前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
科学前沿/11.19 · 13:35/7 MIN/编译自 雷锋网/1 阅读

赋澈生物王子龙:让环保有利可图的AI4S创业者

伯克利博士后王子龙放弃教职,与搭档创办赋澈生物,用工程化聚酮合酶平台量产塑料单体。他认为AI for Science的瓶颈不是算法而是数据,环保必须让产业链上的人主动参与。

一篇论文通常只需 2-4 位审稿人。但《Nature Biotechnology》的编辑在打开一篇来自加州大学伯克利分校的投稿时发现,这个数字远远不够——为了覆盖论文涉及的每个学科,他们先后邀请了两位数的审稿人。

这篇论文横跨合成生物学、材料科学、计算化学,以及技术经济学与碳排放核算四个领域。审稿人直言:只能看懂自己那一部分。

一位材料学背景的审稿人追问得更直接:论文在实验室证明了新型塑料单体滴度达到 1.84 克每升,这符合学术发表标准,但"如果这个平台要走向产业化,至少要让我看到几十克每升的可能性"。

最终,四个领域的专家全部认可了论文,今年夏天成功刊发。第一作者只有一个名字:王子龙。

在 AI for Science 的创业浪潮里,跨学科背景并不稀奇。但像王子龙这样,同时拥有理工科训练、结构生物学功底,以及从本科阶段就开始的系统商科思维,并且能把这一切翻译成彼此听得懂的语言的人,并不常见。

论文第一作者王子龙

从经济学课堂到合成生物学

王子龙儿时的梦想是成为爱迪生那样的科学家。长大后他意识到,爱迪生同时也是商人,而他恰好把自己培养出了科学家与企业家的双重能力结构。

这要追溯到本科时期。他就读的中山大学逸仙班采用多学科混合培养,除数物化生外,还专门开设经济学课程,由岭南学院教授整套授课。加上出生于经商家庭,他对商业实践已有十几年的认知。

"基本的商业逻辑、经济逻辑我们都清楚,对外融资、谈合作的时候,精神面貌是不一样的。"

2011 年,中山大学首次参加 MIT 创办的 iGEM 国际基因工程机器大赛,正在读大三的王子龙是领队和对外主讲人,队伍最终闯入全球决赛。在 MIT 的讲台上,他用英语向评委解释成果;回到实验室,又要和队友一起解决具体的科学问题。

也是在这个时期,他读到一篇经典论文:用大肠杆菌和酵母菌全合成青蒿素前体,让屠呦呦发现的青蒿素实现低成本、大规模生产。论文作者 Jay Keasling,后来成了他在伯克利的导师。

"我们可以改造自然界的微生物,让它们为人类所用。"

但王子龙没有直接沿着这条道路走下去。在他看来,生物学的细分学科里,有些是不可迁移的"课题",有些是可迁移的"工具"。植物学属于前者,一旦选定方向,往外延展就会变窄;结构生物学属于后者——所有生命活动的最终执行者都是蛋白质,掌握这门手艺的人几乎可以进入任何生物科技方向。

于是博士阶段他放下合成生物学,转向结构生物学。原因很具体:对蛋白质缺乏足够了解,做基因工程时经常得不到预想的结果。"我一定要完全掌握这块知识。"

四十人实验室里的"最佳帮手"

在新加坡国立大学做结构生物学时,王子龙恰逢 Keasling 来校做学术报告。他当时所在的实验室小而专精,解析蛋白质结构效率太慢,"跟不上时代的需求"。Keasling 的回答是:这完全不是问题,我们机构有全套高通量设备和专业合作者。

去伯克利面试前还有个小插曲。劳伦斯伯克利国家实验室结构生物学中心前主任 Paul Adams 专程来找他,问愿不愿意继续跟自己做结构生物学。这也是一条金光大道,但王子龙还是选择了合成生物学。

从左至右:Seokjung Cheong、Jay Keasling、王子龙

Keasling 实验室常年保持四十人以上规模,博士后来自不同领域。伯克利本身名校云集,发过 Nature、Science 正刊的申请者比比皆是,但 Keasling 真正在意的是专业能力是否匹配实验室的课题发展。王子龙结构生物学研究周期长,主要课题当时尚未发表,但技能组合恰好是实验室需要的。

