科研市场研究

生物试剂是指有关生命科学研究的生物材料或有机化合物，以及临床诊断、医学研究用的试剂。数据显示，中国生物科研试剂市场规模于2015年达到72亿人民币，并以17.1%的年复合增长率增长至2019年的136亿人民币，增速高于同期全球生物科研试剂市场。这一投入预计于2024年达到260亿人民币的规模，期间年复合增长率为13.8%。数据来源：Frost&Sullivan、中商产业研究院整理生物科研试剂可分为细胞类、蛋白类和核酸类三种，其中蛋白类试剂又分为抗体、重组蛋白和其他。2019年，蛋白类生物科研试剂市场占中国生物科研试剂总体市场的29.4%，其中抗体占蛋白类生物科研试剂的67.0%，重组蛋白占21.3%，剩余为其他蛋白类生物科研试剂。数据来源：Frost&Sullivan、中商产业研究院整理市场规模不断扩大生命科学领域科研及工业市场需求的不断提升，将推动生物科研试剂市场总体规模的扩大。高校、科研机构对科研成果数量与质量的重视，工业用户对药品与相关产品产量提高的追求，医疗卫生机构对于防疫监测的重视都为生物科研试剂带来了更高的需求，推动其市场规模的扩张。进口替代趋势增强随着近年来，国家对生物、医疗、卫生健康和药物开发等领域的支持力度不断加大，生命科学实验室耗材的需求量明显增加并带动了国内相关产业的快速发展，本土企业科研能力的提升、产品质量的提高、业务水平的进步，国产生物科研试剂将通过价格、供应链及服务的优势提升市场竞争力，逐步打破进口产品主导的行业局面，形成进口替代发展趋势。客户对产品质量要求提高随着生物药行业的发展及精准医疗的兴起，医药企业对于试剂质量的要求显著提升，倾向于选择更稳定、更成熟的高质量试剂与服务，降低药物研发及生产的失败率。产品质量高、品牌影响力强的企业将在未来的市场竞争中更具竞争力，将获得市场认可并得到持续发展。对产品创新需求增强随着靶向治疗及免疫治疗等精准医疗技术进一步创新发展，为解决生物药研发及生产中药物免疫原性、药物半衰期、生产质量稳定性等更复杂的问题，需要更创新的产品设计，将有利于产品创新能力强、市场结合度高的企业快速发展。 （文章来源：中商产业研究院）

重组蛋白是应用了重组DNA或重组RNA的技术获得的蛋白质。近年来，中国从政策层面及科技研发支持方面，加大对生物医药的重视及投入，中国生物制药企业在生物药、细胞免疫治疗及体外诊断等方面在向国际生物医药行业接轨。数据显示，中国重组蛋白市场规模从2019年9亿人民币增长至2024年19亿人民币，2019年至2024年间年复合增长率为16.12%。数据来源：Frost&Sullivan、中商产业研究院整理重组蛋白科研试剂行业发展趋势1。市场规模铸件扩大生命科学领域科研及工业市场需求的不断提升，将推动生物科研试剂市场总体规模的扩大。高校、科研机构对科研成果数量与质量的重视，工业用户对药品与相关产品产量提高的追求，医疗卫生机构对于防疫监测的重视都为生物科研试剂带来了更高的需求，推动其市场规模的扩张。2。逐渐实现“进口替代”随着近年来，国家对生物、医疗、卫生健康和药物开发等领域的支持力度不断加大，生命科学实验室耗材的需求量明显增加并带动了国内相关产业的快速发展，本土企业科研能力的提升、产品质量的提高、业务水平的进步，国产生物科研试剂将通过价格、供应链及服务的优势提升市场竞争力，逐步打破进口产品主导的行业局面，形成进口替代发展趋势。（文章来源：中商产业研究院）

