试的过程中 ， 不光是在这个企业面试 ， 而是之前面试有一些学生 ， 甚至在中关村学院帮着学院面试一些年轻的老师 。 过程中我们一直在想 ， 我到底面试什么 ？ 我问他啥问题呢 ？ 我问他的
知识性的问题 ，GPT 全都能答 ， 而且知识面比我强 。 那这个东西有意义吗 ？ 能考出他过往的能力吗 ？ 那还是面试他解决某一个新的问题的能力 ？ 这个事情就是这个点上 emerge 出来的 ， 其实我们自己也不是特别清楚 。 但是到今天啊我们还是会问那些呃特别硬核的 domain 里面的知识性问题为什么因为至少在过去几年里能问得出来说明他
还是能学得会的这也是某种能力
嗯
但是在未来真的边界感会不太一样我不知道啊这个事我也不知道您怎么看因为 AI 的知识性特别强是不是以后每个人就是要学当产品经理啊 ？ 就这也看 Kaji 你怎么考虑这个事情
首先我觉得这个主动性还是很重要的
嗯嗯
就是当知识都在那里的时候
对
你是不是主动地去用好了它们
对
或者主动地去寻求了模型对你的帮助
嗯
就比如说历史上我们也有很多的图书馆是吧 ？
嗯嗯
也有百度也有 Google
啊那其实 -
对但 -
他们还是差不多
对啊但历史上也不是每个人都把这些资料 、 资源或这些智能 -
嗯
用得最好嘛对吧 ？ 所以有主动性的人肯定还是很强的
对
然后第二呢就是我觉得比如说我们可能看得更多的是创业者啊所以我会觉得他身上的这种所谓的企业家精神
对
是很重要的这是非常软性的比如说是不是有韧性
嗯
又是不是有领导力
嗯
是吧比如说是不是这个有极强的这种愿景然后以及这个愿景带来的感染力对吧 ？
啊
所以这种其实我觉得是重要的然后还有就是大家都在讲的这个呃 taste 就是 -
嗯
审美
对对对这个特别重要
这个其实不只是就是抽象意义的美其实做学术做科研它也有审美在背后的
哎还真是
嗯
这个哎您这点今天讲我觉得特别有意思那这样讲还真的 taste 特别是做 research 这个好像会变成最重要的东西
嗯
还真是
taste 是一种选择
对
它会折射在方方面面
其实我之前面试所有人的时候我会提一个什么样的问题呢 ？ 假设给你无穷多的资源以及比较非常大 significance 的一个团队我一般会给一个数比如说呃十个亿的人民币的资金随你怎么花没有限制没有审查
嗯
以及一百个人的团队你想干什么 ？ 我为什么问 ？ 因为这个能筛选出来这个人有没有想过
嗯
有没有 vision
对
这 exactly 我觉得可能在这个时代是不是会比知识更重要一点 ？
你是不是已经有答案了 ？ 在这个问题里面
我们肯定是有这样的愿景要不然不可能就是跑出来就做创业还是压力很大的
对哎那你觉得这个比如说今天如果有一个新的 PhD 啊然后他听完咱们这期播客觉得嗯 AI for 材料是一个特别好的方向
嗯
然后他想要来投入这个浪潮
嗯
所以你会建议他就是从现在开始花比较多的时间去学什么 ？
啊好问题学什么 ？ 还是那样至少到今天为止我觉得视野面一定要广第一天参与到一个特别重大的一个课题里然后在这个课题里面做最核心的那个技术的最核心的部分最硬核的部分你可以做模型做模型的开发但是做得要很深而且细节很懂你也可以做合成比如说我就是给我一个新的物质我硬搓我搓几个月我就是能把它搓出
来特别难合我能合得出来这个也行这到今天还是这样一个状态你说读哪个专业吧我觉得就是现在看来每个专业只要足够硬核还是可以的
嗯所以你看重的是去挑战最难的事情以及在这个事情的挑战的过程当中积累下来的一些东西
对其实它也是对人的能力的一个反馈我做的不是那种每个地方 touch 一点把它组合优化
嗯
而是在一个点上锚定以后把它解决那个最核心不可拆解的难题
那我们再来聊一个问题啊就是你会觉得有时候在未来五年里面
全球未来40:23
嗯
就是大家学到的今天的这些 -
嗯
能力里面有哪些能力会变得非常非常不值钱吗 ？
Coding，coding
哦 coding 会非常不值钱
以及模型的 design
嗯
这个我有点口出狂言了但是我目前感觉以后整个 AI 的设计范式也有可能会变化特别现在 AFO AI 出来了以后呃真的 emerge 得非常快那 coding 以及设计 AI 这些能力可能都会慢慢地被淘汰掉
你之前有提到 23 年 、24 年的时候你们看到了一个就是在那个时候的 GPT 3.5 或者类似同一阶段的模型做的事情给了你们很大的这种信念感那最近半年有没有什么一些新变化让你觉得你们在做的事情变得就是更有可能了或者更会被加速了 ？
