十字路口目录 · 公路对谈

Odin:分子设计、科学自动化与创业选择

从统一蛋白、核酸和小分子的设计,到让更多人参与科学发现:一个创业者的技术路线、证据与愿景。

先把对话讲清楚

快问快答:00 后创始人的履历与英灵殿定位

这是一期边开车边聊的“公路播客”,后半程两人在上海青浦湖边扎营续谈。主持人 Ronghui 对谈英灵殿(Valhalla)创始人兼 CEO Odin。他高三保留学籍离校自学考上浙江大学,本科双修药学与物理学,后进入 2024 年诺贝尔化学奖得主 David Baker 实验室,又在导师获奖、资源涌来之际离开,回国投身 AI for Science(AI4S,人工智能驱动科学研究)创业。

个人画像2001 年生,26 岁;金牛座,MBTI 自述属 NTJ 型(原转写录作 NTG);中文名昊天,常年戴头巾,研习佛法。
求学与科研本科浙大药学院并双修物理,硕士浙大(官方简介提及其两度离开硕士项目),随后赴华盛顿大学加入 David Baker 实验室做 AI 蛋白设计。
公司与团队短期打造最强的 AI 制药平台,长期通往“科学通用人工智能(Scientific AGI)”;录制前一天团队刚满 30 人,由创业前合作紧密的小型研究团队召集扩展而成。
融资进展第一轮由五源资本(原转写录为“五元资本”)领投、另有一家机构跟投,第二轮由真格基金快速出手,随后又完成一小轮加轮,累计融资数千万美元量级。

1. 科学通用人工智能与“将错就错”的分子世界模型

Ronghui 先问“科学通用人工智能(Scientific AGI)”和通用人工智能(AGI)有何区别。Odin 回顾科学史:开普勒靠海量数据分析、反复提出假设并验证才发现行星运动三大定律,人类从牛顿力学走到量子力学花费了三四百年;若能全自动化这一科学发现过程,就能把数百年科学史压缩到十年甚至更短。它仍建立在当代 AI 基础设施之上,更像是把多种基础设施串联起来的终极科学应用场景。

落到模型载体,Odin 介绍公司打造的全模态分子设计模型 ODesign,并称之为“分子世界模型”。早在“世界模型”概念爆火前他们就已这样命名,概念走红后干脆“将错就错”。生物分子基本可归为 DNA、RNA、蛋白质和小分子四类,“全模态”意味着同时模拟并设计全部四类分子——用他的话说,能模拟也能设计每一种模态的分子,“实际上就是一个微观世界的神”。

为什么此前即便在 Baker 实验室,大家也多只做单一模态?Odin 认为根源在学科背景与历史惯性,而非别人做不了:做小分子的多是药物化学出身,做出工具(锤子)便急着砸自己的药物管线(坚果);Baker 团队深耕蛋白设计,拿到新锤子后也自然在蛋白任务上全面开花。后来已有其他前沿团队陆续切入全模态,进入“架构之争”。在他看来,后验知道能做与先验敢押注完全不同——团队因小分子、蛋白、核酸都做过且小分子曾处前沿,得以看清各模态共性与差异,在先验阶段便敢设计统一架构。

2. 五年前的物理直觉:用 AI 黑盒逼近“统一作用力”

这种信念最早来自五年前学物理时的直觉:物理学有引力、电磁、强、弱四种基本相互作用,而在他当时的理解中,生物学常讲的氢键、疏水相互作用、范德华力等,都可视作电磁相互作用在不同级数上的泰勒展开,背后存在一种“unified force(统一作用力)”。传统物理学与工程能力难以写出统一解析方程求解所有分子问题,AI 则提供了“更黑盒”的求解路线。团队采取“曲折迂回战术”:先做小分子,再做蛋白,再做核酸,摸清共同建模结构后再串成统一框架。

3. 从学术走向产业:ODesign 与“一个本科生梭哈八个靶点”

谈及为何离开高校创业,Odin 坦言如今许多重大发现正在学术界之外出现,人员组织、产业闭环和算力支持都让年轻人在产业界更易施展。此前团队与临港实验室合作推出全模态早期开源项目 ODesign,在有限资源下“造出来的轮子看起来还能用”,便想到:“既然穷的时候都能做出来,如果哥几个有钱了,为什么不把它做成产业?”

