“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
只要折腾，就还有希望。
👦🏻 播客采访：Koji
🥷 整理编辑：十字路口
🧑🎨 排版: Zeoooo
🚥 本周，十字路口的嘉宾是开物纪创始人陆子恒。
他们刚成立就拿到数亿元的种子轮融资，投资方阵容强大：Monolith 领投，光合创投、集富亚洲跟投，高瓴创投、IDG、蓝驰创投、BV 百度风投、L2F 光源创业者基金等老股东超额加注。
开物纪的使命是用 AI 更快发现并验证能够"改变人类命运"的新材料，并让它们从实验室走向可量产、可商用。
子恒会和我们介绍：当我们讨论 AI 发明材料时，AI 究竟在"发明"什么，瓶颈在哪里，商业化又将如何展开。
子恒也在中关村学院带 PhD，我们聊到了 AI 时代的学习和人才：在工具与范式都快速变化的今天，应该如何学习？读 PhD 还有必要吗？又该如何判断自己适合走学术路线，还是去产业一线？
最后，虽然这一期聚焦 AI for materials，但它对所有想把 AI 用在垂直行业的人都有启发：从如何定义问题、积累高质量数据，到如何把 AI 大模型的能力嵌入业务流程，形成可持续的交付与商业闭环，这些方法论都能迁移到其他行业。
更进一步说，几乎每个 AI+垂直行业都会遇到同一个问题：当你终于造出一把能挖出金子的"铲子"（模型与能力）时，是把它交到别人手里，还是选择自己下场去挖？
微信收听播客：
小宇宙收听播客：
🎬 视频播客已同步上线于 @Koji杨远骋 的视频号、小红书、哔哩哔哩、Youtube 等平台
快问快答
👦🏻 Koji
我们从老传统快问快答开始，帮大家更快地了解你。请问你的年龄？
👨🏻💻 子恒
34。
👦🏻 Koji
毕业院校？
👨🏻💻 子恒
本科是南京理工大学，博士是香港科技大学。
👦🏻 Koji
MBTI 和星座呢？
👨🏻💻 子恒
MBTI 我知道我是 E 人，星座是摩羯座。
👦🏻 Koji
一句话介绍一下开物纪和你们在做的事情。
👨🏻💻 子恒
开物纪希望用 AI 发现那些能够改变人类命运的新材料。我们 scale AI 模型，做材料的发现、量产和商业化。
👦🏻 Koji
目前有收入和利润了吗？
👨🏻💻 子恒
没有，0。
👦🏻 Koji
团队规模呢？
👨🏻💻 子恒
十个人左右。
👦🏻 Koji
公司成立多久了？
👨🏻💻 子恒
去年 9 月份注册的。
👦🏻 Koji
创业前在做什么？
👨🏻💻 子恒
创业之前在微软 MSR，做 AI for Science 这个方向。同时，国内成立了几个国家人工智能学院，我也深度参与了其中，特别是北京中关村学院物质方向的建设。
现在我还有一个身份，是北京中关村学院的首席材料科学家和物质方向的负责人。
👦🏻 Koji
厉害，还要带学生。子恒，你们这一轮融资金额非常大，消息一出来，很多人都觉得"哇，太牛了"。你觉得大家投你们，是在投什么？
👨🏻💻 子恒
这是个特别好的问题。大家投这个领域，更多是看到一个时间节点到了：过去几年，模型的能力有了巨大提升，以至于未来几年，有可能真的诞生出改变人类文明的材料——这是我们的理想。
更有可能的是，我们能发现那种把一个行业、一个产业往前拉一大步的材料。这可能是很多人投资的底层逻辑。当然，也有人说投团队，我也认。
一块材料，能值多少钱
👦🏻 Koji
可不可以稍微展开一下，当我们说到用 AI 发明材料时，到底在发明什么？特别是为完全不了解这个行业的人介绍一下。
👨🏻💻 子恒
这也是个非常好的问题。材料是什么？回归第一性原理，材料就是一堆原子。
我们做的事情，最本质上，就是在白纸上放原子，放完就是一个材料。