其实这半年看到的可能不是我们这个 domain 的 AI 的模型的进化因为我们自己也在做嘛确实有越来越强的能力而且可能能力增加也不止一点但更多的我看到的是整个 frontier 的那一类的 AI 模型就比如说啊 Claude 比如说就 Opus 这样的模型它的能力似乎真的是对我们影响非常大以及 OpenCloud 这样 agentic system 去做影响非常大就我们现在我们这家公司给每个员
工是配了这样的 Claude 然后而且我们目前不设 token 上限这个东西对整个生产方式会有变化然后以及我很多原来需要用人去驱动的工作驱动的这个 search 的过程很多都可以固化下来用让这些东西去做这个对我们影响蛮大的它可能我觉得它不是一个 generally 对 specifically for 材料的而是它对每一家公司每一个人都会影响很大
另外一个问题就是假如啊今天我们的这个基础模型就停在这里了
OK
那也不太可能啊我们就这一个假设就假设它停在这里了你觉得你们现在这个事情它仍然可能成立吗 ？ 仍然可能把在想象中的改变人类的材料做出来吗 ？
有可能
嗯
只是在什么时间节点能做出来确实不知道就是如果模型越强我抽奖抽到的概率越高
其实我听下来我觉得现在你们这个就是开物纪在做的事情还是蛮明朗的不管是目标还是路径都是蛮清晰的但这个会不会又有另外一个问题就是它太共识了就太共识的事情做起来有可能反而
嗯
就是最后 turns out 没有那么一帆风顺就是你怎么看 ？ 还是说其实这里面有一些非共识是我没有感知到的
嗯其实我觉得这个行业没有形成特别强的共识就举个例子啊比如说你做 AI 材料它最重的商业化的兑现到底是在寻找这个原始的重磅化合物上能兑现商业价值还是在后端工艺放大优化上我也能加速很多能帮大厂解决很多问题能挣很多钱这个事情可能不完全是一个共识另外呢我在模型的 development 的时候到底是要花主要的精力去做
什么样的模型获得什么样的能力好像也不是特别共识这个行业我觉得还远远没有到形成共识的这个阶段听起来我觉得可能就是我们逻辑相对比较顺畅
嗯
对
所以最大的共识是非常 high level 的共识
对
但是具体的话
这个行业很重要
嗯
就是 AI 对材料行业 、 化学行业一定有巨大的帮助那具体什么样的帮助怎么样的商业模式怎么样的技术栈好像还没有特别地明朗
那刚才你也说了有些非共识但都是在执行的层面你觉得这个非共识会收敛吗 ？
这个事我说实话我也没有特别地想清楚就像现在语言模型至少过去的某一段时间内是基本上收敛下来了
嗯
现在可能稍微又有一点发散了
对啊
对吧 ？ 我觉得这个时间线我真的不知道材料行业里面会什么时候会收束
嗯
我觉得它背景是因为材料这个行业真的太广其实材料行业是整个工业生产的底座太宽了每一步都是巨大的市场以及对应的巨大的技术的鸿沟那确实大家 focus 方向也就确实不知道
嗯诶据你所知刚才我们提到的这几个在美国做类似事情的 -
嗯
...... 创业公司他们的做法和咱们有哪些相同哪些不同啊 ？
美国这几家公司嗯就其实就那么几个 Periodic Labs、 呃 Prometheus、Cospe AI、Orbitals 这几家有一些相似点就是比如说咱们的 Periodic Labs 呃它可能更多的是在用语言模型类的 inference 做这种逻辑的能力加上一些 metric 这样的能力去做那种偏推理的这种感觉的模型的研发以及下游的发现那这个呢可能和我们 fundamental 里去追的目前看的技术路线不完全一致那再比如说在 Prometheus 那这个细节我
不敢讲完全对啊但是他们的人员的背景里面有很多做流体的 、 做控制的也有像我们这样做材料的然后这样的一个背景的人他们在做的事情其实好像也没有完全的 converge 他们在做什么听说是要造火箭那这这个这确实不知道但是在整体技术栈上就还是回到刚刚那个没有完全 converge 特别是在美国形成了一个什么状态呢 ？ 一帮人才密度
特别高的特别天才的人坐在一块儿天天在一块儿想我们做什么事儿怎么样能挣钱怎么样能有大技术突破可能挣钱对他们来说都是后者啊
刚才其实你提到融了很大一笔钱之后你反而感到有点焦虑
有一些对我们必须得很努力把这个事做成要不然是对行业不负责任
对行业不负责责任
对因为这个行业就是大家对它有极高的期许那当我们做这家公司的时候我觉得是得去负担起这样的大家的期许去把这事做好的这个确实是就是这样的带来的一些压力
好我们最后几个问题哈
