Tianjin University

党建引领，产研融合 共促医药创新发展 药物科学与技术学院 教工第一党支部 为深入学习贯彻习近平总书记关于教育、科技、人才的重要论述，落实党的二十届三中全会和全国教育大会精神，天津大学医学部药学院教工第一党支部积极实施对接“医药头部企业”工程，完善科教协同育人机制，推进与行业龙头企业、科技引领型企业的战略合作，探索党建引领下的产学研融合新路径，支撑高水平科技自立自强，助力新质生产力发展。 01 组织共建，构建产学研红色联盟 药学院教工第一党支部坚持党建引领产学研、产学研促进党建的原则，搭建校企党建深度共建模式，如与先声药业北京创新中心党支部建立神经科学药物研发联合攻关小组；借鉴企业党委“三会一课”联动机制，与齐鲁制药抗肿瘤研发党支部建立“双带头人”合作机制；在华润双鹤药业设立党员科研工作站，组建药物优化攻关小组，形成“组织联建、资源联享、项目联攻”的产学研党建共同体。 01 携手先声药业，共建神经药物研发联合攻关小组 2024年9月27日，天津大学医学部药学院教工第一党支部联合先声药业北京创新中心党支部，开展“党建引领科技创新 融合共促新药研发”主题共建活动。先声药业神经与肿瘤药物研发全国重点实验室赵思奇、张瑾等科研骨干参加。天津大学医学部药学院党委书记吴晶、院长刘秀云等学院领导、党员教师代表、民主党派教师和学生代表共计40余人参会。 与会人员首先参观中关村生命园区北京高博医院，随后在神经与肿瘤药物研发全国重点实验室召开党建共建座谈会。 先声药业代表介绍企业“坚持创新药研发、人才至上”的发展理念与重点布局，刘秀云院长介绍学院“药物设计—药物合成—药物递送—药理毒理—药物经济—临床应用”全流程科研布局及中药学特色发展体系。吴晶书记分享学院获批“全国党建工作标杆院系”的建设经验与做法，强调通过“党建+有组织科研”的机制探索，推动党建与科研同频共振。双方围绕“前沿研究与成果转化”、“联合科研与人才培养”等主题展开深入讨论，达成持续深化合作共识。 02 共赴齐鲁制药，推动产教研融合创新 2025年4月18日，支部赴山东齐鲁制药生物医药产业园，联合开展“党建引领科技创新 融合共促新药研发”主题党日活动。齐鲁制药集团党委副书记、总裁李燕，副总裁张明会，生物技术开发研究院执行院长安振明等领导出席座谈，双方党员代表、科研骨干和学生代表近30人参会。 在参观环节，学院师生深入企业智能化制药生产线、国家级技术中心和新型制剂车间，系统了解齐鲁制药“创新+国际化”发展战略和抗肿瘤药物、生物类似药领域的重要成果。 座谈会上，齐鲁制药副总裁张明会介绍了企业的发展理念与科研布局，强调希望与高校共建“基础研究—技术转化—产业应用”全链条生态圈。学院党委书记吴晶代表学院发言，分享学院在党建引领科研、国际化办学、师生共育机制等方面的经验与成效。院长刘秀云介绍学院在学科建设、人才培养与科研创新布局。双方围绕新药研发、临床试验、成果转化和校企联合课题申报等议题展开热烈讨论，活动最终达成加强联合攻关、深化合作共育的共识。 03 双鹤药业，延续红色基因强化原始创新协同 为深化党建引领，落实创新驱动发展战略，推动产学研深度融合，2025年10月20日，支部赴北京华润双鹤药业开展“党建引领聚合力，校企协同促创新”主题党建共建活动。华润双鹤药业总裁赵骞等企业领导出席接待并参与交流。 双鹤党群工作负责人王婕深入阐释了双鹤红色基因的传承。与会人员共同观看了华润双鹤《太行红色精神》宣传片。 院长刘秀云与参会嘉宾共同学习了习近平总书记在天津大学成立130周年之际，给天津大学全体师生的回信，并强调学院将牢记习近平总书记嘱托，聚焦国家重大战略需求，为健康中国建设贡献坚实力量。刘秀云表示希望未来能与双鹤这样具有深厚历史底蕴和强大创新实力的企业加强联系，在科研项目联合攻关、成果转化等方面共同服务于国家医药卫生事业的重大战略需求。 双方围绕新药研发趋势、临床试验设计、成果转化机制、校企联合课题申报及协同育人模式等议题进行了热烈而深入的探讨，初步梳理了潜在的合作方向。 02 人才共育，打造药学教育新生态 教工第一党支部聚焦产教融合和协同育人，创新药学教育体系。开设《智能药物设计与产业实践》校企联合课程，引入先声药业真实案例，采用“企业导师+校内教师”双负责人制，构建实践导向型教学新模式。 同时，增设《药学强国与天大担当》特色课程，邀请齐鲁制药专家授课，强化学生的家国情怀与科研使命感。 在实践育人方面，支部联合企业共建AI药物筛选实验室，打造“实验台到生产线”全链条实践平台，实现学生毕业设计、企业课题与就业岗位三贯通，推动人才培养与产业需求精准对接。 