MIT 博士团队
2023 起步 / 2024 回国
深度原理是一家"叙事非常性感、公开信息又相当分散"的早期公司：技术方向、创始人背景、明星投资人有公开报道，但累计融资总额、Mira 的真实自主度、有没有跑出可复现的商业化成果，在不同信源里口径不一。深度在于把"AI for Science 这个赛道的诱惑"和"这家公司到底证明了什么"分开看。
事实深度原理（Deep Principle）由 MIT 博士团队创立，核心人物为创始人兼 CEO 贾皓钧（MIT 博士，入选 2024 福布斯中国 U30），公司 2024 年 2 月在杭州注册（杭州深度原理科技有限责任公司），并在北京、波士顿设有运营；核心产品是 AI Scientist 智能体 Mira，主打"生成式 AI + 第一性原理计算"加速新材料/新能源/日化/医药的分子设计与反应机制，配套所谓 L4 级高通量自主实验室 AI Materials Factory；投资方报道涉及红杉、百度风投、阿里、蚂蚁、孚腾资本等。缺口但累计融资总额（报道从"数轮"到"近 10 亿元"口径不一）、Mira 自主实验室的真实自动化程度、是否已产生可复现的商业化订单与收入、服务的具体客户名单均未在本次可得信源中独立核实。因此本文"事实"集中在团队背景、技术路线、赛道位置，对"商业化成色"更多是基于赛道结构的判断 + 追问。
判断深度原理是一个顶配团队 + 顶配叙事的早期 AI for Science 公司：MIT 博士班底、明星资本背书、切中"用 AI 加速材料/化学发现"这个真痛点。它赌的是一件如果成立就极大的事——科学发现里最贵、最慢的"设计—计算—实验"循环，能被一个 AI 智能体（Mira）大幅自动化甚至闭环。但它的生死不在"叙事够不够大"（够大），而在它能不能把"AI 设计 + 第一性原理计算 + 自动化实验室"这条链真正跑通到"可复现、可交付、有人付费"。它最大的问号是——Mira 的"自主科研"，到底是已经能稳定产出真实材料成果的引擎，还是目前仍高度依赖人类科学家兜底的高级助手？
| 决定性变量 | 为什么是胜负手 | 兑现的观察信号 |
|---|---|---|
| "设计—计算—实验"闭环的真实自动化程度 | AI4S 公司最大的分水岭，是它到底停在"AI 出候选分子"（软件层），还是真能闭环到"机器人做实验、数据回流、模型自迭代"。前者是工具，后者才是它自称的"自主科学家"。自称 L4 是很强的承诺，需要用可复现的成果检验。 | 是否公开可复现的"AI 全程设计并合成出的新材料"案例；实验室从设计到出数据的人工介入比例；迭代周期。 |
| 能否把技术转成付费订单与收入 | AI4S 常见的坑是"科学上惊艳、商业上找不到买单方"。材料/日化/医药企业愿不愿意为"AI 加速研发"真金白银付费、付多少，决定它是生意还是实验室。 | 是否有署名的产业客户与付费合同；收入规模与增速；是自研卖成果还是卖软件/服务。 |
| 数据与实验资产的复利效应 | AI4S 的护城河候选是"自家实验室产生的高质量实验数据反哺模型"，形成别人拿不到的数据飞轮。这需要长期、持续的实验投入，也最烧钱。 | 自建实验室的规模与产出数据量；模型是否因自有数据持续变强；单位实验成本是否下降。 |
缺口上表"观察信号"里的具体数字（融资额、客户数、实验产出、收入）在本次信源中口径不一或未披露，本文不引用未核实的具体数值，仅给出应盯的维度。
先看它站在科学研发价值链的哪一层，这决定了它理论上颠覆性最强、现实中验证门槛也最高。
判断深度原理最诱人的地方，是它想同时吃第 ② 层（AI 设计计算）和第 ③ 层（自动化实验）——把"想材料"和"做材料"缝成一个闭环，而不是只做一个出候选分子的软件。推导这层的好处是一旦闭环跑通、护城河极深（数据 + 实验能力别人短期难复制）；坏处是它要同时打通算法、物理计算、机器人实验三个硬骨头，任何一环没跑通，"自主科学家"就退化成"高级设计助手"——这是所有"AI 闭环科研"公司的共同天堑。
判断"AI 全自动做科研"是本赛道最性感的承诺，也最难被证伪或证实：软件层出候选分子容易演示，但"从设计到真实合成出可用材料"的闭环，需要漫长、昂贵、可复现的实验来背书。深度原理自称 AI Materials Factory 达到 L4 级自主，这是很强的宣称。缺口但 L4 的定义、实验的人工介入比例、以及"AI 独立设计并合成出的新材料"是否有公开可复现案例，缺乏本文可核实的证据。Mira 的价值，押在"闭环的真实自动化程度"上——这也正是外界最该盯、也最难看清的一块。
| 本质 4 问 | 答案（含证据） |
|---|---|