"运气好。"他用这三个字概括,"如果我晚进去半年,这个课题未必是我的了。"

因为结构生物学的底子,他经常帮同事解决技术问题,拿过实验室两个奖:Best Lab Citizen 由全体成员投票选出,表彰对实验室运转的贡献;Best Helper 需要得票超过其他人,意味着他在大量同事的课题中都伸过手。

那篇横跨四学科的论文,正是在这样的环境里长出来的。四个伯克利顶级实验室联合完成,各部分比重均匀,王子龙是唯一第一作者,Keasling 是唯一通讯作者。他的工作不只是做实验:每周跟四个实验室的博士后开会,跟教授同步进度,每三个月向美国能源部做一次大型汇报。

这套流程,跟开公司已经很像了。

进实验室第一天,王子龙就向教授表达了自己要走商业这条路。在这个实验室里,创业并不稀奇,平均每年有一到两个成员出去创业。

2021 年合成生物学在国内正火热,估值高得惊人,好几家公司特地飞去美国劝他创业。他拒绝了:手上的项目没做完,贸然创业是不负责任的表现。"2021 年创业的话,拿融资要简单得多。我们 2024 年融资的时候,早就错过那个风口了,真的得靠真枪实战的能力。"

多年的科研经历给了他"有问题就解决问题"的思维。"问题本身不会把人击倒。如果真的有爬不过去的坎,就绕过去。因为我们已经被科学鞭打了无数次——每一个科学论文成功的背后,都有大量的失败。"

让环保"有利可图"

2024 年,王子龙和同样具有韧性的搭档 Seokjung Cheong 一起结束博士后工作,把做了四五年的课题推向市场,创办赋澈生物(FutureBio)。Seokjung 出任 CTO,两人分工互补:王子龙负责融资、商业合作与对外宣传,Seokjung 主抓技术和团队管理。

从左至右:研究员、Seokjung Cheong、王子龙

搭起核心团队后,王子龙翻遍 Keasling 实验室的师兄师姐名单,找到了凯赛生物前研发副总裁 Howard Chou。Keasling 的一封介绍信,让双方很快确认了彼此的能力。

标签:合成生物学AI for Science

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款

Howard 给出了一个具体建议:很多生物制造公司早期为了让数据好看,会用各种手段做出很高的产量,成本却不一定合适,思路是先高产再优化成本。但他主张,从公司第一天起,生物制造就要对标工业大规模生产的口径和参数。

照这个思路,FutureBio 在美国用的发酵培养基,直接来自全球最大的玉米原浆提供商之一 ADM。这样每一分努力都能直接转化到工业制造上,未来达到高产之后,不需要再回头优化成本。

Keasling 现在是公司官方首席顾问,参与过投资人访谈,帮忙对接投资人和业内学者。另一位关键支持来自一次饭局:晶泰科技董事长温书豪问他"能不能用两分钟讲讲公司做什么",听完当即邀请他第二天去晶泰路演,三位创始人都到场,最终拍板参与融资。

2025 年初,FutureBio 完成天使轮融资,耀途资本领投,险峰长青、晶泰科技等跟投。金额不算太高,但足够按自己的节奏把基础做扎实。

王子龙对公司定位从一开始就和很多环保材料公司不同。"大家都说环保,但环保往往意味着成本更高。"他的选择是兼顾商业侧——政策驱动靠罚款、补贴和奖励,一旦经济形势不好、补贴下降,大家的意愿立刻下降。

在他看来,真想把环保做好,必须从技术层面解决:让环保这件事"有利可图",让整个商业链条里的人都能自我驱动(self-motivation)。

AI4S 的边界

这种商业判断,也塑造了王子龙对 AI for Science 的理解。

很多公司的问题在于把 AI 当成了目的本身,而不是工具,上来就讲要做 AI for Science,实则缺乏核心支撑力。"比如我们,是平台开发了这款材料,材料支撑公司的实体运转,在拓宽的过程中不断优化模型。不然一开始烧几亿、几十亿,烧完了什么都没有。"