03 技术共研，服务健康中国战略 在科技创新方面，支部聚焦新质生产力需求，联合企业申报“重大新药创制”专项，在疫苗递送系统、肿瘤靶向制剂等关键领域组建跨学科科研团队，形成“企业出题—支部揭榜—团队攻关”的协同创新机制。 同时，学院积极建设“天大专利池+企业中试平台”双轮驱动体系，参考党建引领产业创新联建经验，筹建“医药概念验证中心”，加速科研成果的产业化转化，为国家医药创新体系贡献“天大智慧”。 本次系列主题党日活动，是天津大学药学院深入落实立德树人根本任务、服务国家战略需求的创新实践。学院教工第一党支部以党建为引领，以科技创新为抓手，以协同育人为核心，将党的政治优势、组织优势和创新资源有效融合，探索出一条“党建+科教融合+产教协同”的高质量发展新路径。通过该系列主题党日活动，支部促成合作项目近20项，总研究经费超630万元。未来，支部将继续发挥示范引领作用，持续深化校企合作，推动科技成果转化与人才共育，为加快实现高水平科技自立自强、建设健康中国贡献“天大智慧”和“天大力量”。 图文来源 | 药物科学与技术学院教工第一党支部 图文编辑 | 包妍妍 图文审核 | 高立章

照见中国和世界的创新——“新质π”开栏的话我们正处于一个由新质生产力重绘经济版图的时代。新质生产力以科技创新为内核，同时也代表了一种面向未来的新经济理念与新商业范式。为此，秦朔朋友圈开启「新质π」栏目。π，是无限不循环的常数，象征着突破边界、永无止境的探索，也象征着对既有模式和思维的超越。我们希望「新质π」成为观察新质生产力的精准透镜。我们不仅关注新质技术的“硬实力”，而且致力于解读新质企业和新质企业家的“软内核”——那是对未知的远见、穿越周期的韧性，以及用创新造福社会的价值追求。弘扬这种精神，记录商业文明的演进，是本栏目的深层主旨。为此，我们诚挚邀请处于创新前沿的开拓者——无论是领航者、破局者、思考者还是隧道中的求索者——与我们在一起，贴近实践，分享观点。探索无限，镜见未来。这里是「新质π」，期待与您一同，解码新时代创新的核心密码。一场关乎3万亿医保基金流向和13亿人用药的目录调整解读会，在寒冬清晨引来上百名药企代表、医院药师和保险精英排队等候。线上直播更吸引超23万人围观——这已不只是一场政策解读，更是中国医药产业价值重估的现场路演。2025年12月7日，中国医疗保障体系完成了一次历史性的制度重构。新版《国家基本医疗保险药品目录》与史上首份《商业健康保险创新药品目录》同步发布，标志着“双目录”支付新时代的到来。 基本医保目录新增114种药品，其中50种为1类创新药，创历史新高；商保目录则单独纳入19种临床价值高但价格极为昂贵的药品。国家医保局医药服务管理司司长黄心宇在解读会上定调：“要支持真创新，真支持创新，支持差异化创新。”18个字的定调中，“创新”被强调了三遍。与此同时，国家药监局宣布，2025年中国批准上市的创新药已达69个，超过了去年全年的48个，再创历史新高。一边是创新药的“井喷”，一边是支付体系的“分流”，聚光灯下，中国头部药企站在了战略抉择的十字路口，也预示着下一个十年中国创新药的命运轨迹。 从“保基本”到“价值分层”的制度裂变2025年医保“双目录”的落地，并非简单的药品扩容，而是一场深刻的支付体系供给侧改革，其核心在于建立了一套精细化的创新药价值筛选与回报机制。黄心宇司长在解读会上明确表示，“不改主成分、不改适应症、不改给药途径、不改临床价值的‘四不改’药品，通过评审的可能性很小。”这意味着，医保追求的是真创新和差异化创新，而非浪费科研资源的“过度内卷式创新”。这一原则在评审数据中得到严格执行：2025年通过形式审查的311种目录外药品中，仅有127种进入谈判/竞价环节，目录外药品专家评审通过率降至41.48%，较2023年的约64%和2024年的48%持续下降。然而，有意思的是，进入谈判环节的药品，成功率高达88.19%，一定程度反映出准入规则的清晰，反而有利于企业定价预期向理性回归。至于首版商保创新药目录的诞生，无疑为那些“创新程度高、临床价值大、无法被基本医保目录内药品替代”的高值药物开辟了独立通道。不过在欣喜之余，对其具体的实操落地，有业内人士依旧表达了忧虑。浙江省医疗保障研究会副会长王平洋直指存在的三大核心问题：定价、周期对接和险企药企对接平台的缺失。商保产品的定价需要精准的精算数据支持，而创新药的使用量在“三除外”政策支持后可能激增，给保险公司带来测算风险。一个典型案例是明星减肥药司美格鲁肽。尽管其减重适应症临床需求巨大，但商保专家组认为，如果没有专门设计的保险产品，该药将引发严重的“逆向选择”风险。即健康人群会仅为了减肥而投保，导致风险不可控，摇摆在“理想蓝图”与“现实骨感”间的困境，令其最终未被纳入商保目录。 