但这有很高的要求：第一，放出来的结构能量不能太高，要能被合成，否则都是假的；
第二，它还得具备我需要的基础性质，并且最终能被做出来、实现商业化。
Fundamentally，这就是一场放原子的游戏。
👦🏻 Koji
这个材料做出来，会成为某种材料 IP 吧？可以讲讲历史上最赚钱的材料 IP 是什么吗？它是大众知道的吗？
👨🏻💻 子恒
我举几个例子。比如早一点的，单晶硅。现在整个 AI、电脑这些东西，都是那一个单晶材料催生出来的。
你说这个材料值多少钱？晶圆本身就很值钱。
👦🏻 Koji
甚至硅谷都跟着"硅"姓。
👨🏻💻 子恒
Silicon Valley 嘛。再近一点，2011 年，几个日本科学家发现了一个由锂、锗、磷、硫四个元素组成的材料。这个材料有个特别 unique 的性质：它是个粉末，但如果压成一个片，质地跟这桌子有点像，比较硬。
可你很难想象，锂离子在里面穿梭的速度，和在水里穿梭的速度差不多。什么意思呢？我要穿过一堵固体的墙很难，但在水里游泳很简单。这个性质非常 unique，就这一个材料，把整个固态电池产业都带起来了。
👦🏻 Koji
在这个过程中，它能捕获多少商业价值？
👨🏻💻 子恒
这是个特别好的问题。目前固态电池本身还没有完全商业化，但在 BOM (物料清单) 里，它可能占的比例还是比较大的。到去年这个时间点，它一吨大概能卖七八十万，还是比较贵的。
👦🏻 Koji
那发明这个材料的科学家，怎么参与分成？这是个什么样的商业模式？
👨🏻💻 子恒
这也是我们特别关心的。在那个时间节点，那几位科学家当时应该是东京工大的，基本上是被丰田这家公司"养"起来了。最早也是丰田资助了他们，所以至少他们的研究是 free 的，个人我想也财务自由了。
👦🏻 Koji
我们现在要用 AI 去寻找类似的新材料。历史上大家可能是用别的方法找到的。到目前为止，有没有 AI 找到新材料的成功案例？
👨🏻💻 子恒
AI 找到的材料是有的。我们过去几年在微软做 fundamental research，也找到了一些材料。有些被别人验证了，比如散热领域的一些晶体材料；有些是我们自己验证的。
但是，目前看这类用 AI 发现的新材料，科学意义很重，但可能还没到能引起行业变革的商业价值。
反而在我们公司，有两点很有意思。第一，我们做的是非常前沿的大规模 AI research 和材料的 fundamental science research。
第二，这个商业模式其实没人做过，所以我们也在摸索，寻找那一类能带来巨大商业价值的原始 IP。
👦🏻 Koji
这我蛮意外的，原来发现新材料的人，大多是在科研机构？就没有一个专门的商业组织，使命就是发现新材料吗？
👨🏻💻 子恒
据我所知，如果单纯是这个使命，我不是那么 aware。你看材料研发，其实分两段。
第一段是发现原始的化合物，或者说原始 IP。
第二段是这个物质的工艺放量，后面就是卖钱了。
你会发现，过去绝大部分商业公司，在第二段非常强。第一段也做，像陶氏、巴斯夫也做一些有机材料，但好像完全 focus 在这种特别新的原始 IP 的公司很少，绝大部分都发生在高校和研究所。
而且有个特别有意思的现象，这些重磅 IP 往往发生在少数几个人身上，一个人能做好几个，别人都做不出来。比如 Goodenough，锂电里的主材没多少个，但他一个人就做了四五个，而且都是非常不一样的材料。
我也不知道他为什么这么聪明。这也是我们试图改变的事：我不那么聪明，但我要让 AI 这么聪明。
👦🏻 Koji
培养一堆 AI 版的 Goodenough？
👨🏻💻 子恒
僭越了。
👦🏻 Koji
你们做开物纪之后，有主攻方向吗？比如，你有没有去 bet 未来十年最有可能改变人类生活的材料会出现在什么方向？电池、散热、PCB 还是其他？