他举出 ODesign 早期湿实验的标志性案例:当时人手紧缺,他只带了一名名叫杜刚的本科生,直接针对 8 个靶点(希望被设计分子结合的生物目标蛋白)集中做了一轮蛋白设计,“直接梭哈一轮”,基本每一轮都获得亚纳摩尔(sub-nM)级别活性的分子(纳摩尔级指十亿分之一摩尔每升的极低浓度尺度)。从前 8 个靶点往往需配 8 名博士生全程跟进,如今一名本科生在指导下即可并行推进。两人由此达成共鸣:Scientific AGI 不是取代人类,而是降低工程门槛,把人从繁杂工程中解放出来,去专注更本质、更哲学的科学问题。

4. 每天吃四个鸡蛋的修行日常,与“只有 2026 年才能做”的原因

被问每天行程,Odin 借佛陀教导的三件事概括自己——等待(物质条件不足时静待天时)、斋戒(严格作息与戒律)和思考(不断追问下一步做什么)。日常极简:起床收拾,吃 4 个鸡蛋,全天绝大部分时间做研究、与团队讨论解题、自己写代码并大量读文献,创业后加上商业化与团队建设。

他把商业化比作“想成佛也得落在每天修行上”,给出近期里程碑:发布更接近分子世界模型的下一代自研模型(原转写先后录作 LD / LDesign),可设计并验证任意模态组合——例如根据小分子设计蛋白质(酶设计)、根据小分子设计小分子(人体代谢废物检测)、根据蛋白质设计 DNA(体外诊断试剂)。他重点举了阿尔茨海默症早期血液标志物 p-tau217 的例子:针对该蛋白设计可特异结合的 DNA 适配体(aptamer,能折叠成特定三维形状抓取目标分子的短链核酸),设想未来去医院抽血多花 20 块钱即可顺手早筛。问及为何偏偏 2026 年才能做成,他直言并非技术刚到拐点(做完 ODesign 时技术已基本就位),而是 2026 年资本市场活跃、有钱也有人能把专家、算法、工程团队以及合作高校、CRO(医药研发合同外包机构)整套复杂体系组织起来。

5. AI4S 的几阵风、不做管线的取舍,与 Day 1 配齐 COO 的团队

回顾 AI 浪潮对生物设计的赋能,Odin 串起几阵关键东风:Transformer 变种 AlphaFold 攻克蛋白结构预测;宋飏发表随机微分方程(SDE)扩散模型论文(团队很早就用扩散模型做构象预测);Baker 实验室用扩散模型做蛋白设计(RFdiffusion),把过去筛选上万个才出一两个活性分子的效率,大幅推进到有时做 48 个就命中 1 个。大家在各自领域“等风来”,同时主动探索解法。

针对“做不做自有药物管线”,Odin 明确回答短期不做:一是会分散 AI 底层研发精力,二是自建管线容易变成跨国药企(MNC Pharma)的竞争对手而非朋友。主持人则点出历史张力:平台与管线看似二元对立,实则有机统一——平台产管线,管线反证平台价值。

谈及 30 人团队构成,他分享了一个反直觉的组队顺序:英灵殿在 Day 1 就配齐了 Biotech 出身且懂运营的强力 COO、行政、HR 甚至出纳,稳住后勤;Research 团队(主要由港中文学生、博士后及此前合作的 AI 制药年轻学者组成,兼有 CS 与模型训练背景,仍在与 Baker 合作推进部分模型)专攻“星辰大海”、不背商业指标,选人不迷信专业标签,重学习与适应能力;商业化团队专责客户接口与药企对接。

6. 书单与创业起点:“本质上是对世界的不满”