尽管面临重重挑战，产业各界普遍的共识是，医保对创新药产业的支持的力度是空前的。截至2025年10月底，医保基金为协议期内谈判药品支付累计超过4600亿元，惠及患者超10亿人次，带动相关药品销售超6700亿元。黄心宇在提及这些数据时强调：“这是一个较庞大的数字，也能体现出医保部门不是喊口号，而是‘真金白银’支持创新药的发展。”  战略大分野中的三条路径不同于七年前的首次医保谈判，如今所有药企已经对游戏规则熟稔于心。只不过，面对今年新的一套规则，每家企业都有自己的解读，在战略取舍和资源投入上也不尽相同。这既取决于基因，也源自经验积累，而资本市场则像一面镜子，折射出潜藏的草蛇灰线。 1. 恒瑞医药：“全能生态型”的转身远征  恒瑞医药选择的是一条依托全产业链优势进行“批量创新”的“全能生态型”路径。2025年医保谈判中，恒瑞一次性新增10款创新药进入目录，累计20款产品/适应症调整成功，展现了其“集团军作战”的体系化能力，被外界普遍视为最大赢家。曾经的恒瑞是BD（业务拓展）“绝缘体”，创始人孙飘扬曾坚持“不从市场拿钱”，对外授权（License-out）态度谨慎。但危机倒逼变革，2021年仿制药集采冲击与PD-1价格跳水导致公司净利润下滑超28%，市值从峰值蒸发超4000亿元。战略觉醒后，恒瑞的航向发生了根本性转变，BD交易迎来爆发。2025年7月，其与葛兰素史克达成一项潜在总交易额125亿美元的授权协议，创下中国创新药单笔BD总交易额纪录。从2023年到2025年上半年，恒瑞完成了多笔与默沙东、GSK等全球顶级药企的重磅交易，BD收入已成为其业绩增长的第二引擎。为支撑创新与国际化，恒瑞甚至打破了“零融资”传统，于2025年5月在香港完成近五年医药板块最大IPO，募资约99亿港元。这一举动标志着其资本战略从“封闭自持”彻底转向“开放协同”。但恒瑞的转型远未成功，国际化深度不足与研发原创性瓶颈，是最大掣肘。2025年前三季度，恒瑞海外授权收入18.7亿元，占总营收比重仅8%，远低于百济神州同期超60%的海外营收占比。而且，恒瑞国际化高度依赖“授权变现”，自主商业化能力仍是其短板。此外，尽管管线中有90余个项目，但真正的全球首创药物占比不足10%，创新模式仍以“Fast-follow”（快速跟进）为主。显然，对于恒瑞这样体量的巨舰，“BD为王”的逻辑还太小，聚焦原研创新是转型的必然。恒瑞若要进阶成为具备全球竞争力的跨国药企（Big Pharma），必然需要补全药物研发、临床开发、商业化三块拼图。 2. 信达生物：“快速规模型”的效率突围  信达生物代表了一条以卓越研发效率和商业化执行力取胜的“快速规模型”路径。它的战略核心是：在已验证的赛道上，快速构建多元化产品矩阵，追求市场规模与领先地位。财报印证了战略的有效性，2025年上半年，信达生物营业收入达59.53亿元，同比增长50.6%，并成功实现盈利。作为一贯的“优等生”，在今年的医保谈判中，信达有7款产品（含新适应症）纳入，使其进入国家医保的创新药总数达到12款。其中，PD-1产品“达伯舒”所有八项获批适应症已全部纳入医保，实现了成熟产品的“全满贯”。然而，在产品纳入医保的利好下，信达生物股价在目录公布后仍然下挫7%，直观反映了投资者对PD-1等“红海”赛道利润空间的持续焦虑。同时也揭示了一个残酷的现实：在“双目录”时代，“进入医保”已不再是价值的唯一保证。信达努力用新的模式冲破增长天花板，为市场注入信心。今年10月，信达宣布与日本武田制药达成创纪录的114亿美元的全球战略合作，共同开发新一代肿瘤免疫与ADC疗法。据摩根士丹利研报，这是中国药企在肿瘤领域史上最大一笔对外授权交易。这笔交易不仅带来了12亿美元的首付款，更为关键的是双方采用的Co-Co（共同开发、共同商业化）的模式，将按照比例共担成本且共享在美国市场的利润。这种超越简单的权益授权模式，标志着信达正从依赖单一国内市场，通过多元化国际合作，朝深度参与全球竞争方向突围。另外，不容忽视的是，信达手上还握有“王炸”玛仕度肽，它刚刚在“头对头”试验中击败司美格鲁肽。如果参照司美格鲁肽在全球市场的风光无限，其广阔的商业前景，不由令人遐想。嗅觉敏锐的高瓴资本，在三季度宣布增资1.2亿美元，可以看作是对信达未来转型突围投下的一张信任票。 3. 康方生物：“尖端突破型”的硬核远征  不同于恒瑞和信达，康方生物选择了一条最为陡峭的“尖端突破型”道路：从创业伊始，就不追求管线广度，而是将所有资源聚焦于开发具有全球竞争力的突破性疗法，并凭借“头对头”临床试验数据定义新的治疗标准。康方在2025年的医保谈判中，其参与谈判的5个自研新药的所有已获批适应症，100%成功纳入国家医保目录，可谓得偿所愿。