1月17日，深势科技宣布完成数千万美元B轮融资，本轮融资由源码资本、启明创投共同领投，老股东高瓴创投、经纬创投等跟投，奇迹资本担任本轮融资的独家FA。

深势科技成立于2018年，其以“AI＋分子模拟”技术，打造微尺度工业设计平台，业务覆盖生命、能源、材料科学与工程研究等领域。

数据显示，深势科技此前曾获高瓴创投，经纬中国、百图生科、元璟资本、清流资本等多家机构投资。对于本轮融资用途，深势科技表示，会将资金用于吸引行业人才，用以深化微尺度工业设计平台的建设，以及相关技术在药物、材料设计等场景的落地。

据介绍，目前深势科技已将AI+分子模拟的技术拓展到化学、生物、材料等具体场景的模拟研发需求，推出Lebesgue科学计算平台、Hermite药物设计平台以及Bohrium微观计算与设计平台。

伴随科技不断进步，人工智能与其他领域的交叉研究高速发展，覆盖了医药、材料等多个行业，国内外亦涌现出一批新兴初创公司，深势科技便是其中最具代表性的企业之一。

北大老同学搭伙创业

深势科技能够在短时间内获得资本的赏识，离不开它的两位创始人孙伟杰和张林峰。

CEO孙伟杰和首席科学家张林峰是北京大学元培学院的同窗。大学毕业后，孙伟杰在北大继续深造，获得管理学位硕士。而张林峰在普林斯顿大学获得应用数学系博士学位，主要研究统计物理、分子模拟和机器学习，及其在化学、生物和材料等方面的应用。

毕业后再次相会的二人在学术和商业上达成高度共识，于是2018年底，并肩创立了深势科技。

深势科技是一家年轻的药物研发算法科技公司，致力于运用人工智能+新一代分子模拟技术解决药物研发难题。

他们牵手的团队集结了多所世界一流高校、研究院和行业领先企业的科学家、医药化学家、计算机工程师等。

如此看来，可以说深势科技诞生于学术界。

1956年AI成为独立的研究领域，但AI对医疗领域的研究多集中在临床知识库上。步入21世纪后，随着电子病历、手术机器人等相继落地，国外率先将研究重点转为AI在临床知识库外的应用，而中国2018年后该领域也进入稳定发展阶段。

不过，AI+医疗行业仍然处于成长期，是投融资的热门。虽然2019年和2020年融资事件持续递减，但融资额却达到了前所未有的制高点40亿元，其中新药研发是最火爆的融资领域，2020年占比披露融资额的54%。

一直以来，AI技术在解决微观物理问题有着重要的价值和广阔的应用空间，直击了传统分子模拟过程中难以兼顾的精度与效率的痛点，是深势科技在药物研发方面的核心竞争力。

在这一市场深势科技存有一定的想象空间。

新范式取代传统分子模拟

AI+医疗一度被吹得神乎其神，但其实AI与各个医疗场景的结合早已并不新鲜。

不论是互联网医疗公司还是传统医疗公司，都摩拳擦掌参与其中，但深势科技的人工智能+新一代分子模拟却是行业少有的。

公司首创的“多尺度建模+机器学习+高性能计算”新范式，打破了传统模拟分子精度与速度不可兼得的僵局，其核心成员凭借最具代表性的DeePMD方法在去年荣获被誉为“计算机应用领域的诺贝尔奖”、国际高性能计算应用领域最高奖项——戈登·贝尔奖。

有了新一代分子模拟的基础，深势科技在科学计算、材料设计、药物设计的领域也构建了多个产品和服务。

以药物设计为代表，Hermite药物研发套件是公司的主要产品之一。基于云计算产品深度优化，Hermite药物设计平台集成了深势科技自主研发的全新药物设计解决方案及众多业界优秀的药物设计工具，以网页应用的形式，提供交互友好、多端数据同步、功能实时更新的在线服务。

首次实现蛋白结构预测

深势科技近日推出蛋白结构预测工具Uni-Fold，在中国国内首次复现谷歌Alphafold2全规模训练并开源训练、推理代码。深势科技创始人在接受中新社专访时表示，人工智能预测蛋白质结构这一突破，将给新药研发等领域带来新的突破。

今年夏天，用人工智能预测蛋白质结构取得里程碑式进展。谷歌的AlphaFold2和华盛顿大学的RoseTTAFold工具，成功根据氨基酸序列预测了生命基本分子——蛋白质的三维结构。利用实验室手段可能需要数年的研究才能解析一个蛋白质结构，利用计算结构模型最快只需10分钟。

预测蛋白质结构为什么重要？深势科技创始人兼首席科学家张林峰解释说，蛋白质是组成生命体的重要物质基础。不同的蛋白质通过折叠形成不同的三维结构，执行多种多样的生理功能。癌症、痴呆等几乎所有疾病，都与细胞内蛋白质结构变化相关，如果能够掌握蛋白质结构的变化，将对疾病的预防、治疗等带来重要影响。

从氨基酸序列到对应蛋白质三维结构的预测问题被认为是生物学领域最具有挑战性的问题之一。

在过去几十年的研究中，科学家们为探测蛋白质结构发展出三大实验手段：X射线晶体学、核磁共振和冷冻电镜。但实验方法成本高、周期长。目前人类已知有数十亿氨基酸序列，但还原出结构的只有十几万。生物学发展因此颇受掣肘。

AI的发展为这一问题带来了新的可能。7月22日，谷歌旗下Deepmind公司在《自然》杂志发表文章称，基于深度学习神经网络的AlphaFold2已经预测出了35万种蛋白质结构，涵盖了98.5%的人类蛋白质组以及20种生物的蛋白质，并开源了它的数据库。这一结果也标志着蛋白质单体结构问题在一定程度上得到解决。

中国公司已进入这一领域。张林峰说，AlphaFold2公布了推理代码，但并未公布训练代码。意味着公布了产品，但未公布其“流水线”。而训练代码是行业中的真正壁垒。深势科技通过“投喂”数据，复现了整个训练过程，并开源其训练代码。

另外，单一蛋白质的预测只是起点，深势科技希望通过分子动力学等物理模型，把蛋白质-蛋白质相互作用，蛋白质和药物分子之间的相互作用通过AI预测出来，这对下一步药物设计和生命科学发展都有重大意义。

深势科技创始人兼CEO孙伟杰表示，深势科技对训练代码进行了开源，这意味着使用者能够更方便地训练和使用模型，降低了使用者的门槛。

目前相应解决方案已集成至深势科技自主研发的药物设计平台Hermite，供广大用户测试使用。未来，AI预测蛋白质技术可以在几个场景落地，如新药研发、微尺度工业设计等。

孙伟杰介绍，通常人们服用的药物大多是小分子化学药，它们的作用靶点大部分在蛋白质上。研发这类药物的一个重要前提，是解析蛋白质结构。只有绘制出人体内某些蛋白质的“三维地图”，才能找到药物靶点，完成“精准制导”。

深势科技致力于从更底层，用AI+物理模型+高性能计算的范式，去求解药物设计里很多通用问题。

如何验证AI预测是否准确？孙伟杰说，AI预测与冷冻电镜是互为协同关系，一部分AI预测的结果要通过冷冻电镜来验证，同时， AI数据集的不断增加，模型不断的训练和演化，以及实验手段和模拟手段的结合，是一个共同发展和相辅相成的过程。AI无法代替科学家的智慧，但能够提升科学家的效率。

文章来源： 证券日报，格隆汇