从薛定谔方程到AI大模型：深势科技的AI for Science革命之路

type

status

date

slug

summary

引言

多年前，物理学巨擘杨振宁曾感叹高能物理的黄金时代落幕，一句“The party is over”让无数后继者感到迷茫。然而今天，一场由人工智能（AI）点燃的全新派对正拉开序幕。AI for Science，即利用AI加速科学发现，正成为全球科技界最激动人心的前沿。从OpenAI成立科学部门到巨额融资的初创公司涌现，无不预示着一个新纪元的到来。

在这股浪潮中，来自中国的深势科技（DeepVerse）早在六年前便已启航。其创始人张林峰与孙伟杰的故事，不仅是中国AI for Science的缩影，更是一部关于如何用大模型思想破解百年科学难题的壮丽史诗。本文将深入解读深势科技从“一个想法”到“一个生态”的革命之路，探讨AI如何成为驱动基础科学研究的强大引擎。想要了解更多前沿的AI资讯和行业动态，可以关注AI门户网站 https://aigc.bar。

破壁百年难题：AI如何加速“第一性原理”计算

科学研究的终极梦想之一，是从最基础的物理规律出发，预测和设计万物，这便是“第一性原理计算”。其核心是自1926年便已提出的薛定谔方程。理论上，这个方程涵盖了几乎所有化学和大部分物理现象。然而，它的计算复杂度是天文数字，随着原子数量的增加呈指数级增长，这使得精确求解成为一个困扰了科学家近百年的难题。

为了解决这一问题，科学家们发展了密度泛函理论（DFT）等近似方法，但计算尺度依然局限在上百个原子，时间和空间尺度远不能满足新材料、新药物研发的需求。

深势科技的创始人张林峰在普林斯顿读博期间，敏锐地捕捉到了LLM背后的人工智能技术与这一古老难题的结合点。他提出的“深度势能分子动力学”方法（DeePMD），其核心思想是：既然直接求解方程如此困难，我们能否训练一个AI模型来学习并模拟这个过程？

DeePMD的创新之处在于： 1. 物理原理引导：它并非凭空学习，而是将薛定谔方程等物理规律作为“数据生成器”，产生高质量的“合成数据”来训练神经网络。这解决了科学领域数据稀疏的难题。 2. 构建代理模型：训练出的AI大模型成为了一个高效的“代理”，能够以接近第一性原理的精度，预测原子间的相互作用力。 3. 数量级的加速：其结果是颠覆性的。过去需要动用超级计算机花费“两亿核时”（相当于数千万成本）的计算，如今在笔记本电脑上仅需半小时即可完成。计算效率提升了超过一百万倍，计算规模也从几百个原子扩展到上百亿个原子，真正实现了从微观到介观尺度的跨越。

这一突破，标志着AI不再仅仅是处理已有数据的工具，而是成为了探索未知物理世界的加速器。

从普林斯顿到中关村：天才少年的创业之路

任何伟大的事业都离不开人的驱动。深势科技的故事，始于两位北大学子的深厚友谊和共同理想。

张林峰：一位典型的物理天才，保送北大元培学院，兼修物理、数学与计算机。他对基础科学怀有纯粹的热忱，在普林斯顿师从应用数学家鄂维南院士和计算化学家Roberto Car，找到了用AI破解物理难题的钥匙。

孙伟杰：主修政经哲的文科生，却拥有严谨的逻辑思维和深刻的技术洞察力。他与张林峰在大学期间因体育结缘，在张林峰取得技术突破后，敏锐地看到了其商业化与社会价值的巨大潜力。

2018年，在导师鄂维南院士“三十年未见之大机遇”的鼓励下，两人毅然决定回国创业。他们的启动资金并非来自传统VC，而是中关村的颠覆性技术项目支持，这本身就证明了其技术的硬核与前瞻性。他们从一开始就立下目标：做一家源自中国、引领世界的科技公司。这种将个人理想融入科学发展和国家叙事的宏大愿景，驱动着深势科技在无人区中坚定前行。

开源与闭环：构建AI for Science的生态系统

深势科技的成功，不仅在于技术上的单点突破，更在于其清晰的生态构建战略。他们深知，要推动一场科学范式的革命，需要学术界和产业界的共同努力。

首先，他们选择了开源。2018年，团队便开源了核心代码DeePMD-kit，并以此为基础建立了DeepModeling开源社区。这一举动极大地加速了新方法在全球学术界的普及和应用，吸引了大量顶尖人才共同探索，形成了一个正向循环的创新网络。这与OpenAI早期的一些理念不谋而合，即通过开放合作推动整个领域的发展。

其次，他们致力于打造从科研到产业的商业闭环。基于底层技术，深势科技推出了一系列平台级产品： * Hermite药物计算设计平台：面向生物医药领域。 * Piloteye能源电池研发平台：服务于宁德时代、比亚迪等新能源巨头。 * 一系列科学预训练大模型：如Uni-Mol（分子）、Uni-Fold（蛋白质）等，构成了强大的模型矩阵。 * 科研Agent“玻尔科研空间站”：将AI大模型的能力整合为智能化的科研助手，让科学家能用更自然的Prompt（提示词）进行复杂的科学探索。

通过“开源社区 + 商业平台”的双轮驱动，深势科技成功地将前沿的人工智能技术转化为服务于实体经济的生产力，探索出一条清晰的AI变现路径。

AI for Science的两种范式与未来展望

深势科技的实践，清晰地展示了AI for Science的一种重要范式：以物理规律为引导，通过AI加速复杂方程求解。这与以AlphaFold为代表的另一范式——基于海量实验数据，通过AI拟合数据规律——形成了鲜明对比和有力互补。

前者适用于规则清晰但数据稀疏的领域，如微观物理模拟；后者则在数据丰富的领域大放异彩，如蛋白质结构预测。这两种范式的结合，预示着AI将在更广泛的科学领域掀起革命。

展望未来，AI for Science的潜力是无穷的。它将系统性地改变新材料发现、药物设计、能源开发乃至航空航天等众多领域的研发模式。当AI能够理解并加速模拟从原子到宇宙的物理规律时，人类距离实现可控核聚变、攻克癌症、探索深空等终极梦想无疑又近了一步。这或许就是通往通用人工智能（AGI）的另一条关键路径。

结论

深势科技的故事，是AI赋能基础科学的一个生动范例。它告诉我们，新一轮的科技革命，不仅关乎ChatGPT或Claude这样的人机交互应用，更在于人工智能技术正以前所未有的深度和广度，重塑我们探索世界的方式。

从张林峰和孙伟杰的身上，我们看到了新一代中国科技创业者的笃定与远见。他们不仅是技术的创新者，更是科学范式变革的推动者。随着AI for Science的不断深入，这场由AI开启的科学“派对”才刚刚开始，而每一个关注AI日报和科技前沿的人，都是这场伟大变革的见证者。