这包括其全球首创双抗“依沃西”（PD-1/VEGF）新增的一线肺癌适应症。该适应症基于一项与默沙东“药王”帕博利珠单抗的头对头Ⅲ期研究，结果显示其可将患者疾病进展或死亡风险显著降低49%。天津大学吴晶教授在医保解读会上强调：“如果没有头对头的临床试验，想证明自己是‘同类最佳’，是一件非常困难的事情。”康方正是凭借这种最可靠的证据，赢得了医保专家的认可。康方商业模式的精髓在于“双轨制价值兑现”。进入医保是为了快速惠及中国患者，而真正的价值飞跃则来自全球市场。2022年底，康方将依沃西的部分海外权益以“5亿美元首付款+最高45亿美元里程碑付款+两位数销售分成”的创纪录条件授予美国Summit公司。辉瑞也表达了对依沃西的兴趣，在2025年2月与Summit达成共同合作，研究治疗实体瘤的新靶向组合。“中国有先进的临床试验环境，有与国际接轨的监管审查体系，已经具备与国际医药企业‘同台竞技’的能力。”复宏汉霖首席执行官朱俊的感慨，在康方身上得到了完美印证。康方坚持多年的走窄门、磕难关，源自夏瑜博士的创业初心：改变海外新药在中国滞后多年的现状。通过较早的License-out海外授权，康方有了摆脱政策依赖，掌握定价主动权的底气。在摩根大通的投研报告中，将康方列为“中国Biotech价值标的”的理由，就是其“展现了不依赖医保的商业化能力”。 融入世界产业重构进行时伴随“双目录”改革发生的，是中国创新药全面崛起的大时代。仿佛在一夜之间，创新药已经不再是星星之火，而是呈现出一派燎原之势。2025年创新药获批数量达69个，是2018年14个的近5倍。“量质双升”的井喷的背后，也预示着产业的竞争逻辑正在发生根本性转变。作为中国创新药出海的“爆发年”，国家药监局副局长徐景和披露，2025年上半年中国创新药对外授权总金额已接近660亿美元。而据《每日经济新闻》报道，若算上全年交易，中国创新药对外授权总金额已突破1000亿美元。“跨国医药企业现在寻找资产的海外第一站是中国”，有风投机构发出了这样的断言。在全球创新药产业链的深度重构的大背景下，坚实的临床证据已成为药企最强的全球硬通货币。黄心宇透露，国家医保局正着力研究完善药物经济学评价中“参照药”的遴选方法。这意味着，未来一款新药的价值，将不再由企业自称的“best-in-class”（同类最佳）决定，而是由其与现有最佳疗法直接比较的“头对头”试验数据判定。在今年全国两会期间，全国政协委员赵宏分享说“一家名不见经传的中国企业生产的新药击败全世界最畅销的抗癌药”——正是通过这种世界通行和公认的方式。随着中国创新药与世界融合接轨的加速，产业生态也将迎来“研发去中心化、发行与商业化集中化”的新格局。这意味着，灵活的生物科技公司（Biotech）将专注于前沿靶点探索和早期研发；而具备强大临床开发和商业化平台的大型药企（Big Pharma）将负责后期开发、申报和市场扩张。对于正在转型中的传统药企，“双平台战略”，或许更为现实。一方面保留仿制药作为现金流底座，尽可能地留在牌桌上，另一方面投入搭建创新药平台，以时间换空间，通过资本市场谋求“估值再定价”的新故事。 分野已定共赴山海“双目录”时代的幕布已然拉开，它宣告了中国医药产业草莽增长时代的终结，和一个以全球临床价值为唯一通行证的战略竞争时代的来临。这场由支付改革引发的价值淘汰赛，必然没有模糊的中间地带。对于中国医药产业而言，“双目录”如同一场全面的“期中答辩”，严肃拷问着从业者的战略取舍和未来蓝图。无论是恒瑞的“体系厚度”，还是信达的“商业效率”，或是康方的“科研极限”，都已经用时间积淀和资本叙事，在分野的赛道上，挣脱了桎梏，交出了自己的答卷。透过答卷，我们有理由相信，在这条奔赴山海的道路上，属于中国的世界级创新药企正在加速到来。

从证明“为什么”到探索“怎么做”。 作者 /Oriana -Intro-推开AI+材料的门 新物种 Sinovum 设立了「视界线（Event Horizon）」对谈栏目。 视界线，是黑洞的边缘——一旦跨过，既有规则将不再适用，变化变得不可逆。我们借用这个概念，关注那些已经越过“临界点”的技术与企业：方向开始收敛，选择正在锁定，新的规则正在形成。 我们关心的是：在巨大的不确定性面前，他们如何看见未来？又如何以一个个关键判断为支点，推动整个行业越过那道无形的边界？ 故事，正在视界线上发生。而「新物种」将成为忠实的记录者，与你一同见证。 以下是该系列的第 4 篇。 在美国的实验室里推翻了一条存在四十年的物理定律后，南凯并没有感到预想中的狂喜，反而被一种巨大的空白感笼罩。 那是他博士生涯的第四年，两篇登上了物理学顶刊PRL*的论文，耗尽了此前所有的踌躇满志。