👨🏻💻 子恒
这是个特别好的问题，也涉及到两个 domain。一个是商业化上什么能挣钱，什么能导入，让别人真的愿意买，这不单纯是科学问题。
第二个是，有些材料可能短期不挣钱，但能改变人类文明。这两类都是我们的 target。简单说，一类是我要发财，另一类是我要 show muscle，向世界证明我们能行，世界要变化了。
第一类我稍微说得虚一点，真能挣钱的肯定不能说。但我们看的方向有几个：首先是能源。你看 AI，它 fundamental 的驱动力就是能源，最后拼的也是能源，这里面一定有机会。
那些理想型、梦想型的材料，比如超导，就和这个相关，还有核聚变的第一壁材料。这类材料既有商业价值，也代表了人类最高端的文明，我们都会看。
第二个方向，苏锡常附近有很多化工企业。比如胶水，远洋货轮里装甲烷、天然气的大球形舱，在极低温、极高压下，里面要刷一层胶水。那个东西附加值极高，也是被"卡脖子"的。我只是举个例子。
这类附加值高、又有技术 bottleneck 的东西，也是我们关注的类别。
👦🏻 Koji
过去，做这类高价值材料的公司，是做成一个跨品类的平台，还是专注某个单品，比如只做胶水或某种能源材料？
👨🏻💻 子恒
你如果追溯每一个大材料公司，不管是现在的巨无霸，还是新晋的赚钱公司，第一天成立时，基本都是靠一个单品。比如 Polyimide (聚酰亚胺)，是杜邦那几家做的。还有尼龙 66，当年都是靠一个品类做起来，后面有了资本优势，再慢慢演进成多个品类。
👦🏻 Koji
我之前做消费品牌，研究床垫、枕头时才发现，小时候听大人说的"的确凉"，其实是杜邦的一个材料，叫 Dacron，一种涤纶。这个材料也帮杜邦赚了很多钱。
👨🏻💻 子恒
对，就是这类，当年就是一个大单品，突然就爆了。这一类就是我们想做的单品，希望能做成。
材料界的 Flagship Pioneering
👦🏻 Koji
你会用一种什么方式来比喻自己的公司吗？比如材料界的药厂、台积电，还是 AWS、字节跳动？
👨🏻💻 子恒
我们出来的时候，就觉得有一家基金特别有意思，叫 Flagship Pioneering。它主要是孵化药物管线，从最前面的 Lead Compound 一直做到临床卖药。
最后大部分管线都死掉了，但做成的那些不再是一个药，而是变成了顶天立地的公司，比如大家一定知道的 Moderna。
Flagship 在药里面能做成这样，我们在材料里有没有可能也做成一个类似的东西？孵化出几个顶天立地的公司。
当然这是理想，但也只有这样的东西，才能对得起大家对这个行业的高期待。有难度，但值得去做。
👦🏻 Koji
如果要成为这样的公司，你们最终交付的是什么？材料专利，还是一套研发管线？这个目前有一些设想吗？还是一边走一边看？
👨🏻💻 子恒
"一边走一边看"更能描述我们的状态。目前我们的认知是，希望能自己从头走到尾，至少先走成一个。做工具、做模型，就像你有一把能挖出金子的铲子。如果真能挖出金子，我肯定不会先把铲子给别人用，我得先自己挖。
另外，这个行业特别需要一个从头打到尾、打穿的范例，让大家认识到这东西真的有用，才有可能去做所谓的平台企业。
所以在这一点上，我们目前可能更 prefer 在某个节点，我或者团队里的一部分人要去当厂长，去卖材料。
👦🏻 Koji
你发现这个创业机会时，看到了什么信号？
👨🏻💻 子恒
过去两三年，我们大部分时间在研发模型。过程中，也尝试用模型做一些材料设计。我自己不信只做虚拟筛选，必须得真的拿到东西才信。
我们有两三个材料，是真的做到了能拿到手上的状态。就是这些东西 trigger 了我们，让我们感受到模型能力变好了，有一个大的变化正在发生。
