文章核心观点 - 张载熙创立AI4S公司科理新序，致力于开发多模态长程推理基座模型，以“Science Token”为核心，旨在成为AI4S领域对标DeepSeek、Anthropic的基座模型公司，并认为AI4S市场价值可媲美甚至超越Coding的万亿市场[4][9][11] 公司背景与融资 - 科理新序（Scinetics）由28岁的张载熙创立，其背景包括中科大少年班、直博、哈佛医学院联合培养及普林斯顿博后[5] - 公司近日完成近5000万元人民币融资，由英诺科创基金领投，沂景资本、小苗朗程、麟阁创投跟投[5] - 张载熙选择创业而非大厂首席科学家或美国教职，核心原因是追求“工作自主性”，希望主导研究方向，享受从零搭建体系的过程[8] 技术路线与核心产品 - 公司核心产品为多模态长程推理基座模型，提出“Science Token”概念，将小分子、核酸、蛋白质结构等科学数据转化为统一表征单元，不再经过人类语言转译，直接在原生科学模态中推理[8] - 模型训练分预训练、mid-training、后训练三个阶段：预训练建立多模态生命科学表征，mid-training学习跨层规律，后训练增强长程推理能力[22] - 长程推理能力可像人类科学家一样分步推理，例如酶设计时先搭建活性中心，再搭建支架，最后微调细节，这是传统垂直模型和工具调用智能体不具备的[24][25] - 在蛋白质结构预测、蛋白功能注释、RNA二级结构预测、DNA突变预测等单项任务上已取得不错效果[29] - 团队在开发Stella、BioClaw等智能体时积累了长链条推理数据，并摸索了通过后训练增强推理能力的方法[27] - 公司已跑通干湿闭环案例，在靶点发现、抗体优化、小核酸设计等任务中，AI对接真实科研任务并连接自动化实验设备，支撑持续获取训练数据和迭代[27][28] 商业化路径 - 短期聚焦商业化路径最清晰的生命科学，未来逐步拓展至材料、工程等科学领域[9] - 探索以Science Token作为计费单元的商业模式，定价逻辑除算力和电费成本外，还需衡量科学价值，例如小核酸数据稀缺，对应Token价值更高[31][32] - 理想买方为药企，当模型能力足够强后，可承接抗体、多肽、小核酸等各类管线任务，按消耗的Science Token计费，类似Coding的计费模式，省去大量BD个案谈判[33] - Science Token仍是公司独有概念，全行业尚无成熟方案衡量长链条科学推理数据质量及计费标准，需行业共同推动形成共识[34] 行业与市场观点 - 张载熙认为AI4S一定会出现GPT时刻、Coding时刻，且市场价值可以比肩甚至超越Coding，因为AI4S变革人类底层科学探索和发现新知识的能力[9][12] - 现阶段AI4S赛道噪声不小，技术路线未形成共识，主要路线包括：科学智能体（落地快但受限于文本翻译）、虚拟细胞（模拟细胞变化）、以及公司选择的基座模型方向（自下而上聚焦底层分子相互作用）[13][14][15] - 科学智能体存在根本性问题：将科学问题翻译成自然语言再翻译回结构指令，会导致精细三维结构和多模态关联信息丢失，这是范式本身的天花板[17][18] - 例如蛋白质局部结构优化，智能体需反复交互几十遍，浪费大量Token，结果仍不可用，根源在于没有原生的科学模态推理能力[19][20] - 市场存在两种极端心态导致投资决策犹豫：一部分投资人认可万亿市场但怀疑现阶段技术能力，另一部分认为市场小、客户付费能力弱[35] - 更愿意押注AI4S基座模型的投资机构包括投科技的市场化基金及曾深耕制药领域的投资人，他们理解药企内部集成上百个小模型导致的“历史技术债”和高维护成本，从系统工程逻辑判断AI是变革的最强力量[36][37] - 投资人共识性要求是快速迭代模型、抢占领头羊位置，且认为短期内不需要过度在意商业化订单，优先把模型能力做出来更重要[37]