聊起阅读,Odin 提到 10 年前读过、录播客前重读的《禅与摩托车维修的艺术》,从中体会“在圣不增、在凡不减”的禅意及关于大学、教育与良知的追问;近期还重读黑塞《德米安》,常翻《战国策》《资治通鉴》与佛经《大方广圆觉修多罗了义经》(《圆觉经》)。

问及创业扳机,他直言:“创业本质上来讲,是我们对世界的不满。”无论在大厂还是学术界,年轻人常遭遇“you made the credits, but the credits will not return to you”的不公;从高三离校、两次离开硕士项目到离开 Baker 实验室,背后都是对无形框架束缚的反抗。他举出一桩亲历:自己耗费两年半写完《图神经网络与现代药物设计》,出版社却以“更权威、考虑社会效益”为由,要求把正高职称导师排作第一作者。主持人接梗姜文电影《让子弹飞》台词“我来鹅城只办三件事:公平,公平,还是公平”。Odin 承认创业同样有不公,把悟道与创业比作苦海里的树枝——既要有原则,也要圆滑绕过溪流弯弯绕绕。

7. 赌中 Baker 拿诺奖,却在雷尼尔雪山阳台上扯断“玉做的枷锁”

早年做 AI 小分子时,Odin 发现小分子面临严重的工程脱节——AI 设计的分子难以化学合成,被迫靠合成预测模型层层妥协。不想死磕的他申请三所学校后凭直觉“梭哈”了 Baker 实验室,行前就笃定 Baker 能拿诺奖,只没料到获奖来得如此之快。然而诺奖落地、资源涌来时,他却选择出走:大实验室里可以做资深工程师,却无法决定模型架构走向——大课题组的架构势必沦为各方妥协的“最大公约数”,而“搞科学很难容得下沙子”。

雷尼尔雪山下的顿悟

在西雅图遥望雷尼尔雪山的阳台上,他念出鲁智深圆寂偈语:“平生不修善果,只爱杀人放火。忽地顿开金绳,这里扯断玉锁。钱塘江上潮信来,今日方知我是我。”在他眼里,Baker Lab 的光环与体面头衔就像一副“用玉做成的枷锁”——好看,却限制人开宗立派、著书立说。

回国筹备 ODesign 后,当时 1 月份他挨个给之前合作、带过的博士生打电话,自比“像朱元璋造反,回沛县喊兄弟”,靠的不是头衔和钱,而是信念、愿力以及历史上“想做的事基本都做成了”的声誉。他将愿景拆成两层:“比较小的伟大”是结合生物基础设施堆叠全模态能力,让过去因患者少、药企不愿碰的孤儿药(罕见病药)成为可能(举渐冻症患者蔡磊号召科学家、药企与基金推动十余款药物入临床为例,证明很多病并非做不了);“真正的伟大”是自动化科学发现,如同工业时代珍妮纺纱机让一个小孩产出十个成年人的织布力,希望打造“新时代科学发现的蒸汽机”,让本科生做出博士生甚至教授级别的发现。问及最大难点,他干脆答:“钱不够”,终局必是产学研协同。

8. “这是好事”、高三骑车十公里自学与每天 16 小时笨功夫

面对“这是好事”的口头禅,他解释自己早已抛弃好坏二元对立:纷争源于“贪、嗔、痴、慢、疑”的执着,事情本身无好坏,有好坏的是心;并纠正主持人(主持人顺带聊起童年靠大姨教的心理暗示治好晕车)将其等同于消极心理暗示的说法,强调真正的“境随心转”是心境转变带动现实处境一同流转。

谈及高三“辍学”,他澄清是保留学籍、离校自学。以苦行僧心态,山西严冬不戴手套每天骑车 10 公里去图书馆;为攻克弱项英语,打印历年所有高考真题反复做、反复读,看到英语产生生理性反胃,最终考出人生第一个 150 分满分。他说自己排斥取巧:“我没有好的学习方法,只是每天学 16 个小时而已——两眼一睁就是干。”离校是为了像《禅与摩托车维修的艺术》主人公一样主动掌控节奏,自己当自己的哲学家。

9. 从 Baker 学来的“拿诺奖秘诀”、融资博弈与“夜风吹我至此”

