4000万美元砸向“开放科学”，Google在下一盘什么棋

我注意到一个有意思的细节：Google DeepMind此次公布的4000万美元Genesis Mission资助，并非投向某个创业公司，也不是为了孵化内部项目，而是直接面向全球科学界开放——任何符合条件的研究团队都可以申请使用其AI工具和算力。这听起来不像一个典型的商业投资，倒更像一种公益性质的科研基金。

但仔细想想，这恰恰是科技巨头在AI科学发现赛道最聪明的一步棋。过去两年，我看过超过200个AI+科学发现的项目，从蛋白质结构预测到材料基因组学，从药物分子设计到气象模拟。这些项目的共同痛点是：数据碎片化，算力昂贵，最关键的是——缺乏一个能够被广泛验证的“标准实验场”。Google的Genesis Mission，本质上是在用4000万美元买一个“标准实验场”的控制权。

如果我们拆解一下这个赛道的估值逻辑，会发现一个有趣的现象。传统AI公司（如商汤、旷视）的估值高度依赖客户数量和场景落地速度，天花板明显。而AI+科学发现类公司，估值逻辑通常分成两派：一派是“工具型”，比如卖算力或软件许可证，天花板取决于科研预算的规模；另一派是“平台型”，比如通过AI加速发现新分子或新材料，然后通过专利授权或分成获取收益，天花板极高，但风险也极高——因为科学发现本身是高度不确定的。

Google选择的路径，是第三种：它不卖工具，也不直接做发现，而是通过开放基础设施来“锁定”科学发现的标准流程。一旦全球顶尖实验室开始依赖AlphaFold、GraphCast这些工具，Google就掌握了科学发现上游的“水龙头”。这种模式在商业上非常像AWS的早期策略——先通过免费或低价培养用户习惯，再通过生态锁定实现长期收益。

“我们相信，开放科学是加速发现的最佳方式。”——Pushmeet Kohli，DeepMind科学与战略副总裁

这句话表面上是愿景，实际上是护城河。封闭的竞争壁垒（比如独家数据、专利墙）在科学发现领域往往效率低下，因为科学进步需要peer review和重复验证。而Google反其道而行之，用开放换取“使用习惯”的垄断。一旦全球科学家习惯了用DeepMind的工具，任何后来者想要替代，都需要同时迁移整个研究社区的认知和信任，成本极高。

从投资角度看，这个4000万美元的承诺，更像一个“种子轮”投资，只不过投的不是公司，而是整个科学社区。我判断，未来3-5年，AI科学发现领域的估值重心会从“工具型”转向“生态型”。那些能够连接大量科学家、提供标准化数据流和验证流程的平台，将获得最高的估值溢价。而纯粹的AI模型公司，如果没有持续的数据飞轮，会很快被边缘化。

但也要看到风险。Genesis Mission强调“开放”，这就意味着Google无法完全控制成果的知识产权。如果某个团队用AlphaFold发现了一个极其重要的药物靶点，Google可能只能获得学术声誉，而无法直接变现。这让我想起早期互联网的“开源”模式——Red Hat通过开源Linux赚到了钱，但大部分开源项目并没有商业化的路径。Google能否在开放与商业化之间找到平衡，仍是一个未知数。

另一个值得关注的竞争变量是微软和Meta。微软的AI for Science项目已经投入了数亿美元，聚焦于蛋白质设计、催化反应模拟等垂直领域；Meta的ESM系列模型在蛋白质语言模型上与AlphaFold直接竞争。这些巨头都在用类似方式“收买”科学家。Genesis Mission的4000万美元，在巨头军备竞赛中只能算中等规模，能否形成真正的网络效应，要看后续的运营和迭代速度。

我最近在梳理AI机器人赛道的投资逻辑时发现，一个有趣的交叉点正在生成：科学发现AI所产出的新分子、新材料，往往需要机器人自动化平台来验证和合成。比如，一个AI预测出某种聚合物具有极高的导电性，但传统实验验证需要数周，而机器人自动化实验室可以将这个周期缩短到几天。这暗示着，Genesis Mission的长期价值可能不仅仅在于科学发现本身，更在于它为下游的自动化实验设备创造了需求。如果这个逻辑成立，那么机器人赛道的估值模型也需要重新调整——不再单纯看设备销售，而要看它能否与AI发现工具形成闭环。

我决定再观察三个月，看看Genesis Mission的首批资助项目是哪些团队，以及他们是否愿意公开数据。如果Google能够成功建立起一个活跃的开放科学社区，那么它的估值逻辑将从“AI公司”转变为“科学基础设施公司”，后者的天花板显然更高。

原文链接：https://deepmind.google/blog/accelerating-the-frontiers-of-scientific-discovery-googles-40m-commitment-to-the-genesis-mission/