AI制药20亿估值背后：天才辍学与风投的逻辑重构

资本视角的范式转移

2024年的风险投资市场正在经历一场静默却剧烈的逻辑重构。当一位没有生物学学位、甚至尚未搭建完整官网的创始人，仅凭一份履历便能在谈判桌上换取20亿美元的估值时，传统的风投评估体系面临着前所未有的挑战与重塑。

Miles Wang，这位从哈佛大学计算机科学本科辍学、在OpenAI强化学习团队深耕一年半的研究员，其创业轨迹并非孤立的个案，而是大模型时代人才流动与资本偏好变化的缩影。他的选择指向了一个被市场高度关注的赛道——AI制药，更准确地说是“AI for Science”在生命科学领域的垂直落地。

这一估值数字背后，隐藏着VC对“人才认证机制”的根本性改变。在过去，投资逻辑往往围绕“垂直行业经验+流程优化”展开，创始人需要具备深厚的领域积淀。然而，在当前阶段，顶尖大模型实验室（如OpenAI、Anthropic）正在取代顶尖学府，成为事实上的最高阶人才认证机构。投资者看重的不再是传统的行业资历，而是那些在解决AGI（通用人工智能）最核心难题中证明过自己智力密度与工程能力的个体。

“降维打击”的技术路径

Miles Wang及其团队的技术逻辑，核心在于通用AI能力向科学场景的“降维打击”。这与早期AI制药公司不同，后者往往致力于从零搭建服务于特定药物发现的垂直小模型。而Miles的策略，是将大模型已经验证的通用认知、推理与规划能力，直接迁移到科学发现的复杂流程中。

这种路径选择的合理性，体现在其对“老药新用”切入点的精准把握上。老药新用（Drug Repurposing）旨在挖掘已获批药物或拥有大量安全数据药物的新适应症。这一路径避开了从头设计全新分子所面临的漫长一期安全性验证和极高失败率，转而利用AI对海量文献、基因表达谱及真实世界临床数据进行深度整合。

在这个环节，大模型的评估与推理优势得以最大化。它不需要在湿实验室中进行复杂的分子动力学模拟，而是通过逻辑链条找出隐秘的“药物-靶点-疾病”新链接。对于初创公司而言，这意味着更短的监管路径、更快的商业化潜力以及相对更大的容错空间。

值得注意的是，Miles的研究背景侧重于强化学习与对齐评估，而非传统的扩散模型或蛋白质结构预测。这看似偏离了当前AI制药的主流技术栈，但其核心论文如《测量AI在湿实验室中加速生物学研究的能力》，揭示了其研究取向的本质：评估通用AI执行科学研究任务的能力边界。这种“元认知”层面的研究，恰恰是构建能够自主规划实验、迭代假设的“AI科学家”的基础。

人才迁徙与机构演进

这一案例反映出的深层趋势，是顶尖AI人才从大模型实验室向科学领域的系统性迁移。Anthropic收购Coefficient Bio并引入AlphaFold核心人物John Jumper，OpenAI内部“AI for Science”项目的升格，都印证了这一点。

大模型在文本、代码、多模态等“低垂果实”已被采摘殆尽。为了证明AGI的通用性，并寻找新的算力与数据消耗场景，科学领域成为了下一个必争之地。科学发现需要极高的算力支持，且充满高维度的数据噪声，这正是验证大模型推理能力的最佳试验场。

对于像Miles Wang这样的研究人员而言，离开OpenAI并非简单的“跳槽”或“离职创业”，更像是一种“毕业”。他们带着实验室积累的模型能力、研究品味以及同事网络，成建制地降临到垂直科学领域。这种迁移不是零散的个体行为，而是机构层面的能力外溢。

风投在这一过程中扮演了关键的角色。他们敏锐地捕捉到，大模型实验室不仅是技术孵化器，更是新知识的产生地和新人才的筛选器。当VC为Miles开出20亿美元估值时，他们实际上是在为这份金光闪闪的“OpenAI学位”买单，以及背后所代表的、可能彻底改写科学发现速度的全新范式。

湿实验室的鸿沟与行业功课

尽管估值诱人，逻辑自洽，但从Dry Lab（干实验室）到Wet Lab（湿实验室）的跨越，仍是一道难以逾越的鸿沟。Miles Wang的长处在于强化学习和对齐评估，但药物研发的最终落脚点在于真实的生物化学反应与临床试验。

AI模型在数据层面的推理优势，能否转化为分子层面的合成成功率，以及随后的临床有效性，仍需长时间的验证。当前AI制药的技术方向以扩散模型、图神经网络、蛋白质结构预测和分子动力学为主，强化学习在其中虽有应用，但并非最核心的万能钥匙。

此外，管线推进需要的不仅仅是算法能力。与FDA的沟通、与大型药企的合作、与CRO（合同研究组织）的协同，这些商业与监管层面的经验，是初创企业必须补齐的行业功课。Miles Wang缺乏生物学学位，这可能在初期带来认知上的壁垒，但在“老药新用”这一相对成熟的领域，这种壁垒可以通过组建多元化的团队来弥补。

20亿美元的估值，既是对天才创造力的溢价，也是风投在不确定性中寻找确定性的一种尝试。它反映了资本市场对于“极聪明的人去解决极难问题”这一信念的回归。

投资逻辑的重塑与未来展望

回顾盖茨、扎克伯格时代的辍学创业，赌的是年轻人对互联网产品的直觉与敏锐。而这一代“辍学”或“中途出走”的创业者，赌的是大模型实验室所赋予的系统性科研能力与全球协作网络。

投资人的宽容度提升，本质上是技术范式变革带来的价值重估。当AI开始介入基础科学的发现过程，传统的行业边界变得模糊。具备顶级AI背景的人才，被视为具有重构行业规则的能力。

未来，我们可能会看到更多此类现象：大模型实验室的毕业生成为垂直领域的独角兽创始人。他们不依赖传统的行业深耕，而是依靠对通用人工智能底层逻辑的理解，通过算法创新打破信息不对称，缩短研发周期。

对于整个AI制药行业而言，这种人才流动带来了新的活力。它促使行业从单纯的“工具辅助”向“智能体驱动”转型。未来的药物研发，可能不再是由人类科学家设计分子、AI预测性质，而是由具备科研思维的AI智能体自主提出假设、设计实验并分析结果。

Miles Wang的公司或许只是这一浪潮的起点。随着Anthropic、DeepMind等巨头在AI for Science领域的持续投入，以及更多像他这样的顶尖人才入场，生命科学领域的创新速度有望迎来指数级增长。

在这个过程中，估值的高低不再是唯一的衡量标准。关键在于，这些被资本重仓的团队，能否真正打通从数据到药物的闭环，能否在湿实验室中验证干模型的预测能力。如果成功，这不仅是商业上的胜利，更是人类认识生命、对抗疾病方式的根本性变革。

风投在赌什么？他们在赌，在这个算力即权力、数据即石油的时代，最顶尖的大脑加上最先进的模型，能够撬动传统行业数十年无法突破的技术瓶颈。这是一场关于智力密度与执行力的豪赌，而Miles Wang的故事，刚刚翻开序章。