新华社天津1月20日电 题：市场与科研“握手” 产学研相互促进——清华天津高端院里的京津冀协同创新“密码”新华社记者 李鲲“不到一年生产几十万瓶，目前每个月销售5万多瓶，我们的‘小氯瓶’不仅为抗疫作了贡献，也成为‘爆款产品’！”拿起自主研发生产的“二氧化氯空气净化凝胶”，天津清科材慧环保科技有限公司副总经理任立信心满满。任立说，这款产品的成功在于产品背后的一整套产学研协同创新机制。说到这儿，任立递来名片，他还有另一个身份——清华大学天津高端装备研究院（以下简称“清华天津高端院”）表界面微纳技术研究所研发总监。清华天津高端院位于天津市东丽区，是依托清华大学机械工程系建立的派出研究院。在清华天津高端院常务副院长何永勇看来，按照“北京原始创新、天津研发转化、河北推广应用”的顶层设计，让市场需求和高校科研在他们这里“握手”、形成产学研链条的“双向促进闭环”，这就是清华天津高端院真正实现京津冀产学研协同创新的“密码”。高端院成立以来，北京、天津近距离的区位优势吸引了清华大学的一大批科研人员来到天津东丽区创新、创业，很多人身兼研发机构与公司双重负责人身份，研发机构不考核论文、直接面向市场，与创业公司共同推进科研成果产业化，创业公司又根据市场需求与研究机构、高校共同申报课题立项，调动科研积极性。今年32岁的郭超的名片有两面，一面印着天津清研智束科技有限公司总经理，一面印着清华天津高端院增材制造技术与工程研究所副所长。2015年，清华大学机械工程系博士毕业的他跟着老师一起来到天津，成立了研究所和公司。“清华大学对金属3D打印十多年的超前研究，为我们创业指明了市场方向、提供了技术支撑，而反过来，在清华天津高端院产学研高度融合的模式里，市场的需求也可以快速反馈给研究所和高校进行科研突破，形成良性互动。”郭超说。他举了个例子，金属3D打印机上用于发射电子束的设备阴极，曾长期主要依靠进口，但其寿命通常只有约80小时，很多大型产品需要有更长的打印时间，中途更换阴极很不方便，于是他们公司和研究所将市场需求提交给清华大学和有关科研单位，最终推动寿命长达800小时的国产阴极诞生。“企业出题、研究所接单、高校支撑”，何永勇告诉记者，这种以市场驱动创新的“反向模式”，正是清华天津高端院不同于普通的“企业孵化器”的根本所在，促进了一系列创新成果在天津诞生。现在，清华天津高端院已集聚了涵盖机器人与智能制造、微纳制造与节能环保、生医机械与大健康、高端装备四大战略领域的39个团队，共签订科研项目合同400余项，科研合同总经费额突破7亿元人民币，累计申请专利244项，被授权专利136项。“清华天津高端院与天津东丽区的合作正在走向深化，东丽区将引入专业的平台公司建设科技园，吸引基金群为企业做好投融资服务，进一步将清华天津高端院打造成京津冀协同创新的新高地。”东丽区副区长、清华天津高端院副院长李光华说。

“半导体光电子器件及集成技术”、“新型存储器件及集成研究”等一批最新突破技术首次发布；强化高价值专利运营促进成果转化的若干措施、推动中关村首创产品市场应用的若干措施等一批创新政策推出；《全球科技创新中心指数2020》、《中关村全球科技园区创新发展指数2020》发布……昨天，2020中关村论坛发布会上，8项重磅创新成果与政策、5项科创指数与研究报告、6个创新平台与集聚区集中发布。在昨天的中关村论坛发布会上，量子直接通信技术等成果发布。本报记者 饶强 摄窃听技术的“克星”逐渐走进现实。北京量子信息科学研究院兼聘研究员、清华大学教授龙桂鲁宣布，团队近期成功研制出了国际上第一台具有实用价值的样机，完成了全部设计功能和长时间稳定性检测，可实现10公里光纤链路4kb/s通信速率的量子保密电话，推动量子直接通信从“黑科技”走向实用化发展。作为中科院“率先行动”计划第一阶段重大原创成果，中国科学院半导体研究所发布了其光电子器件及集成技术。该所研制了一系列自主可控的光电子器件，并为诸多国家重大工程提供稳定支持。北京微芯院发布的新型区块链底层平台——“链工场”，将打破底层平台以国外为主流的局面，推动区块链生产由手工作业模式到自动化装配生产的技术革命。中关村管委会昨天还发布关于推动中关村首创产品市场应用的若干措施，从7个方面着力解决首创产品“首次进入市场难”的痛点问题，打通首创产品进入市场的“最后一公里”。