👦🏻 Koji
全世界范围内有多少人在做类似的事情？
👨🏻💻 子恒
最近几个月开始多起来了。海外有 Periodic Labs，贝佐斯做的 Project Prometheus，老 Max Welling 做的 CuspAI，还有 Orbital Materials。国内有深度原理，还有更早一点的深势科技。
那一天，大家吃完饭随手测了一下
👦🏻 Koji
你当时提到看到了模型的一种可能性，具体是什么？
👨🏻💻 子恒
有一个很好玩的 trigger。我们当时有个做凝聚态物理的同事，我非常 respect。我们有个模型叫 MatterSim，想做一个普适的模型，能根据任何材料的原子结构，zero-shot 地 infer 出它的基本物化性质，比如热力学性质。
这事有点像预测万物。当时那位同事就说："别说什么预测万物了，你就把一个最简单的物理性质，叫 Phonon (声子)——也就是原子在晶体里的振动模式——给预测准了就行。" 这在高中物理里，对应的就是比热容。他说，你要能用模型把任意材料的比热容都预测得很准，他就不信。
其实我自己心里也打鼓，因为这要求模型有极强的泛化性。我们一开始都不信，大家就闷着头做，做的时候还互相指责，这玩意到底 work 不 work？花这么多功夫去 scale 模型。但有一天，我们就随手测了一下，吃个饭的功夫，测完以后，大家的状态可能就不一样了。
👦🏻 Koji
那是哪一年？
👨🏻💻 子恒
应该是 2023、2024 年的时候。那个时候再回头看，发现是不太一样的。它当时的能力，真的超过了所有专门针对那个 domain 训练的模型。
我们没有针对那个性质去训过，也没有针对某一类材料体系去训过。但 somehow，好像有一天，能力突然就跨过一个坎儿了。
这对我们是个很大的 trigger。GPT-3.5 给我们的 hint 是，通过 scaling 确实能把模型的泛化性做得很好。
那在材料领域，我们能不能通过类似的方法把泛化性也做起来？当时就在纠结这一点。在那个时间点，大家没有明面上说，但心里还是觉得比较震撼的。
👦🏻 Koji
为什么没有明面上说？
👨🏻💻 子恒
都是一帮非常 decent、比较闷骚的科学家。
👦🏻 Koji
你们去年发了篇《Nature》，是在讲 Scaling Law 在材料模型里的应用吗？
👨🏻💻 子恒
这可能有点误传。那篇文章其实是我们比较早地用生成模型去做材料、化学药品的物质生成。物质生成不是新鲜事，之前已经做了很多年。但早期的模型，更多用的是像 VAE 这种比较老的、不 scalable 的架构，效果没那么好。
大概一两年前，DALL-E 2、DALL-E 3 出来以后，给我们的 hint 是，Diffusion 模型是可以 scalable 的，能吃进大量数据。那篇文章的特色，就是通过用 Diffusion 模型去 scale 之后，产生了比较好的效果，能力大幅超过了之前的模型。
文章里没直接写 scaling，但底层的驱动力是这个。
差异化？现在还没到竞争那一步
👦🏻 Koji
我们非常依赖基模的智能，那理论上，咱们可以用基模研发新材料，别的团队也可以。如果都依赖基模，我们的差异化和优势在哪？
👨🏻💻 子恒
这个问题特别好。一个前置条件是，今天大家不应该把"用 AI 做出好材料"当成一种竞争，还没到那个程度。现在行业急需的是，任何一个人，用任何一个模型，只要能验证，把一个突破性的材料做出来并商业化，整个行业的人都会非常好过。我们还在共同创造蛋糕的过程中。
在这个之外，就是您说的，你能做我也能做。那就看大家信不信自己造的铲子。对我们来说，我们觉得 scaling 模型——不管是通过 synthetic data，还是创造 scalable 的实验环境——最终是要做出非常好的基模。在这一点上，各家的认知还是有区别的。
