前OpenAI研究員Miles Wang在沒有任何生物學學位、公司尚無官網和公開管線的情況下，正在洽談一筆約2億美元的融資，領投方為Lightspeed，估值高達20億美元。這位從哈佛大學電腦科學本科輟學的年輕創始人，於2024年3月加入OpenAI的強化學習團隊，一年半後帶著幾位前同事離開，計劃創辦一家專注於AI藥物發現的公司。
儘管交易尚未最終落定，這一估值數字本身已足以引發市場對AI人才流向的重新審視。Miles Wang的創業方向踩在了一個急速升溫的賽道上。最近三個月內，AI製藥領域吸引了約27億美元的資金湧入。Chai Discovery剛剛宣佈完成新一輪4億美元融資，投後估值達到38億美元；Isomorphic Labs也在今年5月完成了21億美元的B輪融資。與此同時，Anthropic在本月初宣佈進軍藥物研發，此前已斥資數億美元收購Coefficient Bio，併成功邀請AlphaFold的核心人物John Jumper加盟。
這一系列事件勾勒出一條清晰的人才遷移鏈條：大模型實驗室的頂尖研究者正在系統性地向科學領域流動。Miles Wang的研究背景為此提供了註腳。他發表的論文如《FrontierScience：評估AI執行科學研究任務的能力》和《測量AI在溼實驗室中加速生物學研究的能力》，核心在於評估通用AI模型在真實科學場景中的表現，探討AI的推理與規劃能力距離一個合格的“AI科學家”還有多遠。這正是其創業邏輯的基點——將大模型已得到驗證的通用認知能力，遷移到科學發現的流程中，而非從零搭建一套僅服務於藥物發現的垂直小模型。
這種“通用能力向科學場景遷移”的思路，在機構層面同樣在發生。Anthropic收購Coefficient Bio、推出Claude Science並引入John Jumper，本質上是將大模型能力從工具層推向科學研究的運營層。OpenAI、Anthropic等實驗室的“AI for Science”專案，正從官網上的公益副業，轉變為證明模型能力邊界的關鍵實驗場。某種程度上，這或許說明大模型在文本、程式碼、多模態上的“低垂果實”已被採摘完畢，人們需要一個能大展拳腳的新戰場，而科學領域正是下一個需要“高算力+高資料”來驗證AGI通用性的戰場。
Miles Wang選擇“老藥新用”作為切入點，也印證了這一邏輯。老藥新用即挖掘已獲批或已有大量安全資料藥物的新適應症，無需從零設計全新分子，也不必過早面對漫長的一期安全性驗證。通過AI對海量文獻、基因表達譜、真實世界臨床資料的深度整合與推理，找出隱秘的“藥物-靶點-疾病”新連結。在這個資訊密集、邏輯推理重於分子模擬的環節，大模型的評估-推理優勢恰好能直接轉化為商業價值，路徑更短，容錯空間也相對更大。
但與大多數AI製藥公司不同，Miles Wang創業公司的核心賣點或許並非某種具體的分子設計軟體，而是一種通用AI方法論在生物化學領域的可遷移性。他的論文列表顯示其在AI製藥上有一定相關研究，但“評估AI做科學的能力”和“真正用AI做出一個藥”之間，隔著從幹實驗室到溼實驗室的巨大鴻溝。Miles Wang的長處是強化學習和對齊評估，而當前AI製藥的技術方向以擴散模型、圖神經網路、蛋白質結構預測和分子動力學為主，強化學習雖有應用場景，卻未必是最對應的方向。管線推進需要的不只是模型能力，更是與FDA、藥企、CRO打交道的經驗，這家初創企業要補的行業功課恐怕不少。
然而，20億美元的估值從側面反映了風投的“寬容”程度，也釋放出一種趨勢訊號：投資人似乎再度願意押注輟學的年輕人。但這次的“輟學”與蓋茨、扎克伯格時代有本質區別。上一代輟學創業賭的是年輕人更懂網際網路產品，這一代賭的則是大模型實驗室已經替代了大學，成為更高階、更稀缺的人才認證機構。投資人可能並不在意他是否哈佛輟學，也不在乎他“適不適合”傳統意義上的藥物發現，看中的是“OpenAI頂級研究員+AGI for Science”這個組合。大模型實驗室正在變成新的斯坦福、MIT——它篩選、訓練、認證了最頂尖的AI人才，而投資人認可這個認證。他們的投資邏輯，歸根結底是“極其聰明的人去解決極其難的問題”，而不再是常見的“垂直行業經驗+流程最佳化”的套路。
更深一層看，OpenAI、DeepMind、Anthropic等實驗室在“AI for Science”上的重投入，本身就是一次對人才的定向灌溉。這些人的離開，與其說是“跳槽”或“離職創業”，不如說是一種“畢業”——他們帶著實驗室的模型能力、研究品味和同事網路，成建制地降臨到垂直科學領域。當VC為Miles Wang開出20億美元估值時，他們押注的其實是一份金光閃閃的“OpenAI學位”，以及背後所代表的、一個可能將科學發現速度徹底改寫的新範式。