全球新冠疫情爆发以来，我们见证了深科技以从实验室火速走向市场所带来的威力，那就是Moderna和BioNTech/Pfizer（辉瑞）在不到一年的时间里分别将两种COVID-19疫苗从基因组序列中提取出来并推向市场。与传统疫苗相比，这是前所未有的速度，当然，这样的科技转化成果也受益于政府、学术界、风险资本和大企业等多方协同。究其背后的原因，我们看到了一个强大的科技创新的生态系统正在形成，以持续地推动相关深科技的开发与应用。
所谓“深科技”，是当下及未来的一系列深度的科技创新（技术&方法），它们根植于科学和先进工程领域的新兴技术，以技术的新颖性开创性及其使用方式为开拓新市场或颠覆现有行业提供了强劲的动力。
有人认为，深科技可以像互联网那样改变世界，并带我们步入新的周期。这是由深科技人才/企业家及其利益相关者所驱动的创新浪潮，涵盖了人工智能(AI)、合成生物学、纳米技术、量子计算、基因工程等诸多先进的技术，这里面最为凸显的特征就是拥抱了一种全新的模式，那就是注重方法和技术融合、跨界型人才（科学家、工程师和企业家等)、多角色协同（政府、学术机构、投资机构）等，重新定义着深科技领域的创新。
当下，我们也看到多学科交叉融合所衍生的新的创新方向，比如合成生物学在医疗、食品、消费、材料、农业等领域广为应用，并催生新一波产业革命。大量的深科技企业以方法和技术的融合在引领创新和进步方面卓有成效，他们呈现的特征明显，成功的路径也有迹可循，接下来我们分享来自于BCG的系列报告「The Dawn of The Deep Tech Ecosystem」& 「Deep Tech and the Great Wave of Innovation」，文中强调了深科技的方法和技术的融合、跨界型人才、深科技企业关键节点等问题，这与具备生物科技和数据智能应用两大深科技交叉投资基因的磐霖资本对于深科技的认知不谋而合，在此分享给大家，希望给到深科技企业及其投资人等一些思考。
一直以来，有进取心和远见卓识的科学家和企业家被认为是推动关键技术发展的核心。正是他们所获得技术、资金和其他关键资源的能力，才将他们的梦想、理论、概念带到实验室，甚至推向市场。而且，这些从事深科技工作的科学家和企业家不会因为棘手问题，或解决这些问题所花费的时间和精力而退缩。对他们来说，这些问题正是吸引力的一部分。这也是常说的“深层次的问题需要深层次的技术和人才”。
而事实上，从研发到工业化和商业化，今天的深科技依赖于各个细分领域的生态系统，涵盖多种类型的参与者，每个细分的生态系统围绕着一个特定的研究、技术、行业或使命组织起来。从这个角度看，深科技生态系统涉及到来自公共部门和私人部门的更多样化来源的更多类型的参与者（大学和研究中心、政府、大型企业、初创公司、投资人等），每一个部门都有自己的需要和优先事项，并作出自己的贡献。
不可否认的是，初创公司处于深科技生态系统的中心，因为它们在加速新技术或产品的研究、开发和商业化的过程中发挥着重要作用，有时还会引领激进的创新。在此过程中，他们还将借助其他角色的力量，比如风险投资人提供资金及企业管理发展所需要的专业知识甚至到上市的的策略。合作伙伴则可能提供大量其他必需品，比如进入市场的准入和潜在客户。大学、研究中心等学术机构则可以成为重要的研究伙伴，而一些加速器等服务机构则常常在帮助初创企业发展其他必要关系方面发挥关键作用。
当然，这里面的参与者的相互关系是高度动态的。随着新兴技术或行业的增长和成熟，生态系统的利益相关者之间的关系也在不断发展。例如，与早期初创公司相比，处于商业化阶段的成熟公司需要较少的技术、知识产权和监管专业知识，需要更多的知名度和进入市场的机会。有数据表明，在产品开发的实验阶段和商业化阶段，寻求企业合作伙伴帮助的企业比例从38%下降到了24%，而寻求产品分销帮助的企业比例则从24%上升到了47%。