面对屏幕上的公式，他意识到，纯粹解释世界为何如此，似乎已不是故事的终点。一个念头变得清晰：他想知道如何让世界变得不同。 *《物理评论快报》：全球物理学界被引用次数最多的期刊，发表过约20篇后来获诺贝尔奖的研究。 回到起点。 南凯的本科在天津大学一个实验班里，学校把精密仪器领域多个专业的核心课程全部打包。前三年，他在激光光学、硬件测控、固体物理和生物医学仪器之间来回穿梭。 “模式有点像美国那种通识教育，”他回忆道，“对于刚成年、对世界不了解的人来说，是个很好的窗口，你有机会自己去了解到底要学什么，而不是只听别人说。”于是，他怀着一种“比较崇高的想法”选择了生物医学工程，渴望做些有意义的事。 大四赴美交换，他沉浸于构建光学系统来无损伤探测人体组织。2016年正值人工智能的浪潮初涌，还没有现成的大数据集。他需要从几万张医学图像中，亲手构建数据集、为算法寻找规律。这段经历让他体验到了用新工具解决老问题的愉悦。 正是这种愉悦，让原本无意学术的他，在错过博士申请季后，毅然决定Gap一年，然后奔赴南佛罗里达大学攻读物理博士。“有自己的公寓，有奖学金，能安心做想做的事，”他笑着形容，“简直就是人间天堂。” 天堂里亦有炼狱。 南凯选择了凝聚态物理中一个名为“软物质”的艰深角落，并直接瞄准了一个目标：挑战一项被学界默认了四十年的经典理论。 接下来的三年，是日复一日的不确定。早晨醒来先在房间里思索今天的方向，然后钻进实验室，直至夜色深沉。没有社交媒体的热闹分享，少有同行间的即时讨论，物理领域的探索常是寂静而孤独的。 “第一年你踌躇满志，第二年你信心满满，第三年已经有点心灰意冷。”南凯平淡地描述那种状态。 终于在读博的最后一年厚积薄发，他以两篇论文、三个新公式完成了这场艰难的长跑——推翻了由美国物理学家E. J. Kramer等人建立的经典银纹理论预测，证明曾被认定必然脆性的半刚性聚合物玻璃可以具备延展性，为设计新型高韧性柔性电子材料打开了新思路。 然而，胜利的滋味是复杂的，长久的自我较劲让他感到“半条命没了”，也让他对这种纯粹的理论探索产生了些许倦意。 他需要新的坐标：先是在字节跳动一个类似“Google X”的前沿团队里实习，用AI模型解析基因序列；毕业后又加入一家初创公司，用图像和算法模拟药物在人体内的释放过程。这两段经历将他从理论的空中楼阁，拉进了产业的实际需求。 他看到了AI在生物医药领域已成体系的规则，也敏锐地察觉到一个巨大的反差：在他深耕的材料科学领域，AI的应用少得可怜。 在一次国际会议上，他直接向华裔院士Andrea Liu发问：“为什么我们这个领域用AI这么少？”对方的回答印证了他的观察：拥抱程度低，即便顶尖课题组，也只有零星尝试。 他想填上这块空白。但创业不是写论文，得找个能落地的口子。直到遇见后来的合伙人，一个在半导体材料里泡了十多年的人。一个懂算法，一个懂产线，模糊的想法终于有了形状：就从半导体封装材料切进去，用AI重写材料研发的老规矩。 如今，南凯创立的公司“SynMatAI（新研智材）”刚满一岁，团队只有十余人。他们一边搭建算法平台，目标是将传统需要上千次的实验，压缩到几十次内；另一边，他们亲自研发具体的半导体材料，最快将于明年送样。 就在今天，SynMatAI发布了最新的Agent“SynMat Agent”，它集成了全部算法工具与能力的智能研发中心，能直接生成可执行的详细实验方案以显著缩短研发周期，并通过持续反馈进行自我优化。 南凯还大方聊起外界对“AI+材料”领域是否足够原创、实用且精确的的质疑。他理解这种落差：工业界要的是一份能直接投产的配方，而前沿算法给出的往往还是一个遥远的答案。他清楚，这中间的鸿沟，正是他们这类公司的机会与价值所在。 至于商业模式，他想得很透：卖软件或专利在材料领域很难走通，真正的路径是亲自下场，成为一家用AI驱动研发的新材料公司。 以下是新物种与SynMatAI CTO南凯的对谈，欢迎进入一段从证明“为什么”到探索“怎么办”的故事。 「对谈南凯」  01.   泅渡深水区  新物种：你在南佛罗里达大学攻读物理博士时具体研究什么？哪些paper或项目让你印象最深刻？ 南凯：我研究的领域偏机理，中文叫“软物质（Soft Matter）”，属于凝聚态物理下的一个分支，主要研究这类材料和物质背后的现象与原理。 博士五年，我在顶刊PRL（物理评论快报）上发表了两篇文章，印象很深。因为前三年几乎颗粒无收，只发了一篇二作，直到第三、四年才完成这两篇。整个过程非常漫长，也很折磨人。很多时候觉得做不出来了，不明白为什么理论和现象对不上。后来仿真成功了，又要去解释它背后的原因。 这两篇文章提出了三个新公式，像定理一样，推翻了之前的某些理解。那段时间挺难的，有过很多个心灰意冷的时刻。 