前OpenAI研究员Miles Wang在没有任何生物学学位、公司尚无官网和公开管线的情况下，正在洽谈一笔约2亿美元的融资，领投方为Lightspeed，估值高达20亿美元。这位从哈佛大学计算机科学本科辍学的年轻创始人，于2024年3月加入OpenAI的强化学习团队，一年半后带着几位前同事离开，计划创办一家专注于AI药物发现的公司。
尽管交易尚未最终落定，这一估值数字本身已足以引发市场对AI人才流向的重新审视。Miles Wang的创业方向踩在了一个急速升温的赛道上。最近三个月内，AI制药领域吸引了约27亿美元的资金涌入。Chai Discovery刚刚宣布完成新一轮4亿美元融资，投后估值达到38亿美元；Isomorphic Labs也在今年5月完成了21亿美元的B轮融资。与此同时，Anthropic在本月初宣布进军药物研发，此前已斥资数亿美元收购Coefficient Bio，并成功邀请AlphaFold的核心人物John Jumper加盟。
这一系列事件勾勒出一条清晰的人才迁移链条：大模型实验室的顶尖研究者正在系统性地向科学领域流动。Miles Wang的研究背景为此提供了注脚。他发表的论文如《FrontierScience：评估AI执行科学研究任务的能力》和《测量AI在湿实验室中加速生物学研究的能力》，核心在于评估通用AI模型在真实科学场景中的表现，探讨AI的推理与规划能力距离一个合格的“AI科学家”还有多远。这正是其创业逻辑的基点——将大模型已得到验证的通用认知能力，迁移到科学发现的流程中，而非从零搭建一套仅服务于药物发现的垂直小模型。
这种“通用能力向科学场景迁移”的思路，在机构层面同样在发生。Anthropic收购Coefficient Bio、推出Claude Science并引入John Jumper，本质上是将大模型能力从工具层推向科学研究的运营层。OpenAI、Anthropic等实验室的“AI for Science”项目，正从官网上的公益副业，转变为证明模型能力边界的关键实验场。某种程度上，这或许说明大模型在文本、代码、多模态上的“低垂果实”已被采摘完毕，人们需要一个能大展拳脚的新战场，而科学领域正是下一个需要“高算力+高数据”来验证AGI通用性的战场。
Miles Wang选择“老药新用”作为切入点，也印证了这一逻辑。老药新用即挖掘已获批或已有大量安全数据药物的新适应症，无需从零设计全新分子，也不必过早面对漫长的一期安全性验证。通过AI对海量文献、基因表达谱、真实世界临床数据的深度整合与推理，找出隐秘的“药物-靶点-疾病”新链接。在这个信息密集、逻辑推理重于分子模拟的环节，大模型的评估-推理优势恰好能直接转化为商业价值，路径更短，容错空间也相对更大。
但与大多数AI制药公司不同，Miles Wang创业公司的核心卖点或许并非某种具体的分子设计软件，而是一种通用AI方法论在生物化学领域的可迁移性。他的论文列表显示其在AI制药上有一定相关研究，但“评估AI做科学的能力”和“真正用AI做出一个药”之间，隔着从干实验室到湿实验室的巨大鸿沟。Miles Wang的长处是强化学习和对齐评估，而当前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，强化学习虽有应用场景，却未必是最对应的方向。管线推进需要的不只是模型能力，更是与FDA、药企、CRO打交道的经验，这家初创企业要补的行业功课恐怕不少。
然而，20亿美元的估值从侧面反映了风投的“宽容”程度，也释放出一种趋势信号：投资人似乎再度愿意押注辍学的年轻人。但这次的“辍学”与盖茨、扎克伯格时代有本质区别。上一代辍学创业赌的是年轻人更懂互联网产品，这一代赌的则是大模型实验室已经替代了大学，成为更高阶、更稀缺的人才认证机构。投资人可能并不在意他是否哈佛辍学，也不在乎他“适不适合”传统意义上的药物发现，看中的是“OpenAI顶级研究员+AGI for Science”这个组合。大模型实验室正在变成新的斯坦福、MIT——它筛选、训练、认证了最顶尖的AI人才，而投资人认可这个认证。他们的投资逻辑，归根结底是“极其聪明的人去解决极其难的问题”，而不再是常见的“垂直行业经验+流程优化”的套路。
更深一层看，OpenAI、DeepMind、Anthropic等实验室在“AI for Science”上的重投入，本身就是一次对人才的定向灌溉。这些人的离开，与其说是“跳槽”或“离职创业”，不如说是一种“毕业”——他们带着实验室的模型能力、研究品味和同事网络，成建制地降临到垂直科学领域。当VC为Miles Wang开出20亿美元估值时，他们押注的其实是一份金光闪闪的“OpenAI学位”，以及背后所代表的、一个可能将科学发现速度彻底改写的新范式。