攜科研理想，赴產(chǎn)業(yè)實效 | 專訪途深智合聯(lián)合創(chuàng)始人沈逸卿

沈逸卿，途深智合的聯(lián)合創(chuàng)始人、CTO。本科就讀于上海交通大學(xué)，后赴約翰·霍普金斯大學(xué)攻讀計算機博士。2023年4月途深智合成立，公司專注打造生命科學(xué)領(lǐng)域新一代 AI 基礎(chǔ)設(shè)施平臺 (AI Foundry)，融合多模態(tài)基礎(chǔ)大模型、生物醫(yī)藥垂直模型以及自動化實驗系統(tǒng)，縮短新藥研發(fā)周期，降低前期研發(fā)投入。目前公司已和海內(nèi)外多家醫(yī)藥企業(yè)達(dá)成項目合作。

如今 AI 制藥行業(yè)褪去泡沫、回歸產(chǎn)業(yè)本源，行業(yè)競爭不再只比拼單點算法性能，而是綜合考驗技術(shù)落地能力、研發(fā)閉環(huán)效率與實際產(chǎn)業(yè)價值。從深耕理論的學(xué)術(shù)研究者轉(zhuǎn)型企業(yè) CTO，沈逸卿完成了從“單純追求技術(shù)最優(yōu)”到“錨定產(chǎn)業(yè)實效”的思維蛻變。

沈逸卿

途深智合的聯(lián)合創(chuàng)始人、CTO

胡潤百富·沈逸卿專訪

胡潤百富：

您觀察到近幾年AI賦能創(chuàng)新藥領(lǐng)域，發(fā)生了哪些關(guān)鍵變化和技術(shù)突破？

沈逸卿：

多年來我一直在思考：如何讓深度學(xué)習(xí)真正落到生命科學(xué)的研發(fā)場景里。不敢說行業(yè)資歷深厚，更多是在項目實踐中持續(xù)摸索、邊做邊學(xué)。

回望近幾年行業(yè)發(fā)展，有兩點體會尤為深刻。一是底層能力的躍遷：從蛋白質(zhì)結(jié)構(gòu)預(yù)測，走向復(fù)雜分子的從頭設(shè)計，AI開始具備一點"創(chuàng)造"而不只是"識別"的能力。二是行業(yè)心態(tài)的轉(zhuǎn)變，從單純講概念，轉(zhuǎn)而依靠臨床數(shù)據(jù)、實驗結(jié)果驗證技術(shù)價值。最近幾年尤其明顯，大家開始重新審視AI在藥物發(fā)現(xiàn)中的真實價值，更看重能不能閉環(huán)、能不能交付。

于我們團隊而言，這無疑是利好趨勢。行業(yè)褪去概念泡沫后，技術(shù)本身的真實落地能力，重新成為市場競爭的核心標(biāo)尺。

胡潤百富：

從頂尖技術(shù)研究者到創(chuàng)業(yè)公司CTO，是從“深耕單一技術(shù)”到“用技術(shù)驅(qū)動商業(yè)”的跨越。這個過程中，您發(fā)現(xiàn)了自己哪些之前未被察覺的優(yōu)勢或短板？又如何在團隊管理、研發(fā)推進和商業(yè)落地之間完成角色轉(zhuǎn)換？

沈逸卿：

從研究者到CTO，最大的不同是評價標(biāo)準(zhǔn)變了。做研究時，或許可以為一個指標(biāo)的極致反復(fù)打磨；但在公司里，要在周期、成本、人和商業(yè)價值之間權(quán)衡取舍，很多時候"足夠好且能交付"比"最優(yōu)"更重要。

所以現(xiàn)在我們團隊更愿意把CTO的角色理解成一個名"翻譯者"：把前沿技術(shù)翻譯成產(chǎn)品和商業(yè)語言，也能夠把一線的真實需求同步反饋給研發(fā)端，引導(dǎo)整個團隊盡量朝著有價值的方向走。

胡潤百富：

工作中遇到的一個個困境可能是成長的開始，有時候，失敗比成功更有人生的層次感和講述的必要。對您來說，在途深智合推進AI創(chuàng)新藥研發(fā)和產(chǎn)品化過程中，踩過最大的“坑”是什么？有哪些經(jīng)驗分享？