👦🏻 Koji
认知的区别，最后会形成什么样的差异或优势？
👨🏻💻 子恒
认知分两层。
第一层是模型层面， 大家对"什么样的模型能真正驱动材料行业，发现那个特别贵、特别值钱、特别能带来变化的材料"的看法不同。
另一层面，是对模型能力边界的认知。 比如我做了一个模型，它在每个 domain 里到底能产生什么样的商业价值？能不能找到那个东西？这个甚至会形成壁垒。
这取决于团队的构成：是做材料的和做 AI 的人天天待在一起，对两边边界都非常清晰，还是靠两个团队互相交流？这会形成不同的文化和认知能力，直接影响最终能不能找到那样的材料。
所以，至少在我的认知里，做模型的、做统计物理 simulation 的，和实验室的老法师，必须得天天在一块。
克级、公斤级，然后呢
👦🏻 Koji
我们来聊点具体的，帮大家更好地理解你们在做什么。可以选一个你们正在跑的材料任务，讲讲从头到尾，如果成功了，会是什么样的过程吗？
👨🏻💻 子恒
我用一个假设的案例来讲。比如，我要在锂电池里找一种新的负极材料，要求容量比原来大、功率密度更高、电压更低。我从商业上认知到，由于大型储能等行业的需求，这种材料有市场。
那我首先会通过模型去生成或筛选出它认为符合我要求的 fundamental IP，也就是那些化合物。接下来，并不是用 AI 去过度优化这些 IP，而是和我们自己的老法师坐下来开会，看一个几百个候选物的单子，一个一个过，挑出那些明天就能下实验室做的。做完就赶紧反馈。
比如我做到克级，装到电池里，反馈不错。下一步，就在自己的实验室里做到公斤级。做到公斤级以后，真正使用这个材料的客户就可以拿去试用了，在他们的生产线上去试。
试的过程他们会有反馈，一旦有了好的反馈，就代表着我们可以自己或由他们来放量，这个东西就有机会了。就是这样一个流程。
👦🏻 Koji
AI 在这里面最关键的角色是哪一步？
👨🏻💻 子恒
我们认知到的是，在最前端发现那个颠覆性的、重磅的 IP 那一步，它能发挥最大的作用。
👦🏻 Koji
这个"发现"可以再展开讲讲吗？
👨🏻💻 子恒
我找材料，不是要把整个空间都搜完，我只要有一个能卖钱就行了。所以最好的情况是一击即中。但目前看，这比较难。
所以我们真正在做的时候，是让生成模型、数据库搜索等并行着跑。生成模型不断生成 candidate，同时我也会把人类已知的材料数据库都拎出来，用我们的预测模型去评估。
这样形成一个队列，我们一个一个快速地看，快的几十秒，慢的几十分钟，这都是在单卡上完成的。
👦🏻 Koji
你们的生成模型是基于 Transformer 还是？
👨🏻💻 子恒
目前更多是用 Diffusion 的过程去做，而且是基于 graph 的，它不像文本是 sequence。sequence 也可以做，但相关数据可能没那么多，不够训基模。
👦🏻 Koji
你们用的数据是什么？
👨🏻💻 子恒
人类合成过的所有能收集到的材料，以及我们认知上有可能被合成的那些材料结构。最终，模型要学的就是，在一个高维空间里，找到那个可以被合成的材料所在的 manifold ，然后在里面去采样。
👦🏻 Koji
听起来还挺暴力美学的，就是大力出奇迹？
👨🏻💻 子恒
是大力出奇迹。到今天，所有 AI 发生变革的领域，基本上走的都是大力出奇迹，从 AlphaFold 到 Large Language Model，再到现在的具身智能。
👦🏻 Koji
你们的第一个里程碑，预计什么时候会发生？
👨🏻💻 子恒
里程碑可能分两类。
第一类是 fundamentally 驱动整个人类材料科学的工具类进展。