作为 30 人团队的 CEO,他用两个关键词概括管理风格:一是平易近人、深入细节(不设独立办公室、与团队坐在一起;在 Baker 身上学到的“拿诺奖秘诀”是到了 60 多岁仍清楚每个博士生在做什么及全部技术细节);二是充分授权(学自浙大侯老师常说的“你决定就好”)。近期最难的大决定集中在融资、估值与稀释的平衡上,各方声音交织下他暂选“做所有中国投资人都投得起的好企业”(坦承未必正确),认为投资人入局后是朋友不会真夺控制权,稀释也可通过后期高管激励计划弥补。

此前他当过创业二号位,本想当只出技术不管商业的“臭老九”,却因性子急、标准高做不下去,干脆站出来扛一号位责任。深知硬科技一号位基本只有一次机会,多数科研人才想等三四十岁拿教职后“一击必杀”,他却说“是夜风把我吹到了这里”——过去的选择、性格与时代环境共同推着自己,人在模糊时代不可能万事俱备,“创业最重要的是先出来”,先迈出半步。

10. 修道做减法、选人看“红温”、架构无常与 AI4S 战国时代

在情绪高涨的融资潮中,面对大厂背景偏好、模型派与商业闭环派等各种噪音,他以佛经“众生皆有如来智慧德相,因其妄想执着,不能证得”自省,把创业看作修道做减法:刚在录播客时闪过一丝“成了公众人物”的妄念便立刻警觉,默念“修习戒定慧,熄灭贪嗔痴”,也警惕对自身路线的执着。他爱抄背金句,最近刻意记住的正是“创业最重要的是先出来”。招募伙伴看缘分与靠谱,尤其偏爱聊到行业竞品有多强时会瞬间“红温”(有不服气与胜负欲)的技术人。

针对有人(原转写录作罗伯特)反复追问模型架构,他辩证表示:架构虽决定当下壁垒,本质却是“无常之物”,迭代极快,不必执着于 Transformer、Diffusion 还是混合架构,真正重要的是要解决的科学问题(彼岸)。看当前教授和 PhD 创业潮,他认为上一代 AI 制药滑铁卢后沉寂已久,如今 AI 制药/生物、AI 材料、类器官、Virtual Cell(虚拟细胞)百花齐放,正处“战国时代”,五年后或收敛出“秦国”;中国在 LLM 上或落后美国一头,但在物理智能与 AI4S 上有机会打平甚至一马当先。给下海学者的建议很务实:找好 FA(财务顾问)和律所、学懂条款、干中学;选 FA 看沟通 chemistry,公司里自己凭感觉判断、COO 抛出具体问题;若因认知不够踩坑,“吃亏是福”。

11. 湖边回溯科研路:重编程生命与“如果神存在”的命名野心

在青浦湖边扎营后,Odin 完整回溯科研轨迹:2019 年大二进浙大药学院并双修物理,写信给药学院侯老师(原转写录作“侯其君”)获复“昊天,好”加笑脸起步;先做分子动力学与 Frank Noé 等人的 Boltzmann Generator(用 VAE 和 Flow Model 做构象生成),却觉得动力学常像“先相信再看见”的宗教,多是事后找轨迹匹配现象;2021 年转向 AI 小分子发了不少 Nature 子刊,看清化学合成死结后转投 Baker Lab(明白蛋白干湿闭环门槛更低,故而 Baker 先拿诺奖)。如今他瞄准分子生物学中心法则(DNA → 转录 RNA → 翻译蛋白质):从蛋白干预(约一天一针)进阶到 RNA 干扰(约一针半个月)再到基因修改(从源头解决),最终对生命相互作用网络“重编程”,乃至极遥远终局里探索从无机物创造生命与意识——伦理问题尚远,制药与合成生物只是途中的“副产物”;对普通人最快可感知的价值则是按个人基因型和蛋白表达水平定制专属药物。

