編者按：“爬坡過坎，關鍵是提振信心”。保持投資穩定增長，需要提振企業和企業家信心；培育經濟新增長點,同樣需要提振企業和企業家信心，激發企業創新發展活力和動力。新華網上市公司頻道特別推出“中國經濟的信心”大型主題系列采訪，對話重點行業領域企業負責人，傳遞市場聲音、提振發展信心、激勵使命擔當。

新華網北京3月22日電（徐曼曼）當科技創新挺進“深水區”，基礎研究成為實現突圍的一大利器。如何通過底層技術創新推進基礎研究，進而為產業發展注入突破動能，成為當前各界關注的焦點。

(相關資料圖)

AI（人工智能）技術與科研領域及多學科交叉融合誕生的“AI for Science”（科學智能），無疑為人類在科學“無人區”的更多探索帶來了全新的可能性。

“AI for Science能夠幫助科學家去拓展對世界的認知邊界，發現更多新的科學，并加速從科學的原始創新到產業落地的進程，進而提升人類的生產力邊界。”深勢科技創始人兼CEO孫偉杰在接受新華網采訪時表示。

作為AI for Science科學研究范式的引領者和踐行者，深勢科技致力于運用人工智能和分子模擬算法，結合先進計算手段求解重要科學問題，為藥物、材料等領域打造出極具突破性的計算模擬平臺及工具，幫助這些人類最基礎的領域釋放研發生產力。孫偉杰表示，AI for Science是目前AI應用中門檻最高的，也是目前發展最快的。我們希望在新的科學研究范式下，通過AI去求解物理模型，同時，通過算法創新、大規模的工程建設以及行業應用經驗等一系列底層創新能力，來解決科學問題，催生突破性的技術和應用，進而真正解決行業面臨的實際問題。

提升科技研發效率

在基礎科學研究領域中，AI正在發揮出令人驚嘆的“戰斗力”，并由此開啟AI for Science的新征程。

“AI for Science首先是賦能學術界的科研，因為生物醫藥、信息技術、新能源底層的創新都來自于科研上的創新。”孫偉杰說，我們日常所關心的這些先進精密工業要想實現更大突破，從底層上看，更大的瓶頸都是在電子、原子、分子微觀尺度上。

微觀世界現象極其復雜，用傳統物理模型去求解這些現象經常被很多研究者視為“不可能完成的任務”。在這個亟需突破的領域，AI被寄予厚望——將AI引入更底層的科研領域后，讓AI利用自身強大的函數擬合和數據分析能力去學習科學規律和原理，得出可用模型來解決實際的科研問題，特別是輔助科學家在不同的假設條件下進行大量的驗證和試錯，從而大大加速科研探索的進程。

傳統的實驗不再是唯一選項，“計算指導試驗、實驗反饋設計”的理性設計研發模式正越來越受到認可。

“所有的創業的進步、技術的進步帶來的最大價值，就在于把科學問題轉化成工程問題，進而實現可復制。”孫偉杰表示，深勢科技主要解決兩類問題，一類是把過去的科學問題變成工程問題，另一類是讓工程問題更高效。

以分子模擬為代表的科學計算被視為AI的新戰場。在孫偉杰看來，AI技術的出現，讓過去的化學、材料、分子生物學等領域的科學問題，變成了一個個可批量解決的計算工程問題，帶來幾個數量級的效率提升。在“AI+分子模擬”這個新興賽道，深勢科技突破性地實現了多尺度分子模擬中精度與效率的統一，為微觀尺度工業設計帶來的巨大突破，并且在2020年榮獲國際高性能計算領域的最高獎戈登·貝爾獎。

瞄準產業需求

AI與科研的融合，不僅在于為科學家增加了一個提高效率的工具，更肩負的是解決實際問題、升級行業的重任。

在諸多學科中，生命科學研究與AI融合較為緊密，而AI進入生命科學研究的視野，生物醫藥行業的需求是重要推動力。

既應需求而建，也謀未來而建。“深勢科技建設了兩種軟件，一種是科研軟件，一種是工業軟件。科研軟件解決科研問題，工業軟件解決落地問題。”以新一代分子模擬技術為基石，深勢科技已經在藥物設計、材料設計等領域構建了多套產品和服務，包括Hermite藥物計算設計平臺、Bohrium科學計算云平臺等，支持從底層創新到產業落地的全鏈條。