而且，对于深科技公司来说，资本的加持是极为重要的，但数据、技能、专业知识、人脉和市场准入也是连接深科技生态系统参与者的核心资源。这意味着传统企业的财务指标，如收入和利润，并不是评估实现价值的最佳方法和唯一指标。深科技的生态系统通常建立在非传统、间接或非金融联系基础上，这些推动大型企业、初创企业、投资者和其他人开发新的合作和价值评估模型。
当前，Moderna、Pfizer（辉瑞）等一些企业已经家喻户晓。Space X和蓝色起源(Blue Origin)等公司也已抓住了公众的眼球。而在一些新兴领域，比如合成生物学和量子计算，正在酝酿新生企业，还有一些带有科幻色彩的领域，比如飞行汽车也是如此。那么从早期走向成熟甚至成功，深科技公司则依赖于以下几点：
1，以问题为导向来识别机会，并导航方向和把控复杂性。
2，各种方法和技术的融合推动了创新，拓宽了选择空间，并解决了以前没有解决方案的问题。
3，Design-Build-Test-Learn。如果融合的方法和技术为深科技方法提供了路径，那么这个DBTL循环就是驱动它的引擎，它在要解决的问题和要所需要的科学技术之间架起了一座桥梁。这个可以理解成“概念——概念验证——进化”的循环式推进。
通过解决复杂和基本的问题，深科技企业瞄准了高深影响力的机会。他们不是依赖于已知或已建立的解决方案，而是从理论研究中获得灵感，提出相关概念和理论，并以此来塑造企业的运营、组织和市场战略。
融合方法是深科技企业发展的另一个先决条件，也是企业将寻求基础理解与应用研究结合起来的关键推动因素。
从解决需求/问题开始，就需要结合跨领域方法展开分析，包括路径的发现和框架形成以及创意生成都需要将科学和工程结合起来，因为先进的科学提供了支撑解决方案的理论，工程则确保技术和商业(或至少经济)的可行性。但是，听起来这像一个线性的过程，实际上这里面很多方面是并行发生的，这也正是深科技创新的挑战所在。
这里面一个很好的例子是Cellino（一家开发自动化干细胞生产平台的公司），它围绕“再生医学成为可能”这个理论，将科学(干细胞研究)和工程(将成人细胞转化为干细胞)结合，运用到人工智能技术、机器学习、硬件、软件以及激光等技术，旨在降低与制造人体细胞相关的成本，同时提高产量。
“并不是所有的科学家都能成为企业家，而我之所以成为一名企业家，是因为我周围有一个很棒的支持网络”，首席执行官 Nabiha Saklayen 在谈及创业动机时说道。她还引入了一位应用物理学家作为联合创始人，共同发明了基于激光的细胞内递送技术。后来，她又引入一位在光学和仪器领域有过独立创业经验的资深人士担任公司另一位联合创始人兼首席技术官。这也使得Cellino的创始团队非常互补。
融合技术方面，自动驾驶、物联网和人工智能等技术已屡见不鲜。现在，基因测序、基因编辑以及纳米技术的进步正在开辟一条新的道路。
比如纳米技术，研究人员正开发工具来设计和生产纳米级的发明(纳米是十亿分之一米——在这个尺度上，单个粒子的波动可以影响到整个系统)，使公司能够利用自然来进行产品设计。当它与物质和能源、计算和认知、传感器和运动等技术能力相结合时，它可以让创新公司解决以前无法解决的问题。这也是深科技的一个定义属性。
在生物学领域，科学家利用人工智能和生物打印技术预测蛋白质折叠，这将给药物发现和医学带来革命性的变化。基因编程公司Ginkgo Bioworks 等一些处于跨界交叉领域的企业，使用人工智能来设计遗传结构，然后依靠自动化来建造和测试它们，这会使得生物编程实现令人难以置信的进步。同样地，合成生物学巨头Zymergen Inc【ZY】，就使用了包括人工智能、自动化和生物工程等技术来创造前所未见的材料。Cellino也在将干细胞生物学、激光物理学和机器学习结合起来，研究如何将成年细胞转化为干细胞。
在物理学领域，来自美国的核聚变初创公司Commonwealth Fusion Systems在近期募集到了超过18亿美元的资金。这一数字，刷新了人类历史上核聚变私人投资额的新纪录。该公司的目标则是从核聚变过程中获取净能量，打开无限清洁能源的潜力，加速商业化。