这份野心直接落在命名上:他中文名昊天(道教自然神),赴美后法国朋友不发 h、把 t 读作 d,听起来酷似北欧众神之主 Odin,北欧同学觉得很摇滚;深层则寄托一句叩问:“如果神存在的话,我又如何能够容忍自己不成为一个神?所以神是不存在的。如果你能够创造所有的分子,那就是神。”被问命够不够硬,笑称“跟释迦牟尼同一天生日”。公司最初拟名“万象生物”觉得太俗,改名英灵殿,寓意迎战诸神黄昏般的 AI4S 商业终局。自称并非天生好斗,小时候性格软才练拳击,悟出“能战方能止战”;做事唯一准则是第一性原理——“在科学中求真,在艺术中求美”,真即美。自认从出生就没变过(返璞归真),面对困难说“It's not my problem——觉得困难是困难,才是你的问题”。

12. 随机游走的粒子、头巾演变、防范异化与向扎克伯格抛出的终极一问

谈人生拐点,他总结为不断发现靠父母、靠老板、靠朋友都不如靠自己——连融资定价,即便找资深 FA 抛出 1 亿、1.2 亿还是 9000 万美元,对方也说不出绝对理由,最终还得自己拍板。他反驳流行的“世界是个草台班子”论调,提出世界是一个随机游走的粒子:选择本身差别不大,关键是尽快促成碰撞、收敛到下一阶段(如察觉学术界快速收敛进入“末法时代”便果断折返,创业后不等完全准备好便启动商业化试水),即便资本市场遇冷也会照样创业。至于标志性头巾的来历:赴美前为向往嬉皮士文化开始戴,到美国发现嬉皮士早成过去,遂留作提醒自己“永远在路上”(《禅与摩托车维修的艺术》:“在路上比到达目的地更重要”),后来理由变得极简单——不用打理头发。

创业至今最深的体会是警惕融资中的“异化”:容易迷失在“面向 VC 创业、面向市场创业还是面向自己创业”之间——VC 爱听找老法师做管线卖钱,或把世界模型、Agent、Robotics、Physical Intelligence、抗衰老拼装起来抬估值,连自己也曾动摇,必须剥离妄想与执着,回归发心(“Yourself”)。创业后比预期更认真务实、从 Day 1 直面商业化,不变的是“穷哥们儿永远是穷哥们儿”,账上有钱了仍时刻牢记为何出发。最后,如果能问世上任何人一个问题,他想问扎克伯格一句禅宗公案:“何为祖师西来意?”——当你极有钱、极成功之后,还记不记得当初的初衷?初心决定一家公司只是赚钱,还是能变得伟大;创业与学术只是不同法门,抵达的是同一彼岸,“万一这哥们儿真的悟到了呢?”

机制:从已知分子到候选,再到湿实验闭环

先看任务是什么:假设研究者已掌握某致病靶标蛋白的三维结构,希望设计能紧贴其特定区域的小蛋白结合物或 DNA 适配体。输入是目标分子结构与期望结合位点,输出是一批候选分子的三维构象及对应序列(或小分子原子图谱)。模型交付的是高潜力候选清单,不是可直接临床的药物。

ODesign 论文的统一建模机制:为把蛋白、DNA、RNA 与小分子纳入同一框架,ODesign 论文采用统一的条件遮盖生成:训练时在已知复合物中按不同粒度遮住局部原子团、片段或整条分子实体,让模型以保留上下文为条件生成缺失部分。推理时“保留靶点、留空结合物”即可构造结合物设计,替换模态即可对应酶设计、小分子或核酸适配体设计。生成分两步:全原子扩散模型从噪声去噪生成三维结构,再由逆折叠模块反推对应序列或原子类型。这里的“统一”是共享任务接口与架构,不意味着四类分子的数据密度、化学合成约束与物理动力学难度相同。

模型输出后的下游关卡:候选先经结构预测一致性与计算打分初筛,再进入合成与湿实验测定是否结合、亲和力(纳摩尔 nM 或皮摩尔 pM)、特异性与稳定性;若用于制药或临床诊断,还须经历功能验证、细胞与动物实验、成药性、毒理及临床灵敏度/假阳性验证。每一步都可能淘汰前一步的高分候选。