| ① 本质在做什么 | 判断用 AI（大模型推理 + 生成模型 + 物理计算）压缩"新材料/新分子从设计到验证"的时间与成本，卖的是"研发提速与试错降本"的确定性，不是单一某款材料。 |
| ② 行业红利在哪 | 事实大模型能力跃迁 + 各国把"AI for Science"当战略方向 + 新能源/新材料产业对研发提速的刚性需求，共同抬升 AI4S 的关注与投入（industry beta）。判断红利真实，但也吸进了大量学术团队与大厂，钱多、噪音也多。 |
| ③ 哪层赚钱 / 谁掌握话语权 | 判断目前话语权更多在手握真实实验能力 + 产业订单的一方，而非只发论文/做 demo 的一方。推导能不能长期赚钱，取决于"AI 设计能否被真实实验反复验证、并被产业客户买单"。 |
| ④ 深度原理的位置 | 事实它是 AI4S 里团队学术背景顶配、资本背书强、且试图自建实验室做闭环的明星早期玩家（company alpha 候选）。判断优势是"MIT 班底 + 明星资本 + 闭环野心"；隐忧是"商业化验证尚早、闭环真实度未证、烧钱强度高"。 |
判断它的叙事是"AI 自主科学家 Mira"。推导真正要问的不是"它技术强不强"（团队与方向都强），而是"这套闭环到今天，已经稳定产出过多少真实、可复现、被产业买单的材料成果？"——如果目前主要还是论文级演示和明星客户 POC（概念验证），那"L4 自主科学家"更接近愿景而非现状；只有当它拿出可复现的成果与付费订单，才算真的把范式跑通。
深度原理的差异，是"顶尖学术团队 + 明星资本 + 中美双地"，这在本系列多为纯本土创业的背景下相当突出。
| 维度 | 情况 |
|---|---|
| 团队与身份 | 事实公司由 MIT 博士团队创立，创始人兼 CEO 贾皓钧为 MIT 博士，2023 年在 MIT 攻读博士期间启动创业，入选 2024 福布斯中国 U30；2024 年 2 月在杭州注册（杭州深度原理科技有限责任公司），并在北京、波士顿运营。推导顶尖学术班底 + 中美双地，是它在"AI4S 需要深物理 + 强工程"这件事上的核心资产，也让它天然带"海外背景创业"标签。 |
| 资本背书 | 事实已完成多轮融资（报道涉及种子++、A 系列等），投资方报道包含红杉、百度风投、阿里、蚂蚁、孚腾资本等。缺口但累计融资总额口径不一（从"数轮"到"近 10 亿元人民币"均有出现），本文不采信单一未核实数字。 |
判断"MIT 班底 + 明星资本 + 闭环野心"是深度原理区别于普通 AI 应用创业的最大资产：它站在"AI4S 是不是下一个大范式"这个高赔率赌注上，且拿到了顶级牌桌的入场券。缺口但作为面向公众的科普，必须诚实标注：顶配的团队与资本，证明的是"它值得被下注"，不等于"它已经把生意跑通"——商业化成色、闭环真实度仍是问号（见第 12 章）。
事实面向新能源、日化、医药、电子材料等产业客户，报道称"服务多家世界 500 强"。缺口但具体是"卖 AI 设计出的材料成果 / 卖软件与算力服务 / 联合研发分成"中的哪一种为主、付费客户名单、收入规模，均未在可得信源中核实。推导早期 AI4S 公司的商业模式通常还在探索：是做"AI 药明康德式的研发外包"，还是"卖工具软件"，抑或"自研材料自己卖"，三条路的经济模型、毛利、可规模化程度差异很大，这正是它成色的关键分叉。
缺口决定生意成色的核心数据——付费客户与合同、收入规模与结构、Mira 闭环的真实自动化率、自建实验室的产出与单位成本、累计融资总额——本文不引用未核实数字。"团队强、方向对、资本重"和"生意已经跑通"是两回事，这正是追问清单的核心。
深度原理的命运系于三个真正有分歧的命题。每题给 Bull / Bear / Reality，再下裁决。
对 AI4S 公司最该做的，是把"AI 自主科研"这个宏大承诺拆成前提，逐条看深度原理走到了哪。
| "AI 自主科学家"成立的前提 | 深度原理的现状 | 是否满足 |
|---|---|---|
| AI 能稳定生成有价值的候选分子/路径 | 事实已公开 LLM+Diffusion 双驱算法体系，方向明确、团队具备能力 | ✔ 基本具备 |
| 物理计算能筛掉不靠谱的 AI 生成结果 | 事实主打"结合第一性原理计算"做校验，路线合理 | ✔ 路线合理 |
| 自动化实验能把设计变成真实合成并回流数据 | 缺口自称 L4 自主实验室，但真实自动化率、人工介入比例、可复现案例未核实 | ⚠ 存疑 |
| 成果能被产业客户复现并付费 | 缺口付费订单、收入、可复现的产业落地案例未披露 | ⚠ 未证实 |