中关村将按不超过首次进入市场合同金额30%的比例给予首创产品研制单位资金支持，国际首创产品补贴上限200万元，国内首创产品补贴上限100万元。在论坛发布会上，5大系列科创指数与研究报告集中发布。施普林格·自然联合清华大学面向全球发布的《全球科技创新中心指数2020》显示，在全球主要科技创新中心城市排名中，北京位列第五名。通过追踪全球82种高质量自然科学期刊上发表的科研论文，并分析全球主要城市的表现后，会上发布的《自然指数——科研城市2020》显示，北京在全球科研城市中蝉联第一。此外，6个创新平台与集聚区相继发布、推介，并将打造中德合作、中日合作等具有全球示范意义的国际合作平台。来源：北京晚报 记者：孙奇茹流程编辑：TF015

8个高校，20个案例，运营转化总金额14.25亿元……日前，在“2020天府知识产权峰会暨中华地标品牌与产业发展国际研讨会”上，四川省知识产权服务促进中心(下称四川省知识产权中心)主任谢商华发布了《四川省“十三五”期间高校知识产权市场化运营转化二十大典型案例》。“知识产权市场化运营转化旨在充分发挥市场导向作用，实现知识产权价值，让高校应用性研究以市场需求为导向，朝着转化为现实生产力的方向努力，以促进产业优化升级。”谢商华认为，提升高校知识产权转化能力是知识产权强省建设过程的重要环节。高校知识产权一头连接高校，一头面向市场。如何让高校科研成果转变为经济效益？四川省着力破解高校知识产权转化难、与市场需求不匹配的问题，创新政策制度，推动打通知识产权与市场、资本的通道，促进高校提升知识产权运营转化率。激励机制疏通市场化“堵点”针对目前高校存在的科技成果质量不够高、转化率较低、转化动力不足等问题，四川省知识产权中心指导全省高校开展职务发明知识产权归属和利益分享制度改革，确保在成果转化中，个人与单位权属分配更加明晰。这成为四川落实科研成果转化的有力抓手。“高校科研要主动拥抱市场，克服产学研用脱节。因此，加大激励力度，明确利益分配，明晰权属是高校科技成果市场化运营转化的重要步骤。疏通‘堵点’，才能更好地将高校与市场建立联系，释放创新的价值。”四川省知识产权中心相关负责人介绍，截至目前，四川省有45个试点单位推行此项改革，带动社会投资数百亿元。在四川省“十三五”期间高校知识产权市场化运营转化的众多案例中，四川大学华西医院(下称华西医院)的转化成效令人眼前一亮。2018年，华西医院出台激励政策，引入市场机制加大激励力度，为释放创新活力和成果转化提供了制度保障。“我们将原创成果通过转让或许可取得的净收入以及作价投资获得的股份或出资比例，提取80%至90%的比例用作奖励。”华西医院成果转化部负责人介绍，在支持成果转化的基础之上，医院同样支持创业，允许科技人员兼职从事科技成果转化活动，“医院扩大了横向项目经费使用自主权，在保证完成合同任务的前提下，根据工作内容和合同约定合理自主安排，不设置劳务费比例限制。”开放的激励政策释放了创新活力，推动高质量成果转化为现实生产力。一系列举措让华西医院逐步具备科技成果转移转化优势。“十三五”期间，华西医院共获专利1097件，转让、许可知识产权145项。2020年，华西医院以“新冠病毒疫苗”等21项科技成果作价5.116亿元投资入股成立公司，“局部麻醉药LL-50”专利以许可方式与企业合作开发，签约成交额达2.5亿元。“我们鼓励科技人员创新创业，提高科技人员成果转化收益比例，最高可以达到88%。”西南石油大学科研处处长杨兆中告诉记者，在高校的实践中，这一制度改革有效提升了科研成果质量，提高了科技人员对成果转化的积极性。“我们将成果转化收益的‘大头’交由课题组或发明人支配使用，带动了高校科研对接市场需求，所得成果产出收益还能够为科研投入提供持久支持，实现滚动发展。”杨兆中说。协同体系助力高效率转化如何让高校科技成果实现面向社会的技术扩散？四川省加强高校院所知识产权协同创新体系建设，致力实现高质量创造、高效率转化。高质量创造靠人才，校企协同来培育。