我们希望未来一两年能把"物质自由能"这个东西打穿。一旦做出来，我们就可以对任何材料，非常准确地 infer 出它在热力学上能否被合成，这能代替很大一部分实验，对整个科学是往前走了一大步。
第二类是管线上的，什么时候能做出那种改变世界，甚至改变商业生态的材料。
这个说实话，我们自己不太确定。
👦🏻 Koji
感觉是，把正确的事情用正确的方法论做了，然后慢慢相信美好的事情会浮现出来？
👨🏻💻 子恒
对，这也是我们过去几年的一个体会。感觉大的路是对的，但因为大家都是非常 decent 的 researcher，所以都非常 skeptical。可是每次模型有大进展时，总会给我们一些 trigger，会觉得："唉，这个事情好像有点对……又对了一点"，是这样一个感受。
👦🏻 Koji
你之前在微软研究院，一个相对没有商业压力的环境。现在自己创业，也是研究驱动，但有了商业目标。你怎么看一个有商业目标压在身上的研究驱动型公司？它需要什么样的文化？
👨🏻💻 子恒
这事我们还在探索。但你会发现，做世界上最好的 research，是极端有意思的事。同时，摸索一个新的商业模式，也是 extremely exciting 的事情。
这两个事情是不是能有机地结合？真的用 fundamental 的技术大突破去驱动商业，这是最值得追求的。
当然，我们也有相当的敬畏心，管理上的事肯定要做。因为最终有了商业反馈，它反而能把技术驱动得更好。你看这几年发生的技术革命，都是由商业反过来驱动的。
DeepSeek、具身智能，包括现在的核聚变、超导，都是因为有强烈的商业诉求，资本才特别集中，大家诉求重了，技术迭代就真的快很多。这是好事，但压力也大。
开了三张 offer，手都在抖
👦🏻 Koji
你们融了那么多钱，钱会"贵"在哪里？准备怎么花？
👨🏻💻 子恒
这里面最贵的有两个。在现在这个时间点，最贵的是算力和 AI 的人。今年我开了三张 offer，说出来都唏嘘，开的时候我手都在抖。算力上，一年几千万是要烧的。
反而你做材料管线，一个实验室没多少钱，大几百万，做到公斤级也没很贵。在公斤级之前，AI 和人占大头。但一旦要放产能，后端的投资就特别贵，可能上亿。
👦🏻 Koji
所以目前是算力贵，人贵？
👨🏻💻 子恒
AI 人才很贵，比其他行业要贵一大截。
👦🏻 Koji
算力贵是因为要用 SOTA 模型吗？还是说必须自己训？
👨🏻💻 子恒
烧算力多，不是因为"用"模型，是因为"训"模型。我们的模型在某些能力上，还没到我们认为的拐点。
我们还没到那个工具上的 milestone，所以要持续迭代模型，这个很花钱。Inference 反而还好。如果哪天只做 inference 了，成本马上就降下来了。
👦🏻 Koji
那前面要花多少钱，目前是未知的？
👨🏻💻 子恒
大概有个数，但也挺贵的。
👦🏻 Koji
刚才提到 AI 的人很贵。一个商业化的科研驱动公司，需要把很多不同领域的优秀角色揉在一起。你希望公司是什么样的文化？
👨🏻💻 子恒
我觉得更多的是大家有共同的 believe，觉得应该一起去做一件特别伟大的事情。这个"伟大"，一方面是技术，另一方面是通过技术驱动巨大的商业价值。
到今天，公司大部分人是有底层技术信仰的，觉得这事儿未来几年会有大变化。
比如我们做化学的老法师，他之前一直有个理想：在没做实验的条件下，就能把实验结果猜个七七八八。这在他的认知里是不太可能的。但我们聊了以后，他认为未来一两年，甚至现在某些技术已经能实现这个点了。
那对他来说，是整个技术生涯的转折点。这样的人会聚集起来，去迈向下一个技术锚点。这就是我们能吸引到人的原因。
👦🏻 Koji
你们需要很多交叉人才，这种人在市场上多吗？还是得自己培养？