新物种：为什么这么难？是因为目标定的太大了吗？ 南凯：确实选了个高难度的起点。其中一篇PRL论文，挑战的是一个存在了40年的定律——由美国物理学家Kramers提出的理论。一个被学界默认正确的理论，你要去推翻它，这本身就决定了项目的艰难。另一篇则完全是在黑暗中摸索，毫无方向可言。 这和个人追求也有关。有些同学可能会选择先在普通期刊上发表文章，把数量积累起来。但我更想做些有价值、有创新的研究。 那段时间，每天七八点自然醒来，先发呆思考今天要怎么办，然后去实验室一直工作到傍晚。晚上看文献到11点，打会儿游戏，12点睡觉，很折磨。最大的痛苦在于不确定自己探索的东西究竟有没有答案。尤其是第二篇PRL，导师也不太确定方向，基本靠我自己摸索。这种状态下，第一年踌躇满志，第二年信心满满，到了第三年，就有点心灰意冷了。 论文链接： https://link.aps.org/accepted/10.1103/PhysRevLett.129.127801；https://link.aps.org/accepted/10.1103/PhysRevLett.130.166102 图：南凯在APS（美国物理学会）上进行Oral Talk 新物种：到后面你也开始往产业界探索了，为什么会去字节实习？ 南凯：我所在的组类似Google X的跨学科小团队，隶属于战略部，当时成立不到一年，才十来个人，既要做前沿的生物项目孵化，也要做行业研究，可能还会参与投资评估。我觉得这种混合模式很有意思，能接触不同背景的人，就决定加入。 团队主要聚焦三个方向：大分子、小分子和核酸。我选了核酸，具体是用BERT模型预测mRNA的序列结构（也就是碱基排列），然后再通过模拟来评估这些结构的稳定性。简单说，就是两步：生成序列，然后验证它稳不稳定。 新物种：那你毕业后没想过做AP（助理教授）吗？为什么会选DigiM这个偏医药的offer？ 南凯：我纠结了很久。其实我之前没想过做教授，因为对我而言这种生活有些一成不变。虽然发了文章后也拿到了博后邀请，但最终还是决定彻底换个环境。很大程度上是因为写那两篇PRL的过程太折磨了，我不想再重复那种压抑。 后来选择加入DigiM，是因为他们做的东西很特别。当时很多AI医药都集中在药物发现早期，比如找靶点或设计分子。但DigiM关注的是偏后期的问题：一个已经做出来的药，在人体内需要多久释放、多久吸收？他们用AI分析药物的微观图像，再结合流体力学等物理规律来模拟整个过程，这能大幅减少真实的生物实验。 我觉得这是一个被大多数人忽略、但又很有前景的方向。如果我要花十年时间做一件事，我希望它足够新颖，能让我在十年后回想起来依然觉得值得。这份工作给了我这种感觉。  02.   时机到了  新物种：感觉你还是挺想在这长期发展的，那为什么在DigiM工作不久后，就选择回国创业？ 南凯：其实从字节实习开始，我就一直想做“AI+”的交叉方向。我的学术背景是研究物质机理，本质上更贴近材料。但在参加学术会议时，我发现我们这个领域和AI的结合非常少。 有一次我和领域里的大牛、美国院士Andrea Liu交流，我直接问她为什么我们这里用AI这么少？她说，整个领域对这个的拥抱程度确实不高，她的实验室很大，但也只有一小部分人在做相关尝试。 这让我感触很深。在生物领域，AI已经发展了二十多年，形成了一套成熟的玩法。但在材料这里，几乎还是个空白。我一直想填补这个空白，但不知道从哪里切入。创业不是做学术课题，必须找到能落地的具体问题。如果只做研究，那我不如去当教授自己搞实验室。 转机出现在我遇到现在的合伙人、我们的CEO。我们是在一次会议上认识的。他在半导体材料产业有多年经验，而我偏算法背景。这样，一个懂产业和工艺，一个懂算法和模型，刚好互补。我们聊起这个想法，都觉得时机到了，找到了从半导体封装材料切入的具体路径，这才决定回来创业。 新物种：时机成熟主要有哪些具体条件？ 南凯：主要是三个层面都准备好了。 第一是算力，AI for Science 用的算法通常不是最前沿的，现有的算力已经足够。第二是算法本身，经过这些年的发展，AI的框架和开源工具已经很成熟了。第三是数据，材料领域发展多年，有了一定的积累。 这三者结合，到了比较好的切入点。虽然材料和生物很不一样，但我们可以参考 AI for Biotech 领域的发展路径，学习如何将AI应用到一个传统学科里。 新物种：那你当时为什么选择做CTO，而不是CEO？ 南凯：我很认同的一个观点是，开公司最大的困难是管人，而不是技术。我现在还不擅长统筹管理或把握公司整体方向。 做To B的产业化落地，需要对行业有很深的积累，比如供应链、制造这些非常复杂的事情。