“根据行业新业态对应用型人才的需求，在人才培养的各个环节引入企业生产者、管理者参与其中，让产学研深度融合，可进一步培育应用型人才。”攀枝花学院大学科技园管理委员会主任侯亚辉认为，引企入校、校企深度合作是创新人才培养机制的好方法。目前，攀枝花学院已联合中兴通讯共同实施ICT项目，与攀钢集团有限公司、四川科力特硬质合金有限公司、攀枝花市天民钛业有限公司等100多家企业签订校企合作协议，全方位开展产学研合作，并创新推出科力特班、晶科定制班等校企共建班，构建人才培养新机制。高效率转化则要有平台。西南石油大学搭建“三大平台”，将“学生创新创业中心”“国家重点实验室”“国家大学科技园”等科技成果转化平台整合，形成技术转移体系，实现“科学研究-专利申请或者商业秘密保护-成果孵化-市场开拓-企业成长”等多个环节的无缝对接。构建产学研一体化协同创新体系还可以促进对某一领域的深耕。攀枝花学院建立全国首个国际钒钛学院和国际钒钛研究院，打造国家钒钛检测重点实验室、四川省钒钛材料工程技术中心等16个促进钒钛开发的研究平台开展技术攻关，获得相关专利100余件，在钒钛材料研究领域居全省领先地位。近年来，高校知识产权市场化运营转化以作价入股成立新公司、专利许可、专利转让、技术服务等多种形式走向市场，获得了更广阔的应用空间。杨兆中介绍，西南石油大学的成果转化主要以解决技术服务、提供技术咨询等方式服务油田企业，“针对企业的具体需求进行科研项目的开展，实现企业需求和技术服务的精准对接。”侯亚辉表示：“加强校企合作，准确把握区域经济社会发展需求，可以带动产业升级发展。”截至目前，攀枝花学院先后培育了以新中钛科技有限公司、三博士公司等为代表的一批科技型企业，在钒钛新材料、生物资源开发、太阳能技术等领域实现科技成果转化26项，预计可实现产值5亿元。“完善科技成果转化市场化运行机制，还需要进一步寻求多方合作，筹集资源，加大投入，促进更多高质量项目落地。”侯亚辉说。市场化运营转化为改变知识产权数量与质量不协调、与经济发展融合不够紧密等现状提供助力，更为区域产业转型升级提供坚实的人才储备和技术支撑。疏通市场化运营的“堵点”，激励科研人才的市场敏感性，建立协同体系促进高效率转化，四川省高校将释放更多知识产权经济价值，让地方产业和区域经济发展更富活力。(实习记者 苏悦)

文 | 方鑫图片来源 | Pexels根据国家统计局核算，我国 2018 年工业GDP达到 30 万亿元，提升1%的效能，即可带来 3000 亿元的经济增值，可见工业升级的经济空间之大。本文是 BV 百度风投对工业智能的深度行业研究报告，系统梳理了工业“研产供销”全产业链上，技术变革带来的效率提升机会，并从数据、模型、决策角度分析了数据产业链的价值。本文作者方鑫，BV百度风投投资副总裁，长期关注AI行业解决方案、企业服务智能化、工业智能、数据智能等领域，并致力于帮助产业方、科研学者、创业者和技术拥有者等打造和完善行业智能创新方案。在工业智能领域主导或参与投资项目包括玄羽科技、汇电云联、湃方科技、埃睿迪、长扬科技、数见科技、云丁科技等。目录一、工业智能化概述1.1 我们理解的工业智能化，是技术带来的开源节流、生产组织方式变革或行业效率模型再造1.2 工业智能化的形态和商业模式发展：强解决方案大乙方&强运营新甲方二、工业智能化创业与投资机会详解1. 平台型企业并不垄断，互相赋能正当其时2. 垂直重度打造细分行业工业智能系统大有可为3. 单点切入，资产/设备、流程优化打造新型智能系统3.1资产/设备的智能化机会3.2 算法和数据驱动的流程优化打造新型调度决策系统4. 智能工厂操作系统，从点线运营效率到系统效率提升4.1 串联制造执行，获取业务数据，MES的价值4.2 精准和柔性，从制程优化到全局智能FOS（工厂操作系统），未来工厂的畅想5. 