深科技领域DBTL的优点明显，比如速度和敏捷性，其实，深科技对处理速度的影响是巨大的——通常是数量级以上。当人工智能、量子激发算法、高级传感、机器人技术和增材制造制造等技术结合在一起会导致性能的逐步变化。例如，先进材料和机器人企业Kebotix在其技术平台的早期展示中，将OLED(有机发光二极管)材料的开发时间从7年缩短到1.5年。
深科技创新过程的核心是概念形成及其设计路径阶段（Design-Build），这个环节创造了大量的价值。例如，法国空客公司依靠Autodesk软件的生成设计技术，材料科学新兴技术和3D打印机，设计出了一种比以前的设计轻两倍的飞机隔板，从而减少了燃油消耗和二氧化碳排放。
类似地，建筑设计师可以使用VR/AR工具来设计产品，而不需要实际建造它，这就减少了所需的物理原型数量，并提高了每次迭代的精度。这种方法同时降低了建筑成本，并改进了产品设计。
在未来，量子计算机将拥有巨大的计算能力，处理大量的信息，执行某些算法的速度将指数级快于传统计算机。这就为基于计算的工作提供新的可能性。量子计算可能会在生物制药、化学、材料设计和流体动力学等领域产生重大影响。它的力量已经以量子激发算法的形式发挥作用。
将人工智能和量子计算结合以加速药物发现的法国初创公司Aqemia声称，其量子激发的算法使其能够以比传统方法快1万倍的速度识别出最适合药物开发的分子。同样，总部位于伦敦的初创公司Rahko（近期已被位于波士顿的创新药物研发企业Odyssey Therapeuticss收购）之前也表示会建立一个量子化学平台，该平台可以模拟材料，以无与伦比的速度和准确性发现和开发新分子，并大大降低成本。
平台和人工智能自动化的进步以及成本的持续下降，都会帮助公司实现巨大的规模经济、强大的吞吐量，并大大提高精度。这也就是所谓的‘Test’。
当下，强大的新平台技术（机器学习、量子计算和基因工程等）正在涌现且相互融合，这给予了很多企业结合概念去验证的机会，也免去了对于初创企业来说的一些成本、耗时或技术挑战的问题。比如，有的公司可以使用云计算平台、合成生物材料平台和共享空间来构建和测试设计。例如，超高通量微生物筛选和改造企业enEvolv(该公司于2020年被Zymergen收购)基于生物传感器技术可实现在1天时间内，以精密的敏感性和特异性对数十亿个单独工程细胞中的目标分子进行检测。
人工智能等技术也加快了‘Learn’。有了人工智能，企业可以通过机器学习算法来运行大量数据，这些算法可以从开发的产品的特征和测试结果中学习。这些算法可以确定哪些类型的产品合适，哪些不合适，并可以通过反馈循环自动将结果返回到设计阶段。而且，这个概念验证的速度呈指数级增长，时间尺度从几周或几个月骤降到几小时甚至几分钟。
将机器学习和机器人自动化应用在材料领域的早期公司Kebotix将模拟分子结构的机器学习算法与自主机器人实验室相结合，后者对算法进行合成、测试，并将结果反馈给这些算法。通过应用启发式，算法适应了来自实验室的结果，为快速学习和仿真创建了一个闭环。
对于深科技企业的评判，常规来讲涉及一系列问题，比如：当前实践的限制是什么?你的方法有什么新意?为什么你认为它会成功?如果你成功了，又有什么区别呢?有什么风险?这要花多少钱?需要多长时间?
其实，想要让自己成为细分领域中的黑马或领头羊，深科技企业/创始人则可能需要面对更加深刻的灵魂四问：
1，现实会有所不同吗?
2，是否存在一种开发解决方案的方法?
3，我们现在能构建解决方案吗?
4，要让解决方案成为新常态，必须发生什么?
以第一家研发新型冠状病毒疫苗、第二家将其推向市场的Moderna公司为例，就面临着以下四个关键时刻:
1，我们能否引导人体细胞自行产生特定的蛋白质来保护自己?
2，mRNA(基因序列分子)可以用来重新编程细胞的蛋白质生产吗?