如果没有相关背景或资源，一个人很难完成。作为CTO，我可以专注在技术上，同时也能在这个过程中学习。 新物种：明白，还请用一句话通俗介绍SynMatAI是做什么的。 南凯：我们希望通过AI来替代部分材料研发工作。具体来说，是让AI像工程师一样，完成从研发、生产到量产的整个流程。 新物种：现阶段主要辅助哪个环节？ 南凯：目前各个环节都能辅助。我举个例子：假设研发一款材料需要做1000次实验，有经验的工程师可能要做200次，而我们的AI目标是将实验次数降到20次。这个辅助作用贯穿小试、中试和客户适配全阶段。 材料研发周期长，就是因为这三个阶段都得反复调整，就像做饭——在家做两人份和给食堂做一百人份，调料比例不是简单放大；菜馆开在广东还是四川，辣度也要调整。 我们的AI能在每个阶段，都把最有可能成功的方案筛选给工程师，省去大量试错。工程师每做一次实验，数据反馈给AI，AI的下次预测就会更准，形成一个不断优化的循环。 新物种：那你们是自研模型吗？还是基于大模型微调的吗？ 南凯：我们有很多模型，包括大模型和小模型。有些是基于通用模型用材料数据微调的，但更多是专门为不同任务自研的。材料研发变量太多，一个模型不够用，需要多个模型协同工作。 比如，我们有专注于结构和性能映射的“EvoNet”，也有基于物理机理的模拟仿真模型“EvoSim”。机理模型给出理论理想值，AI模型给出预测值，两者相互参照，共同得出更接近实际的结果。 新物种：你们专注于哪类材料？比如高分子？ 南凯：我们目前主要聚焦在半导体相关材料。 新物种：未来会一直专注半导体材料，还是会涉及其他类型的材料，做更通用的平台？ 南凯：从长远愿景看，比如以50年为目标，我们当然希望做成一个通用的平台。但务实地说，必须先在半导体材料这个垂直领域做深、形成商业闭环，有了成功案例后才能向外扩展。这就像造机器人，不能一上来就让它什么都会，得从跳舞、抓取等具体技能一步步做起。  03.   弯道超车  新物种：创业这一年间，你们遇到的最大困难或意外是什么？ 南凯：首先因为我们正在同时推进的商业模式有两块：一是提供软件去卖私有化部署和扮演CRO的角色去共同研发某个材料，二是自己下场研发材料。 真正对接产业时才发现两大困难。一是很多材料公司对AI的理解非常有限；二是整个产业链的复杂程度超乎想象，很多环节的电子化程度极低。 比如，很多公司至今仍靠手写记录实验过程和结果。好些的用Excel，但那只是个文件，不是结构化的数据库。这些是以前根本想不到的细节，都成了实实在在的障碍。 新物种：那针对材料研发和算法优化的业务，如何判断成功率？有无具体案例？ 南凯：我们主要通过实际实验来验证算法的成功率，这是衡量技术是否work的核心。与此同时，我们投入的重点是自研新材料，用自己的算法平台推动实际研发。 一个最直接的案例就是我们自研的半导体材料进展很快。公司2024年底成立，预计明年就能送样测试，这个速度本身就是对技术有效性的一个证明。 新物种：你觉得AI+材料的商业闭环打通了吗？没有的话，可能的模式是什么？ 南凯：现在还没有打通。比如一些公司，主要客户还是高校和研究所，这不算成熟的商业模式。 参考AI+生物医药，目前有几条路：卖IP（卖专利）、卖软件、或者自己研发药物。其中自己研发的模式相对最成功。 但材料领域很不一样。第一，高质量公开数据很少；第二，材料缺乏像医药那样严格的专利保护和审批监管，一个配方被知道后，别人稍作调整就能做出中低端产品，所以“卖IP”很难成立。至于“卖软件”，因为缺乏数据，软件效果有限，而想用客户数据优化，客户又不可能提供自己的核心商业秘密。 所以走下来，可能只有一条路：自己下场做材料，成为AI驱动的新材料公司。目前整个行业还没有完全跑通的先例，但我们的商业逻辑就是以软件为辅，以自己研发材料为主，我们认为这条路是可行的。 新物种：你们如何解决材料领域内高质量数据稀缺的问题？ 南凯：我们现在是从几个方面获取数据：一是我们创始团队过去积累的私有实验数据；二是正在自建的无人实验室，用于验证并产生新数据；三是更关键的，我们从领域专家那里提取和结构化“Know-How”。 仅有实验数据往往只能解决特定问题，结合了Know-How的数据才能提升模型的泛化能力。我们也会使用仿真数据，但它主要提供理论或理想上的参考值。 新物种：作为初创公司CTO，你如何看待与DeepMind、微软等大厂以及传统材料公司的关系？ 南凯：像DeepMind、微软，它们的研究偏向前沿探索，离实际应用比较远。而像3M、三星这样的大公司内部研究院，虽然也在做，但往往有“大公司病”，进展并不顺利。 我觉得，如果一个领域没有很多人投入，反而说明它可能没有潜力。玩家越多，才证明赛道越有活力。 