那么，在有了先進的生產工具之后，科學研究是否會翻天覆地的變化？

“人們都想聽到史詩級的敘事——找到銀子彈，瞬間為領域帶來翻天覆地的變化。但事實上，在任何一個技術領域內，這種演進都是漸進和連續的。”孫偉杰稱。

盡管AI for Science帶來了底層技術的顛覆式突破，和更長時間尺度上一場一日千里的大變革的開端，但領域的發展所需的浩大基礎設施建設工作還是需要一步步完成。

孫偉杰稱，過去對于結構蛋白質結構的解析很慢很繁瑣，更難的是對于蛋白質動態結構的解析，而這一問題在過去本質上是一個科學問題。依靠全新的分子模擬方法去模擬蛋白質的動態，研究蛋白質的生物機理，深勢科技攻克了數個傳統意義上的難成藥靶標，為創新藥的研發帶來了全新機遇。

“原始創新要想轉化成產品和技術的話，首要前提是要有非常好的基礎設施。”孫偉杰稱。而自然科學領域的預訓練模型，是所有工業領域的底層的基礎設施，解決的是AI規模化復制難題。

去年年底，深勢科技、北京科學智能研究院（AISI）以及項目合作者，聯合發布了首個覆蓋元素周期表近70種元素的深度勢能原子間勢函數預訓練模型“DPA-1”。這一創新成果在模型覆蓋范圍、通用性、計算精度以及未來的AI生成等方面實現新突破，被視為AI for Science走向大規模應用的重要里程碑。

孫偉杰表示，我們今年的重點之一就是要推出底層AI for Science自然科學領域的預訓練模型的新版本，進而讓整個模型的通用性和模型能力都有較大的改進。

孫偉杰還透露，對于科學計算平臺，我們是希望能把它打造成一個真正的科學家進行科學計算的“第一入口”。另外，今年也會推出一個電池研發的平臺，希望在新能源領域為行業帶來更高的效率提升。

淬煉科技創新“硬核”

今年政府工作報告將過去“強化企業創新主體地位”這一表述，變為“突出企業科技創新主體地位”。從“創新主體”到“科技創新主體”，兩字之差，意味著企業在國家創新體系中的地位、角色、使命、任務都發生了很大變化。

這些專注于細分市場和領域，具備差異化、精細化的技術和較強創新能力的中小企業，它們不僅具備能夠成為未來經濟體系里中堅力量的潛力，更讓人們感受到了“企業成為科技創新主體”的必要性和可能性。

在孫偉杰看來，在行業熱點快速切換的當下，前沿科技創新始終是不變的主旋律。只有解決工業的底層問題，才能帶來更多的機會。也正因為此，傳統工業在數字化轉型中，越來越重視基礎研究和前沿技術的應用。

原始創新與產業元素深度融合后，正逐步轉化為具體行業的產業能量與經濟勢能，在助力產業高質量發展的進程中發揮重要作用。

“沒有場景創新，我們就失去了現在；沒有原始創新，我們就失去了未來。”孫偉杰認為，場景創新解決的是從技術到技術的問題，而原始創新解決的是從科學到技術的問題。

人們期待，當對科學微觀世界的認知更加深邃，宏觀世界也將更加美好。

“一方面要整合基礎設施，提高效率，另一方面需要健全人才激勵體系，整合人才資源。”孫偉杰稱，我們最終瞄向的一定是走向原始創新這樣的道路，而深勢科技致力于基于AI for Science的科研和工業研發基礎設施，提升從最底層的原始創新的效率到創新落地轉化的這一完整鏈路的效能。

科技創新，道阻且長，但星星之火，必成燎原之勢。“無論是政策上還是行業內對底層創新、前沿創新的鼓勵和支持，都為我們帶來發展的底氣和信心。目前，我們的技術路線和思路都是比較清晰的，我們要做的就是保持耐心，一步一個腳印地走下去。”孫偉杰說。

關鍵詞：