工业智能化带来的产业效率提升和商业模式变革5.1 以工厂为核心，企业作为主体，技术赋能上下游的产业效率提升5.2 连接研产供销，企业级的流程再造和商业价值重塑6. 工业智能中数据产业链的投资价值三、共创工业智能未来：技术孵化、产业连接和资本助力一、工业智能化概述1.我们理解的工业智能化，是技术带来的开源节流、生产组织方式变革或行业效率模型再造所谓工业智能化，我们关注的是能够带来开源节流、生产组织方式变革的产品或技术解决方案，以及通过效率模型的变革和再造带来的运营型机会。工业智能化是以工业感知、IOT、AI、数据、软件、机器人等技术为基础，实现全局语义化的智能感知、控制、调度和决策，通过这些手段，可能会对有原有的设备、制程、工厂、供应链进行优化和改造，以达到提质、降本、增效或生产组织方式变革的目的，也可能诞生新的智能设备、新的制程、新的OEM、新的供应链组织形式甚至新的品类。但效率模型变革在各个行业并非一蹴而就，工业领域将在数据化和信息化进程中，迎来渐进式的智能化变革，本文系统梳理了工业产业链上技术变革带来的作业效率和商业效率提升机会，并从数据、模型、决策角度分析数据产业链的价值。图 1 工业智能化技术概览2.工业智能化的形态和商业模式发展：强解决方案大乙方&强运营新甲方用技术手段实现工业智能化，其呈现的形态和商业模式又是什么呢。本文试图从一个技术、产业观察者，产业投资者的角度来阐述和分析工业智能化的一些方向和可能。概括如下图，工业智能的表现形式可能为硬件、软件、业务系统、算法、平台、解决方案等，从商业模式看，可能强解决方案，终极路径成为一个大乙方；也可能通过强运营模式再造新甲方或成为新型甲方。图 2 AI赋能的机会：解决方案or重度运营然而平台林立，创业公司的机会在哪里？细分行业繁多，哪些领域有大的机会？是做解决方案的机会还是运营的机会？本文试图通过平台的分析、技术配置和行业选择的梳理、工厂解构、产业链拆分和数据的链条来寻找投资和创业的机会。并总结如下：图 3工业智能化的未来方向和发展可能二、工业智能化创业与投资机会详解1.平台型企业并不垄断，互相赋能正当其时近年，市场涌现了众多的工业互联网平台级企业，但工业行业本身细分非常多，且各自的行业属性和特点差异很大，不可能出现一个放之四海而皆准的模型和技术。这里面技术应用的逻辑和商业闭环的形成可能需要不同技术背景、产业背景的人或公司来参与和验证。以国内比较早的工业互联网平台为例，基于母公司或原企业的禀赋特征，大型工业企业工互平台多少都承载了原有企业的烙印。比如根云互联以设备物联为基础，建立设备全生命周期的管控，搭建工业云平台；围绕三一重工销售全世界各地产品，利于IOT、大数据、人工智能技术进行商业模式的创新，并延展至其他设备和产业。而海尔CosmoPlat则是以用户为中心的柔性生产平台，区别德国工业4.0工厂智能化升级改造，Cosmo除关注厂内的作业效率外，更注重于商业效率的提升。通过Cosmo实现了部分品类的零库存、可控成本大规模定制等。并尝试将家电领域实现的体系化的大规模定制能力赋能给陶瓷、纺织服装等产业。新晋上市的工业富联依托富士康现有大量客户资源、长期深入稳定的战略合作关系，规模效应下的产业及供应链优势，期望进行上下游延伸，打造工业互联网平台。从上市后的业务进展来看，在刀具预测、制程优化等等方面纷纷开始发力。相较于国内新兴的工业互联网平台，GE Predix及西门子MindSpere是国际上较早的将工业互联网、大数据等理念应用于工业的平台。且历史发展进程来看，他们也在不断用各种收购兼并的方式丰富自己的产品、解决方案及行业线。除历史悠久的西门子和GE这样的大型企业和新兴工业互联网平台之外，传统的软件厂商和系统集成商也在谋求工业互联网方向的转型和布局，如用友、汉得信息、东方国信、宝信等等。另一类的代表是阿里云、华为这样在国内具有较强的2B能力的互联网或科技企业，阿里云ET工业大脑在流程行业的方案，如钢铁、石化、能源做的比较多；淘工厂平台主要为淘宝商家提供制造和供应链能力。