对于初创公司来说，我们的优势在于灵活，没有大公司的管理包袱。同时，AI技术本身也给初创公司带来了弯道超车的机会。当你有深厚的行业知识（Know-How）时，AI能帮助你更快实现突破。 新物种：具体来看，初创公司的机会在哪些环节？ 南凯：机会是全面的。这又回到了刚才说的商业模式。 如果做软件，初创公司反而有优势。想象一下，如果3M推出一款材料研发软件，它的竞争对手杜邦、汉高肯定不会买。但作为独立的初创公司，就没有这个问题。 如果自己做材料，初创公司的优势在于专注和灵活。可以集中所有资源，专攻某一个高端材料品类。利用AI能力，一些用传统方法极难研发的材料，可能会被更快地做出来。 新物种：那对比中美呢？在大模型领域，中美差距现在可能缩小到了3个月。你认为在AI+材料领域的差距是多少？ 南凯：我了解的情况是差距不大甚至有优势。这又回到了刚才的话题：材料最终要落实到生产，而产能基本都在中国，这会带来数据获取上的优势。 除了数据层面有优势，至于算法，现在国内大模型也很强，差距不明显。AI for Science通常不需要最前沿的算法，所以算法差距更小。 比如说美国有家做超导材料的明星初创公司，估值很高。但我们是做半导体的，两者方向不同，很难直接比较谁更先进。整体上，我不觉得美国有显著领先，我们在数据上反而有优势。  04   非标的实验科学  新物种：无论是具身智能还是Agent，都有过被评价为泡沫的质疑，AI+材料也存在类似的情况吗？你认为AI会彻底重塑材料科学吗？ 南凯：AI+材料现在还很新，从工业角度没几年，所以不好下结论判断泡沫。但我认为AI肯定会改变这个领域。材料科学的核心挑战在于它是一个实验科学，变量太多，不得不依赖大量试错。 如果未来AI足够强大，能够获取并理解海量、多类型且有权重差异的数据（不仅仅是做数值拟合），那么它就有可能减少对这种试错的依赖。这里的关键是，必须是“科学领导AI” ，要让AI理解数据背后的物理含义，而不是反过来。当AI能真正理解物理世界，并拥有足够参数时，它就一定能重塑这个领域。 新物种：今年国际上有不少AI发现材料的重磅新闻，但也伴随很多争议。比如微软MatterGen登上自然杂志，却被一些科学家批评原创性、实用性不足。你从产业一线看，怎么看待这种质疑与落差？ 南凯：材料领域的成果不那么直观可见。有些领域如机器人可以现场演示动作，而AI生成的材料，你只能展示一个结果或者说“我们做出来了”，整个漫长的研发过程很难被直接感知。 此外，材料是实验科学，必须到能落地。像MatterGen这类基于模拟和AI的预测，和实际实验的结果可能存在差距，这自然会引发重视实验的科学家的质疑。 所以，这些争议部分源于过高的期待——产业界希望AI能直接给出可用的完美方案，但前沿研究和实际应用之间还有鸿沟。同时，AI+材料关注度相对较低，一是因为研发反馈周期长，成果见效慢；二是因为“AI for Science”这个概念本身太宽泛，下面包含了生物、材料等众多差异巨大的子领域。 新物种：那材料领域有像AlphaFold那样开源的里程碑模型吗？ 南凯：像MatterGen也开源了，但很难说它是材料界的“AlphaFold”。核心差异在于，AlphaFold预测的蛋白质结构本身就是一个极具价值的终点。 而在材料领域，即使预测出了所有的晶体结构，也远未结束，因为最关键的一步是真的在实验中把它做出来。预测出的结构可能非常难以合成或实现。所以，材料科学的实验属性，决定了很难出现一个像AlphaFold那样具有轰动性、决定性意义的单一工具。 新物种：那对材料领域来说，什么才是像结构之于蛋白质的那个关键因素？ 南凯：这很难简单类比，材料科学本身的范围就极其广泛，下面分支众多。当你具体到要解决什么case时，面前已经存在着无数种不同的材料类型和问题了。这也是这个领域门槛高、难以普及的原因之一。 制药的目标相对统一（做出可用的药），且后期流程标准化。而材料研发的每个阶段（小试、中试、客户适配）都可能长达数年，且需要大量非标准的调整。此外，现实中应用的多是复合材料，如何协调多种材料之间的关系是更大的难题。 因此，如果问产业界的一线工程师最想要什么，那可能不是某个结构数据库，而是一个能直接告诉他“这个材料具体该怎么一步步做实验”的解决方案。 新物种：最后一个问题。你们团队对SynMatAI的长期期待是什么？比如五年或十年后，希望成为一家怎样的公司？ 南凯：我们期待AI能真正在材料领域发挥实际作用——它应该能极大地节省人力、释放劳动力，或者说创造显著的生产力。我们希望AI能切实带来这样的改变。 - End - -往期推荐- 对谈 XLerobot 王高天：机器人开源生态的第一步，从3999的低价硬件开始