人生选择46:35
嗯
一个是嗯像我们刚才聊到了教育嘛
嗯
那今天如果比如说你的弟弟嗯
嗯
他告诉你我要去申请 PhD 你会建议他去申吗 ？ 还是你会建议他直接到工业界来 ？
我觉得会让他去读 PhD
嗯
PhD 是一个至少对个人发展上是一个特别好的一个什么事儿呢 ？PhD 相当于是干什么 ？ 是有一个人给你一笔钱不用还让你去探索你觉得有意思的事儿
嗯
天下除了 PhD 有这么好的事儿吗 ？ 是不是 ？ 这个是人生最好的去探索各个领域发现你想做什么事的一个阶段就之前也有人在问我说诶我要不要去读这个 PhD？ 是不是读完以后就年纪太大就业有困难 ？ 我说不要这么想 PhD 是给你一笔工资给你发着工资做你觉得厉害的事没有那么好的事情的
嗯
就最好的事那肯定去读 PhD 大厂打工啊那是要回报的
那我们最后一个问题啊就是现在是创业的第一年对吧 ？ 我们都知道可能一眨眼就十年了是吧时间过得很快的呀那假如这个呃有机会给十年后的自己说一句话不管是祝福还是是什么许个愿还是任意你会有想说的吗 ？
这事儿啊开心嘛
嗯呀
还折腾得动吗 ？ 这个问题我是真的觉得那个时间节点就只要还能折腾就会开心
肯定折腾得动啊
是吧 ？ 真的过去几年里我感受到的就是我觉得我自己挺折腾的就原来是在大学里面我读本科的时候我的目标就是挣 3000 块钱月薪娶个老婆生个小孩真的
不 3000 块钱是怎么来的 ？ 是因为算出来
因为我爸我妈在我读本科的时候我的认知上两三千块钱过得挺爽的
OK
就这个目标后来快读博士的时候又有这样的机会出国了整个人又开始变了就变得到快读博结束的时候我说不行我要去当教授
嗯
学者这个事情能为世界做贡献整个人状态不一样了说读完博以后当老师又觉得不行我要做产业化那个东西才真的能改变这个行业才真的能落地以及挣点钱然后又往后那是在深圳深圳影响我非常大把我从一个非常特别 research oriented 的人开始接触市场市场力量真的很大我 18 到 20 年左右我在深圳住了三年
那个时候在做什么呀 ？
中科院深圳先进院有自己的 research 的团队然后呢做电池方向的研究以及一部分产业化工作
所以深圳怎么影响你那么大的 ？
呃深圳很有意思整个深圳都非常地有热情以及它的运行逻辑就 build on 一个经济的 ecosystem 比如说在中科院深圳先进技术研究院在先进院那你要过得好就是要自己去外面拿到经费不管用什么方式你可以孵化一家企业做成很有钱的每年给你反哺也可以去拿国家的经费也可以去拿横向经费但必须得能反哺这个逻辑特别好压力很大但是
只有能满足这个逻辑的是真正特别有意义的那类 research 可能有点急但这个事情对我影响非常非常大
嗯
以及深圳当年有大量的人创业然后再往后是拿到一个机会去了剑桥那个时候明显是折腾啊 2021 年的时候吧去了剑桥去逆着疫情去那边去搞 research 搞完以后回来回来拿了一圈儿校址的 offer 最后呢都没去去了微软去了研究院因为那个时候感觉哎呀这个 AI 来了必须得在大厂才能做事儿 turns out 这个事情折腾是没错的那又到现在折腾就折腾
就还有希望包括现在看很多大厂它在瞎折腾但回过头来瞎折腾也是好事
对我觉得瞎折腾是好事的原因是因为你只有折腾才会扩大自己的所谓的这个运气的面积
对对对对对真的是这样
诶但你自己这么爱折腾的这个精神或者就是你觉得有一些原点吗 ？ 比如说是来自于教育还是来自于什么环境的影响就有曾经总结过吗 ？
我也不知道怎么就变成现在这样了
嗯
嗯我觉得有一部分是什么呢 ？ 是我非常感谢我父母就是我爸妈其实对我特别好就是我有一个特别好的一个家庭环境小时候父母对我都特别爱我然后呃就是有点溺爱以至于到什么程度我跟我老婆讲的时候她说你没有想过家吗 ？ 我说我这一辈子到处跑英国 、 美国 、 香港 、 深圳这么多年可能想家次数可能就没有过没怎么想过
家我原来以为是不是我有什么什么什么后来发现就是小时候被保护好我安全感非常强
诶这个好有意思就安全感强的人不会想家
这就是很有意思我真的不想家有的时候就是我可能刚创业那两天还有一点点想
嗯
但是你说这么多年在海外好多年各个地方漂还有那种睡那种很奇怪的房子的时候不想啊挺好的呀没有想过家
好有意思所以你觉得这其实是来自于安全感
这是我的感觉父母是我非常非常强的一个后盾
嗯
对
他们是做什么工作呀 ？
大学老师
好的那我们今天这个谢谢子恒来 《 十字路口 》
啊好
也希望开物纪尽快做出牛逼的材料
好嗯感谢
OK 好拜拜
好拜拜