核对论文中的具体口径:吞吐量 ≠ 湿实验成功率

ODesign 论文 v2 在 11 个靶点的蛋白结合物基准中,按结构预测相关阈值筛选,报告每张 H100 每天通过筛选的平均候选数为 ODesign 2,672 vs RFdiffusion 555(约 4.8 倍)——这是计算筛选吞吐量,不是湿实验命中率或临床成功率。另据项目页披露,8 个湿实验靶点中有 4 个最佳蛋白结合物达到皮摩尔级(pM)亲和力;这属于项目方汇报的最佳单点结果,未披露全部筛选总数、失败次数与成本,需与访谈口述“基本每一轮都有亚纳摩尔级活性分子”区分口径。

独立判断:从分子设计到科学发现,还缺哪些环节

1. 统一接口有工程价值,但“能生成结构”不等于“掌握全部物理条件”

统一架构处理多模态分子交互能减少重复造轮子,也为跨模态条件设计(如由蛋白设计 DNA 适配体)提供共同接口。但“归结为电磁力展开”只是启发式物理直觉——疏水作用等还强依赖溶剂水分子网络熵变与热力学环境,模型掌握程度仍取决于各模态数据覆盖度、动态构象表征与分布外泛化。项目页湿实验重点在蛋白结合物,其他模态的计算结果不能自动等同于同等实验验证;“20 元抽血早筛 p-tau217”也属远期设想,距临床准入仍有长路。

2. 平台与管线的张力不会消失,关键看谁为早期验证买单

短期不做自有管线可保住研发专注度、避免与大药企客户直接竞争;但主持人指出的另一面同样尖锐——纯平台早期极需透明、可复现的硬靶点湿实验战绩来说服药企持续买单,避免重演上一代 AI 制药平台“卖软件单价低、做管线资金黑洞”的两难。

3. 科学发现的瓶颈不只在“跑得更快”,还在“提出并证伪新假设”

本科生在模型和团队支持下并行设计 8 个靶点,说明 AI 已显著压缩“给定靶点后的候选设计”工程环节(也应区分团队协作与单人独立完成全部实验)。但通往 Scientific AGI 还需要判断哪个疾病机制值得投入、现有靶点假说是否错了,以及失败后该换测量手段还是换问题。

更严格的检验思路(本文建议,非节目实验)是向系统给出尚未预设答案的实验反常现象,要求它提出竞争性机制假说、选出低成本判别实验并事前写明不同结果如何修正判断,再用真实实验结果检验其纠偏与发现新问题的能力,并与“只优化既定目标的系统”及人类研究者作双对照。

4. 离开大实验室换来架构决定权,也同步接过全栈经营风险

离开刚获诺奖的 Baker Lab,是用平台光环、实验资源与安全网换取押注全模态路线的独立决策权,代价是同步承担融资稀释、30 人团队现金消耗与 Day 1 商业化压力。离开大平台并非所有研究者的唯一解,关键是比较在哪类组织里更能提出真问题、获得高频实验反馈并活到验证完成。

证据边界与资料索引

本文对话重建部分依据官方简介与全文第三方机器转写整理,未逐字听审原音频;其中部分明显由语音识别造成的专名误差已对照官方简介或学科常识修正或注明(如“宋阳”据官方简介作“宋飏”,“姜维”据官方简介作“姜文”,“阿尔法 diffusion”据上下文作“RFdiffusion”,“随机的例子”据官方简介作“随机游走的粒子”,“Boss generator / Frank No”对应 Boltzmann Generator 与 Frank Noé,“找翟飞”据上下文作“找 FA”;MBTI 录作 NTG、浙大导师名录作“侯其君”及两处失真的海外同行人名未擅自臆断补全)。另核对 ODesign 论文 v2 的摘要、遮盖训练架构与 11 靶点计算基准,以及项目页披露的湿实验范围;未复现模型或独立核验全部实验。公司融资、团队规模、个人求学与职场经历、诊断应用设想及行业判断均按发言人录制时口述理解;文末科学假设检验设计为本文提出。

返回十字路口目录