👨🏻💻 子恒
我们要的人，不是每个领域都懂一点，而是那种在一个 domain 里面特别特别硬核、超级专业，同时他的视野又很广的人。
👦🏻 Koji
在一个领域是专才，但知识面很广？
👨🏻💻 子恒
对，应该说"硬核"，我们特别看重这个词。
面试的时候，我现在不知道该问什么了
👦🏻 Koji
这两年中国出现了很多新的 AI 人才培养组织，比如你深度参与的北京中关村学院。你觉得你们需要的人才，能从这样的机构里出来吗？
👨🏻💻 子恒
很有可能。我在中关村学院也参与培养学生，我看到博士生们进来的第一天就进项目，在做的过程中成长，很像一个 startup。AI 是个很特殊的工具，学习方式也变了。
比如我最早做生成式模型，一篇文献都没看过，就是一直问 GPT 和 DeepSeek，追问下去，把自己的数理框架建立起来了。
👦🏻 Koji
今天模型已经拥有海量知识，学习方式和目标都在变。过去我们说"学会数理化，走遍天下都不怕"，好像知识就等于能力。但今天知识和能力在解耦，那要怎么学、学什么呢？
👨🏻💻 子恒
这个我真的没有答案，我也特别迷茫。我们面试时也一直在想，我到底面什么？问知识性的问题，GPT 全都能答，而且知识面比我强，这有意义吗？还是说，要面试他解决一个新问题的能力？
我们自己也不是特别清楚。但到今天，我们还是会问那些特别硬核的 domain 知识性问题。为什么？因为至少在过去几年，他能答得出来，说明他还是能学会的，这也是某种能力。
但在未来，这个边界感会很不一样。我也不知道您怎么看。因为 AI 的知识性太强了，是不是以后每个人都要学着当产品经理？
👦🏻 Koji
首先，主动性很重要。当知识唾手可得时，你是否主动去用了？历史上也有图书馆、Google，但不是每个人都把这些资源用得最好。
其次，对创业者来说，企业家精神很重要，比如韧性、领导力、愿景和感染力。还有就是大家都在讲的 taste，也就是审美。
👨🏻💻 子恒
对对对，这个特别重要。
👦🏻 Koji
这不只是抽象的美，做学术、做科研，背后也有审美。
👨🏻💻 子恒
您这点讲得特别有意思。这样说来，taste，特别是做 research 的 taste，好像会变成最重要的东西。
👦🏻 Koji
Taste 是一种选择，它会折射在方方面面。
👨🏻💻 子恒
我之前面试所有人，都会问一个问题：假设给你无穷多的资源——比如 10 亿人民币，100 个人的团队——你想干什么？这能筛选出这个人有没有想过，有没有 vision。
这是我觉得在这个时代可能比知识更重要的东西。
👦🏻 Koji
你是不是已经有答案了？
👨🏻💻 子恒
我们肯定有这样的愿景，不然不可能出来创业，压力很大的。
👦🏻 Koji
如果今天一个 PhD 听完这期播客，想投身 AI for 材料，你会建议他去学什么？
👨🏻💻 子恒
好问题。至少到今天，我觉得视野面一定要广。第一天就参与到一个重大课题里，做最核心、最硬核的部分。
你可以做模型开发，但要做得很深，细节很懂；也可以做合成，比如给我一个新的物质，我硬搓几个月就是能把它搓出来，特别难合的我也能合出来。
到今天还是这样。你说读哪个专业，我觉得现在看来，每个专业只要足够硬核，都可以。
👦🏻 Koji
所以你看重的是挑战最难的事情，以及在这个过程中积累下来的东西？
👨🏻💻 子恒
对，这也是对人能力的一种反馈。不是每个地方都 touch 一点，做组合优化，而是在一个点上锚定，去解决那个最核心、不可拆解的难题。
👦🏻 Koji
我们最后几个问题。如果今天你的弟弟说想申请 PhD，你会建议他去吗？还是直接来工业界？
👨🏻💻 子恒