沈逸卿：

對我們而言早期最容易踩的"坑"，往往不是某個具體的技術(shù)問題，而是認(rèn)知層面的偏差，譬如容易高估單點技術(shù)的價值，低估把技術(shù)真正變成可交付成果之間的距離。AI制藥是一個典型的"干濕學(xué)科"交叉領(lǐng)域，模型再漂亮，最終還是要回到實驗臺上被驗證。我們也是在不斷試錯中，才慢慢體會到搭建完整研發(fā)閉環(huán)和落地遠(yuǎn)比單點突破更難、也更重要。

所以與其說踩過什么大坑，不如說我們一直在提醒自己常懷敬畏之心：對生物體系的復(fù)雜性保持敬畏，對臨床和產(chǎn)業(yè)的真實門檻保持敬畏。這些經(jīng)歷沒有什么戲劇性，但它讓我們更早地把重心放在"能不能真正解決問題"上，也讓整個團隊形成了以實驗數(shù)據(jù)、落地成果為核心判斷依據(jù)的做事風(fēng)格。

胡潤百富：

途深智合在AI創(chuàng)新藥方向已經(jīng)有了一些階段性成果。能否分享一個最具代表性的技術(shù)或項目進展？它解決了創(chuàng)新藥研發(fā)中的哪個核心痛點？

沈逸卿：

如果用一句話概括，我們這幾年做的最有代表性的事，是把"AI設(shè)計"和"自動化濕實驗"真正連成一個閉環(huán)，而不是停留在算法層面。

AI可以生成大量候選，但要逐一去表達(dá)、純化、測活性，不僅周期漫長、成本高昂，模型迭代的反饋鏈路也十分緩慢。我們想解決的，正是這個"設(shè)計—驗證—迭代"之間的斷點，讓AI模型的產(chǎn)出能快速進入實驗，再將實測實驗數(shù)據(jù)回流訓(xùn)練、持續(xù)優(yōu)化 AI 模型。這件事的價值不在某一個漂亮的數(shù)字，而是重構(gòu)了研發(fā)的推進節(jié)奏：把以往以 “月” 為單位的研發(fā)循環(huán)，轉(zhuǎn)變?yōu)樾矢摺⒖蓸?biāo)準(zhǔn)化復(fù)制的快速迭代模式。

胡潤百富：

在您看來，AI創(chuàng)新藥未來的紅利藏在哪里？作為CTO，您如何帶領(lǐng)技術(shù)團隊提前布局核心能力，同時讓研發(fā)方向精準(zhǔn)匹配藥企、科研機構(gòu)或臨床端的真實需求？

沈逸卿：

AI創(chuàng)新藥未來的紅利，不在那些已經(jīng)被驗證、競爭充分的靶點上，而在傳統(tǒng)研發(fā)手段難以攻克的領(lǐng)域，比如難成藥靶點、復(fù)雜機制的多特異性分子，特別是需要從頭設(shè)計才能切入的場景。AI的計算優(yōu)勢，恰恰在這些高維度、高復(fù)雜度的問題上最能發(fā)揮。

我們的思路是兩條腿走路。一方面提前在底層能力上布局，讓平臺具備處理復(fù)雜問題的"通用性"，而不是只為單一任務(wù)服務(wù)；另一方面，堅持讓研發(fā)方向貼著真實需求走。因此我們盡量讓團隊離臨床和產(chǎn)業(yè)更近，多聽客戶、藥企、科研機構(gòu)在一線遇到的真實困難，再反向梳理、補齊所需的各項技術(shù)能力。

胡潤百富：

作為技術(shù)出身的創(chuàng)業(yè)者，您當(dāng)初選擇投身AI創(chuàng)新藥創(chuàng)業(yè)的核心初心是什么？在您看來，對于技術(shù)型企業(yè)家而言，最核心的“商業(yè)能力”是什么？

沈逸卿：

說實話，我不太愿意把 “初心” 說得過于宏大。最初的想法其實很簡單：做研究時一直在做AI和生物醫(yī)學(xué)的交叉方向，看到不少技術(shù)停留在論文階段，沒能落地，會覺得有點可惜。新藥研發(fā)周期長、成本高，如果能用AI讓整個研發(fā)流程提速些許，便就是一件有意義的事。至于最終能做到什么程度，當(dāng)時我們心里并沒有明確答案，更多是抱著"先認(rèn)真試一試"的心態(tài)，一步步走到今天。

至于技術(shù)型創(chuàng)業(yè)者最核心的"商業(yè)能力"，我可能還沒資格下定論，自己也仍堅持學(xué)習(xí)。如果談一點淺顯的感悟，也許是"少一點自我證明，多一點傾聽"。

本文系胡潤百富專訪，素材來源于受訪者

? END ?