他回忆起论文里的一次经历:团队一开始跟很多 AI4S 公司一样,用计算模拟数据搭了一套模型。但材料做出来后发现,模型对性能的预测完全不对。他们没有把错的模型藏起来,而是把真实数据放回模型去排查问题,通过模型与材料的相互优化找到改进方法——最后,那个一开始的错误模型也被放进了论文里。

这种把错误公开的做法在学术界并不常见,但这篇论文打通了整个平台模型与闭环,证明了计算预测可以被生产制造验证、还能不断循环迭代。

在王子龙看来,AI for Science 的瓶颈早已不是算法,数据的生成比模型和算法本身更具底座意义。"2022 年 AI 刚爆发时,大家就有共识:这里最有价值的商品是数据。AlphaFold 之所以能出现,是因为结构生物学领域在同样的数据模式和口径下积累了二十多年,而其他很多科学领域没有这个条件。谁真正掌握能被 AI 读取的数据,谁就掌握了 AI for Science 最底层的金币。"

FutureBio 的解法,是用一套可扩展的生物制造平台持续生成数据。论文中,团队用工程化聚酮合酶(PKS)作为"分子装配线",通过替换其中的蛋白质模块,同一套发酵系统就能生产出结构不同的塑料单体。论文展示了 10 种 PKS 产物变体,它们共享同一套发酵路径——就像一条汽车生产线,更换机械臂上的工具头就能加工不同型号的零件,底盘、质检和物流流程无需改变。优化一次菌株产率或发酵条件,所有产品同时受益。

相比每设计一种新化合物都要重新开发合成路线的纯化学合成公司,FutureBio 在数据生成效率上有天然优势,也真正跑通了"设计-制造-验证"这一环。

对今年颇受关注的 AI for Science,王子龙给出两点冷静判断。

第一,AI 的价值是预测的精准度,要给 AI 真实世界的物理反馈。"大语言模型之所以做得好,是因为那么多用户每天跟它交流,它是一个每天都获得真实世界反馈的系统。做 AI for Science 也一样,而且物理反馈很讲究策略:不是什么反馈都行,要了解 AI 需要什么。"

第二,始终要知道边界在哪里。FutureBio 做聚合物,目标是建立聚合物材料的通用大模型,但他们清楚自己一开始的知识边界和技术边界,在边界内做精确可靠,再慢慢拓宽;而拓宽需要的知识体系、数据和验证方法,都要提前规划。

"留给自己想的时间,一定要比决策和操作的时间多。三思而后行,很多事情没想清楚就做,就是浪费资源。"

现在他给项目负责人定了一条规矩:每天至少留百分之二十的时间思考。团队哪怕坐在那里不干活,他照样发薪——做科学做到博士后的人,脑子里从来停不下来。

从逸仙班的多学科混合培养,到"旁逸斜出"研读结构生物学,再到 Keasling 实验室的交叉合作,王子龙每一次选择都在拓展自己能翻译的语言。那篇论文的审稿人大概不会想到,这个能同时回应四个领域质疑的博士后,其实二十年前就开始为这一刻做准备。

在 AI4S 这个人人都在谈交叉的领域,那些看似绕远的路,最终都成了他脚下最扎实的地基。

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

Meta 发布 Muse Spark:迈向个人超级智能
TOP1

Meta 发布 Muse Spark:迈向个人超级智能

谷歌发布Gemini 4 Neon,每百万输入3美元
TOP2

谷歌发布Gemini 4 Neon,每百万输入3美元

3

美多起技术故障疑与AI补丁潮相关

4小时前
美多起技术故障疑与AI补丁潮相关
4

国内首款Gen6 SSD量产,AI存储重算经济账

4小时前
国内首款Gen6 SSD量产,AI存储重算经济账
5

银行推出Token贷:烧掉的算力账单变成贷款额度

6小时前
银行推出Token贷:烧掉的算力账单变成贷款额度
6

英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响

21小时前
英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响
7

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

21小时前
DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%
8

Gemini 临时聊天与关闭历史后的留存期,从 72 小时延长到约两个月

21小时前
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断