我会让他去读 PhD。PhD 至少对个人发展来说，是一件特别好的事。它相当于是：有一个人给你一笔钱，不用还，让你去探索你觉得有意思的事。天下除了 PhD，还有这么好的事吗？这是人生最好的去探索各个领域、发现你想做什么事的一个阶段。
之前有人问我，读完 PhD 是不是年纪太大、就业困难？我说不要这么想，PhD 是给你发着工资，让你去做你觉得厉害的事，没有比这更好的事了。去大厂打工那是要回报的。
给 10 年后的自己：还折腾得动吗
👦🏻 Koji
最后一个问题。现在是创业第一年，一眨眼可能就十年了。如果现在有机会给十年后的自己说一句话，你会想说什么？
👨🏻💻 子恒
开心吗？还折腾得动吗？我是真的觉得，到那个时间节点，只要还能折腾，就会开心。
👦🏻 Koji
肯定折腾得动。
👨🏻💻 子恒
是吧？过去几年，我感受到的就是自己挺能折腾的。读本科时，我的目标就是月薪 3000 块，娶个老婆生个小孩。
👦🏻 Koji
3000 块是怎么来的？
👨🏻💻 子恒
因为在我认知里，我爸妈当时两三千块钱就过得挺爽的。就这个目标。快读博士时，有了出国的机会，整个人又开始变了。
读博快结束时，我说不行，我要去当教授，做学者能为世界做贡献。读完博当了老师，又觉得不行，我要做产业化，那才能真正改变行业、能落地，还能挣点钱。
再往后是在深圳，那地方影响我非常大，把我从一个非常 research-oriented 的人，变得开始接触市场，市场力量真的很大。我 18 年到 20 年在深圳住了三年。
👦🏻 Koji
那时在做什么？
👨🏻💻 子恒
在中科院深圳先进院，有自己的 research 团队，做电池研究和一部分产业化工作。
👦🏻 Koji
深圳怎么影响你那么大的？
👨🏻💻 子恒
深圳很有意思，整个城市都非常有热情，它的运行逻辑是 build on 一个经济的 ecosystem。比如在先进院，你要过得好，就要自己去外面拿经费，不管什么方式，可以孵化企业反哺，也可以拿国家的、横向的经费，但必须得能反哺。
这个逻辑特别好，压力很大，但只有能满足这个逻辑的，才是真正有意义的 research。这事对我影响非常大，加上深圳当年有大量的人创业。再往后，拿了个机会去了剑桥，2021 年，逆着疫情去搞 research。回来拿了一圈教职 offer，最后都没去，而是去了微软研究院。
因为感觉 AI 来了，必须得在大厂才能做事。
你看，折腾是没错的。到现在又出来折腾。只要折腾，就还有希望。包括现在看很多大厂在瞎折腾，回过头来，瞎折腾也是好事。
👦🏻 Koji
我觉得瞎折腾是好事的原因是，只有折腾，才会扩大所谓的"运气面积"。
👨🏻💻 子恒
对对对，真的是这样。
👦🏻 Koji
你自己这么爱折腾的精神，有源头吗？比如来自教育，还是环境影响？
👨🏻💻 子恒
我也不知道怎么就变成现在这样了。我觉得有一部分是，我非常感谢我父母。我爸妈对我特别好，我有一个特别好的家庭环境，小时候他们特别爱我，甚至有点溺爱。
以至于到什么程度？我跟我老婆聊起，她问："你没有想过家吗？"我说我这一辈子到处跑——英国、美国、香港、深圳，这么多年，想家的次数可能一次都没有。
我原来以为是不是我有什么问题，后来发现，就是小时候被保护得很好，我安全感非常强。
👦🏻 Koji
诶，这个好有意思，安全感强的人不会想家？
👨🏻💻 子恒
我真的不想家。可能刚创业那两天压力巨大时，会有一点点想。但是这么多年在海外，各个地方漂，睡那种很奇怪的房子的时候，都没想过家。
👦🏻 Koji
所以你觉得这其实是来自安全感？
👨🏻💻 子恒
这是我的感觉，父母是我非常非常强的后盾。
👦🏻 Koji
他们是做什么工作的？
👨🏻💻 子恒
大学老师。
👦🏻 Koji
好的，那今天谢谢子恒。也希望开物纪尽快做出牛逼的材料。
👨🏻💻 子恒
好，感谢。