判断"AI 会做科研"这个承诺，深度原理在前两步（AI 设计 + 物理校验）上路线清晰、团队可信，但在后两步（自动化实验闭环 + 产业付费验证）上仍待坐实。判断更公允的定位是——深度原理是"顶配团队正在攻坚 AI 自主科研闭环、方向可信但商业化尚早的明星早期公司"。它真正要证明的不是"AI 能不能设计分子"（能），而是"这条闭环能不能跑到可复现、可交付、有人付费，而不是停在惊艳的演示。"
看清它周围站着谁，就明白它的空间在哪、压力从哪来。
| 玩家 | 类型 | 打法 / 现状 | 对深度原理的意义 |
|---|---|---|---|
| 深度原理 / Mira | AI4S 材料化学闭环 | LLM+Diffusion + 第一性原理 + 自建自主实验室，主攻材料/化学 | 本体 |
| AI 制药 / 分子设计公司 | 相邻赛道成熟玩家 | 已有上市/规模化公司在药物分子设计上跑通部分闭环 | 方法论近亲，验证了"AI+实验闭环"可行，但也是标杆压力 |
| 科技大厂 AI for Science 团队 | 大厂 / 国家实验室 | 拥有算力、模型、数据资源，做通用科学大模型 | 资源碾压式对手，但落地产业细分未必比创业公司专注 |
| 材料计算 / 仿真软件厂商 | 成熟工具商 | 第一性原理计算、分子模拟软件 | 在"计算层"是既有供给，深度原理需证明 AI+实验的增量价值 |
| 产业客户自建 AI 研发团队 | 下游大企业 | 新能源/日化巨头自己组 AI 研发队 | 既是潜在客户也是潜在自研替代，决定第三方空间大小 |
判断① 它的方法论有近亲已验证可行——AI 制药证明了"AI + 实验闭环"能跑通，这是利好，但也立了成果标杆。② 它面对大厂的资源碾压，只能靠"更专注材料化学 + 自建实验室的闭环深度"取胜，不能拼算力。③ 它真正独特的资产是"MIT 班底 + 自建实验数据飞轮"——护城河建在这里，所以自有实验数据能不能反哺出别人拿不到的模型优势，是它的生命线。深度原理的生存空间，就在"闭环够不够深、数据飞轮转不转得起来"这条路上。
判断四个断点里，断点 1（闭环真实度）和断点 3（商业化）最致命：前者决定"自主科学家"是现实还是包装，后者决定它是生意还是烧钱实验室。它的"团队 + 资本 + 方向"已经证明过了，接下来要证明的是"闭环跑得通"和"技术收得到钱"——这两样，恰恰都要用可复现成果和收入数字来验，而非叙事。
| 风险 | 说明 | 观察信号 |
|---|---|---|
| 闭环最后一公里（母题） | "AI 自主实验"若无法可复现落地，L4 宣称与现实脱节。 | 可复现的 AI 自主发现材料案例；实验人工介入比例。 |
| 商业化不及预期 | 科学惊艳但订单难签，收入无法规模化，长期依赖融资。 | 署名付费合同；收入规模与增速；商业模式主线是否清晰。 |
| 重资产烧钱强度 | 自建高通量实验室极烧钱，若数据飞轮未转起，投入回报存疑。 | 实验室规模与产出；单位实验成本；现金消耗与融资节奏。 |
| 中美双地地缘与合规 | 跨境 IP/数据、出口管制、脱钩风险叠加。 | 核心 IP/数据归属；合规安排；双地协同效率。 |
| 大厂与自研替代 | 大厂 AI4S 资源碾压，产业客户也可能自建团队。 | 相对大厂的差异化；客户是采购还是转向自研。 |
判断五类风险的母题是同一个：深度原理这套"AI 自主科研 + 自建实验室"的宏大叙事，能不能在闭环验证、商业化落地、烧钱强度、地缘合规的多重压力下，被证明是跑得通、收得到钱、守得住数据护城河的持续生意。它不缺"值得被下注"的势能，缺的是"能不能兑现"的答案。
深度原理团队与叙事强、验证信息薄，追问的重点在"闭环真实度"与"商业化"。★ 是最锋利、最能戳破叙事的问题。
判断① 有没有可复现、被第三方验证的"Mira 自主发现材料"成果（闭环真实度）？② 有没有署名付费订单与可规模化收入（商业化）？③ 融资总额、现金跑道与双地 IP/数据合规是什么（生存与治理）？——这三问答清楚，就知道它是"AI 自主科研的范式先锋"，还是"团队顶配、叙事宏大、但闭环与商业化尚未兑现的烧钱早期项目"。
基于公开信息与官方口径的梳理，主要维度（节选）：
· 团队：MIT 博士团队创立，创始人兼 CEO 贾皓钧（MIT 博士，2024 福布斯中国 U30）（公开报道）
· 主体：2024 年 2 月杭州注册（杭州深度原理科技有限责任公司），北京、波士顿运营（工商与公开报道）
· 产品：Agent Mira（AI Scientist），LLM+Diffusion 双驱 + 第一性原理计算，配 AI Materials Factory 自主实验室（公司口径）
· 资本：报道涉及红杉、百度风投、阿里、蚂蚁、孚腾资本等，多轮融资（公开报道，累计总额口径不一）
· 缺口：融资总额、Mira 闭环真实自动化率、可复现自主发现材料案例、付费客户与收入均未在可得信源中独立核实