但这些公司都希望提供的是更通用、底层、标准化的能力，在其生态，也需要更多掌握细分行业knowhow和算法的方案商的合作。所谓平台，大家都是想要搭建一个更开放和广阔的生态，赋能给更多的工业企业，但中国的工业互联网或者工业智能化才刚刚开始，大型平台企业也只是冰山一角，且不同行业的knowhow的差异较大，留给创业者的机会还很广阔。2.垂直重度打造细分行业工业智能系统大有可为工业本身是一个非常泛的概念，不同行业之间差异较大，单论流程工业与离散工业的生产自动化程度、数据可得性和工业复杂度都不尽相同，存在的机会也有所不同，而最大的共性在于，每一个场景都需求各异，进入任何一细分领域都需要足够深厚的行业knowhow和上下游资源整合能力。不同行业的智能化诉求可能也不尽相同。这种特质的好处在于在产业服务的层面，无法形成传统大企业垄断的局面，而各个细分都有平台级的机会。从离散到混合到流程，从产品到服务，从生产到管理，存在不同的智能化变革的机会。可供选择和配置的技术手段有很多，且成熟度和领先性各有不同，什么才是有价值的机会点，如何进行选择，本文试图做出一些逻辑上的梳理。如果将上文提及的技术、与行业以及行业相应的功能和环节进行结合，就可能产生相应的商业模式和创业机会。图 4 从离散到连续，技术及行业配置的机会以下举例来说，不同行业都存在智能化变革的可能，这里面可能是卖解决方案的机会，也可能是运营型的机会。产供销一体2C产品型行业：2C型产品都有定制和柔性生产的需求，例如纺织服装、食品饮料、家电等，2C领域由于需求和产品的差异化，比较分散，集中度可能不高，有做出新品类、新网络和做出集中度的可能。这其中可能结合了大数据、排产排程、运筹优化、柔性产线改造技术及各种工业软件来得以实现。高能耗流程型行业：诸如钢铁、有色、化工、陶瓷等行业，周期性较强，涉及国计民生，体量大，且多面临产能过剩问题，能源消耗占据了很大成本，在感知、实时检测、能效等方面都有强需求。有做成一个大的解决方案商的机会。设备装备类企业：基于边缘计算和工业物联网技术，设备类企业都商业模式转型的可能，从销售服务效率、资金效率等等层面都有很大增加值的可能。半导体和面板产业：本身精细化、自动化程度比较高，但产业链的国产化程度低，良品率的提升对于整个产业的附加值大。从单个行业产业链来看，我们从什么地方下手和切入，结合大的大乙方和新甲方的方向，笔者通过系统的调研和投资践履，梳理了在工业产业链上和工厂内部技术变革带来的作业效率和商业效率变革机会。并简要概括如下：图 5 工业智能化的世界观3.单点切入，资产/设备、流程优化打造新型智能系统3.1 资产/设备的智能化机会工业机器人及智能装备从设备、资产角度，不同信息化和自动化程度的工厂都有资产升级更新迭代的需求，近年涌现了一批成长很快的新型集成商、本体研发商。同时在产品体系上，也出现并联、协作等新型的需求和团队，人机互融、仿生、自适应等新兴技术层出不穷，我们认为机器人本身是一个很大的系统性投资机会，从产业链到不同细分，在这里就不做更多展开。另一个方向是装备的智能化，部分行业和工厂的自动化程度已经比较高了，但设备和资产本身在技术突破层面有很大的空间，装备本身借助工业视觉、大数据、计算机仿真等技术进一步自适应、自校准、自主化。同时装备往制程的延展和产线的结合，可以进一步影响产品的良率。设备故障预测和健康管理(PHM)传统设备原厂商都没有太关注设备、产品销售后带来的后服务问题，典型的三大发动机厂商GE、罗罗、普惠在PHM层面做得不错，但大量机械设备厂商不具备自带PHM的服务能力。从数据采集、数据分析层面，设备的故障诊断和预测结合了算法能力、工程经验和复杂机理模型的理解，对传统的设备厂商带来比较大的技术挑战。从技术路径上，在端上做特征提取，在云端训练模型是验证的路径，但具备这样的能力的团队在市场上较为稀缺。