“你有一把能够挖出金子的铲子，肯定不会先给别人用”｜对谈开物纪陆子恒：用AI发明新材料

开物纪致力于利用 AI 模型发现并验证新材料，推动其从实验室走向商业化量产。材料研发本质上是 “在白纸上放置原子” 的科学游戏，需满足能量稳定、可合成及具备特定物理性质等严苛条件。历史上，单晶硅和固态电池电解质等材料的发现彻底改变了产业格局。目前，材料研发领域正处于 AI 技术突破的节点，通过 AI 模型替代传统试错法，有望实现材料发现效率的指数级提升，从而诞生改变人类文明的重磅材料。

材料研发的商业化目标聚焦于能源转型（如超导、核聚变第一壁材料）及高附加值化工领域（如深冷高压环境下的密封材料）。材料公司通常从单品类突破起步，逐步积累资本与技术优势。开物纪借鉴 Flagship Pioneering 的孵化模式，旨在通过 AI 管线从头至尾打穿材料研发全流程，而非仅提供工具。目前行业尚处于共同做大蛋糕的阶段，通过 AI 模型筛选候选材料并结合实验室反馈，是实现颠覆性 IP 发现的关键路径。

材料科学领域的 AI 变革遵循 “大力出奇迹” 的 Scaling Law，通过 Diffusion 等模型架构处理海量原子结构数据，模型泛化能力已跨越临界点。在实际研发中，AI 在最前端的颠覆性 IP 发现环节发挥核心作用，通过生成模型与数据库搜索并行，快速锁定候选化合物。随后，通过实验室 “老法师” 的专业评估与公斤级试制，完成从虚拟筛选到物理验证的闭环。这种将 AI 研究与实验科学深度融合的组织模式，是突破材料研发边界的核心壁垒。

商业化科研公司的核心支出集中在算力消耗与顶尖 AI 人才储备。为了在材料领域实现技术突破，必须维持高强度的模型训练，这要求团队不仅具备深厚的领域知识，还需拥有广阔的视野。科研驱动型组织应建立共同的信仰，即通过底层技术突破驱动巨大的商业价值。这种文化能够吸引硬核人才，并推动团队在面对技术不确定性时，持续向下一个技术锚点迈进。

AI 工具的普及正在重塑知识获取与能力评估方式。在面试中，单纯的知识性考察已失去意义，解决复杂问题的能力、企业家精神以及对科研的审美（Taste）成为衡量人才的关键指标。对于有志于投身 AI for Science 的科研人员，建议在特定领域深耕并挑战不可拆解的难题，同时保持视野的广度。AI 时代下，主动利用模型进行追问式学习，将成为构建个人知识框架的高效路径。

创业过程中的不确定性与压力是推动技术进步的动力。通过不断 “折腾” 来扩大运气的覆盖面积，是科研成果转化的必要手段。个人的成长路径深受深圳等高强度创业环境的影响，这种环境强调通过市场反馈来反补科研。强大的家庭支持与安全感是长期投身科研与创业的基石，使个体能够在全球范围内持续探索，而不受地域限制。未来十年，持续的折腾与探索将是保持生命力与创造力的核心。