哈佛辍学生携OpenAI背景入局AI制药，20亿估值背后是AI科学革命

作者丨周蕾

2024年3月，Miles Wang从哈佛计算机科学本科退学，加入OpenAI强化学习团队。一年半后，他联合数位前同事创立一家AI药物发现公司。

该公司尚未上线官网，未公布研发管线，创始人亦无生物背景。但这家初创企业已启动约2亿美元融资谈判，由Lightspeed领投，估值达20亿美元。

尽管交易尚未最终敲定，这一数字已引发市场深思：当顶级AI人才离开大模型实验室，他们的下一站会是哪里？

Miles Wang正踏入一个炙手可热的领域。近三个月，AI制药领域累计融资约27亿美元：Chai Discovery刚完成4亿美元融资，投后估值38亿；Isomorphic Labs今年5月完成21亿美元B轮融资。

Anthropic也于本月宣布进军药物研发，此前斥资数亿收购Coefficient Bio，并邀请AlphaFold核心专家John Jumper加盟。

这些动向揭示了一条清晰趋势：顶尖AI人才正系统性转向科学研究领域。

翻看Miles Wang的论文，其研究主线明确：《FrontierScience：评估AI执行科研任务的能力》《测量AI在湿实验室中加速生物学研究的能力》，核心聚焦通用AI在真实科学场景中的推理与规划表现，探索其离“AI科学家”还有多远。

这正是他创业的底层逻辑：不从零构建专用模型，而是将大模型已验证的通用认知能力，迁移至科学发现流程，实现“降维渗透”。

这一逻辑在机构层面同步上演。Anthropic收购Coefficient Bio、推出Claude Science、引入John Jumper，均在推动大模型从工具层进入科研运营层。OpenAI与Anthropic的“AI for Science”项目，正从边缘实验升级为验证AGI能力边界的主战场。

某种程度上，大模型在文本、代码与多模态领域的“低垂果实”已被摘尽，亟需新战场。而科学领域，正是下一个需“高算力+高数据”验证AGI通用性的前沿。

Miles选择“老药新用”切入，恰是这一逻辑的体现。

所谓“老药新用”，即挖掘已上市药物的新适应症，无需从零设计分子，跳过漫长一期临床，借助AI整合海量文献、基因数据与真实世界临床信息，发现隐蔽的“药物-靶点-疾病”关联。在这一高度依赖推理而非分子模拟的环节，大模型的评估与推理能力可直接转化为商业价值，路径更短、容错更高。

但与多数AI制药公司不同，Miles团队的核心竞争力，或许并非某款分子设计工具，而是通用AI方法论在生物化学中的可迁移性。

其论文《测量AI在湿实验室中加速生物学研究的能力》，表明他具备相关研究基础。

然而，“评估AI做科学”与“用AI做出真实药物”之间，横亘着从dry lab到wet lab的巨大鸿沟。Miles专长于强化学习与对齐评估，而当前AI制药主流技术为扩散模型、图神经网络、蛋白结构预测与分子动力学。强化学习虽有应用空间，但未必是核心方向。

他选择“老药新用”，极为精准。如前所述，该路径无需从零设计分子，依赖已有安全数据，监管路径短、商业化快，AI推理能力可充分施展。但管线推进仍需FDA对接、药企合作、CRO协同等产业经验，这家初创仍需补足大量行业功课。

但20亿美元估值，也折射出资本的空前宽容——这正是一种新趋势的信号：投资人正重新青睐辍学青年。

但今时不同往日。盖茨、扎克伯格时代的辍学，赌的是年轻人更懂互联网产品；如今的辍学创业，赌的是大模型实验室已取代传统高校，成为更高阶的人才认证中心。

准确说，投资人不在意他是否哈佛退学，也不关心他是否符合传统药物发现背景，真正看重的是“OpenAI顶级研究员+AGI for Science”这一稀缺组合。

大模型实验室正成为新一代斯坦福与MIT——它们筛选、训练、认证最顶尖AI人才，而资本只认这套认证体系。投资逻辑已从“行业经验+流程优化”，转向“极聪明的人解决极难的问题”。

更深一层看，OpenAI、DeepMind、Anthropic对“AI for Science”的重金投入，本质是一场定向人才灌溉。这些人的离开，不是简单跳槽或离职创业，而是一次“毕业”——他们携带着模型能力、研究思维与团队网络，成建制进入科学领域。

当VC为Miles Wang开出20亿美元估值时，他们押注的，是一张金光闪闪的“OpenAI学位”，以及背后可能彻底重塑科学发现速度的全新范式。

OpenAI给「75罗汉」狂撒66亿美金，或再造「PayPal黑帮」

Anthropic、OpenAI同一天落子AI4S赛道，巨头混战从「拼模型」转向「卡生态」

全网最强万字解读：DeepSeek-V4 掀翻了谁的桌子？