3，使用mRNA能将新冠病毒特异性疫苗的发现时间从几年缩短到几个月吗?
4，我们能否充分降低开发成本和时间，以实现对其他疾病的成本效益预防?
Moderna之所以成功，是因为它对这些重大问题都找到了肯定的答案。除此之外，它还受益于拥有相关科学、工程和商业背景的创始人的平衡组合：其团队包括一位风险投资人、干细胞研究、再生生物学和生物工程方面的学术专家，以及一位生物技术公司的前首席执行官。更重要的是，它还利用了风险投资人、合作伙伴和支持者的完整生态系统，包括美国政府(DARPA和BARDA)，大型制药公司阿斯利康(AstraZeneca)、默克(Merck)和福泰（Vertex），学术界的卡罗林斯卡研究院(Karolinska institute)和巴斯德研究院(Institut Pasteur))，以及基金会(盖茨基金会)。
尽管深科技有潜力，但它必须克服多重挑战才能充分发挥其潜力。有四个挑战尤其突出，不仅对深科技企业，而且对生态系统中的所有参与者都有影响：重塑认知、拓宽科学发展、扩大规模的困难、资金的困难。
人们并不能很快看到科学技术重塑传统或解决问题。比如，在电动发动机取代了蒸汽发动机之后，企业花了20年时间重新思考工厂车间。
重塑认知、持续创新和再创造是成功的关键。对于深科技企业来说，通常是基于应用技术突破来解决问题，找到正确的业务框架可能是一个重大挑战。许多人都在努力通过对价值链和商业模式的清晰重塑认知来确定一个令人信服的价值。
在这方面，大型企业可能面临最严峻的挑战。除了需要理解新兴技术的应用和并充分参与到深科技之外，大型企业还必须利用反事实和事实技能，鼓励认知多样性，确保高级管理人员经常接触到未知的东西。
尽管科学在许多领域都取得了巨大的进步，但在许多领域，研究人员只是抓挠了皮毛。例如，在生物学中，对自然的复杂性还远未完全了解。在化学中，纳米粒子的复杂性，仍然是设计和工程的一大挑战。
尽管人们对软机器人技术(用与生命体相似的材料制造机器人)的兴趣日益浓厚，但研究人员开发出的原型相对较少。软性材料的行为是很难理解的，因此很难控制和激活。量子计算有巨大的潜力，但多种技术挑战阻碍了进展。
深科技公司开发基础创新，往往会产生新的实物产品，但它们可能缺乏相关的扩大规模的经验。
扩大深科技实体产品的规模——以及相关的制造过程——可能既复杂又昂贵。除了建立合适的物理设施外，企业还必须克服工程挑战，以满足设计成本参数。企业和政府可以提供帮助——前者提供工程和大规模制造方面的专业知识，后者则作为新产品的早期测试客户。
近年来，深科技所获得的投资指数级增加，但目前的投资模式仍存在障碍。尤其值得注意的是，如今被广泛采用的风险投资模式在范围上不够充分，而且对人工智能和生命科学等特定领域技术的权重不均衡。
更有挑战性的是，在深科技领域，许多私募股权和风险投资基金在投资深科技方面受到结构上的限制(受基金期限、规模和激励机制等的限制)。而且，也有很多基金缺乏充分理解深科技相关技术及其风险的才能。此外，许多风险投资基金已经失去了最初的“风险”思维，而是跟随其他人的脚步亦步亦趋，或者在更成熟、更容易理解的技术上进行更安全的押注。
尽管很多伤害已经造成，但COVID-19也让人们关注到深科技解决具有人类历史性规模问题的能力——快速、高效和相对低的成本。从本质上讲，即将到来的深科技浪潮带来了一种新的创新方式，寻求解决根本性的、复杂的问题。
总的来说，深科技结合了三种方法(先进科学、工程和设计)来掌握问题的复杂性和多个技术领域(物质和能量、计算和运动、感觉和运动)，以利用它们的综合解决的潜力，并以DBTL循环和持续学习驱动和加速这种新的创新模式。
本文由磐霖资本翻译整理
©2021 磐霖资本保留所有权利 沪ICP备10037119号-1 
沪公网安备 31011502019370号