“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

📌 一句话摘要

对话 AI for Science 初创公司开物纪创始人陆子恒，深入探讨如何利用 AI 模型规模化发现与商业化高价值新材料，并分享了其从科研到创业的独特方法论与行业洞见。

📝 详细摘要

本期播客深度访谈了 AI for Science 领域初创公司开物纪的创始人陆子恒。公司致力于利用 AI 技术加速新材料的发现、验证与商业化，近期完成了数亿元的天使加轮融资。陆子恒详细阐述了材料科学的本质是“在白纸上放原子的游戏”，而 AI 的核心价值在于通过规模化模型（如 diffusion 模型）提升泛化能力，从而高效筛选出可能带来行业变革或巨大商业价值的候选材料。他分享了公司的双重目标：一类是追求商业回报的“要发财的”材料（如特定能源、化工材料），另一类是旨在证明技术实力的“要 show muscle 的”材料（如超导、核聚变材料）。对话深入探讨了从 AI 生成候选材料到实验室克级验证、公斤级放大，最终导入客户产线的全流程，强调了跨学科团队（AI 研究员、材料科学家、实验“老法师”）紧密协作的重要性。此外，陆子恒还就 AI 时代的人才培养、学习方式转变（从知识积累到主动性、Vision 和 Taste 的比拼）以及创业公司如何平衡前沿研究与商业压力分享了深刻见解。

💡 主要观点

- AI 发明材料的本质是规模化模型泛化能力，以高效筛选高价值候选材料 开物纪的核心技术路径是通过 scaling diffusion 等模型，使其具备强大的泛化性，能够 zero-shot 预测未知材料的性质（如比热容），从而在浩瀚的材料化学空间中快速定位有潜力的“金矿”，而非穷举搜索。

商业化路径采取“自己先挖金子”策略，旨在打造从发现到量产的完整范例 陆子恒认为，在行业早期，最大的价值是证明 AI 能从头到尾做出一个成功商业化的材料。因此公司选择优先自己下场“挖矿”（开发材料管线），而非单纯出售“铲子”（AI 工具），以此建立行业信服力并为未来平台化铺路。

成功的关键在于构建深度交融的跨学科团队文化 壁垒不仅在于模型本身，更在于团队对 AI 能力边界与材料科学需求的深度认知。这要求做 AI 的、做模拟的和做实验的人必须天天在一起工作，形成共同的信念和对技术落地的统一理解。

AI 时代的人才价值从知识储备转向主动性、Vision 和 Taste 随着基础模型知识库的完善，单纯的知识性技能（如特定编程、模型设计）可能贬值。未来更看重的是主动利用工具解决问题的能力、定义重大问题的愿景（Vision）以及在复杂选项中做出优质选择的审美（Taste）。

💬 文章金句

- 如果真的能挖出金子，我肯定不会先去把这个铲子先给别人用，我先挖着。

• 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。得让大家认识到这个东西有用，才有可能去做一个所谓的平台企业。
• 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，到现在的具身。
• 首先我觉得这个主动性还是很重要的，就是当知识都在那里的时候，你是不是主动的去用好了他们，或者主动的去寻求了模型对你的帮助。
• 我做的不是那种每个地方 touch 一点，把它组合优化，而是在一个点上锚定以后，把它解决最核心不可拆解的难题。

📊 文章信息

AI 初评：88

来源：十字路口Crossing

作者：十字路口Crossing

分类：人工智能

语言：中文

阅读时间：70 分钟

字数：17494

标签： AI for Science, 新材料发现, AI 模型规模化, 材料商业化, 生成模型

收听完整播客