以美国的Uptake为例，依托卡特彼勒的内燃机产品的PHM，几年内迅速成为数十亿美元的独角兽。另一个代表是全球最大的风机厂商Vestas，他们从制造开始，对风机进行了改造，传感器遍布所有部件，从2016年起，服务收入超过设备销售收入，成功转型成为一家风机服务的提供商。从市场规模看，我国有一千座钢铁高炉，47万个燃煤锅炉、200万台数控机床、30万的大中型空气压缩机、5万台的内燃机，而且还有海量的泵等机械设备，且绝大部分设备、产品、装备都没有考虑过健康管理问题。但也有三个方面的因素限制了这个方向的发展，一是AI技术与工业Knowhow不能有效结合，大多数团队也缺乏相关的工程化经验；二是算力成本过高，让资产端无法获得高性价比的预测性解决方案；三故障数据和标注的缺失，无法进行经典意义的深度学习路径去做预测。今年汉诺威工业展上预测性维护是一个非常热的话题，科技大厂、传统工业软件厂商、设备商、众多细分的创业公司在这涉足这一领域，在欧洲市场来看，这也是比较落地的工业AI和工业互联网应用场景，基于人力成本高昂等原因，预测性维护在商业逻辑也比较说得通，比如每次上门的巡检和运维单人需要300欧元，但预测性维护的方式完全可减少或避免这一支出。设备厂商也在积极拥抱这一技术，尝试进行商业模式的转型，比如Durr集团与Software AG的合作，帮助其从设备销售往服务转型。与IOT结合的商业模式变革从设备使用角度，通过共享/租赁的模式，甲方可以选择使用而不是持有，同时结合长期数据提取和分析，可以将保险、金融等商业模式嫁接进来。例如美国工程机械租赁平台Yard Club为卡特彼勒收购，国内的树根互联、徐工信息、中科云谷也在设备金融保险方面有实践。从资金端的需求看，国内一些金融机构也在寻找机器人等智能设备的融资租赁机会，基于精准的物联网检测和数据服务租赁模式可能会为智能设备领域带来新的产业增长机会。结合PHM和IOT相关的商业模式变革，我们总结了以下的技术变革和创新机会点。图 6 资产使用优化图解3.2 算法和数据驱动的流程优化打造新型调度决策系统跳出单个设备，大型的甲方也在寻找不同的制程优化解决方案，但不同的行业差异性较大，且同行业也会涉及大量复杂的制程，可能有物理、化学、生物的变化。结合数据的分析，对原料、设备、工艺进行优化以期达到提质、增效、节能等效果。我们系统梳理了从离散制造到连续制造的各个行业，从行业空间、信息化程度、能力边际提升空间、产能提升等层面进行了一些比较。总结了可能存在巨大市场机会和技术赋能机会的数个制程。BV也布局了3C领域、环保、钢铁等领域涉及制程优化的公司，比如在手机加工领域，在成型、冲压、合金、涂装、表面处理领域涉及数十个制程，每个制程都有通过数据、算法进行优化的空间。终极形态是打造一套AI闭环控制的新型调度决策系统和智能工厂操作系统。过去的专家系统更多是一个机理模型，但数据的决策最终要和工艺和机理模型结合起来，这也是在工业领域无法产生一个放之四海皆准的通用型平台的原因。部分投资者对于制程的非标性存在质疑，这种非通用的需求和场景一定程度限制了复制的速度和规模效应。重述一下我们在工业智能化领域寻求两类投资机会，解决方案商和运营商，在信息化和自动化时代，很多行业比如3C、钢铁、石化等等领域，都产生了多家上市公司，从市场规模的体量上看，在智能化时代，很多行业都可以支撑多家大的解决方案商或运营商诞生，对于我们的核心重点是要找到好的行业、结合新兴技术和工业场景理解的团队和真正能有效变革和提升行业效率模型的方案。另外，除了行业各异的制程外，与物联网、数据、人工智能等技术结合通用型需求，在这里还想讲三点，设计、安全、检测和能效。设计+AI工业仿真天然与机器学习相关，为获得最优的设计、装配、运维等实践，需要新型的智能化工业仿真软件。CAD、CAE本身是一个很大的生态，可以类比安卓和IOS，主流的参与者西门子、达索等都在积极布局和收购在不同领域，如流体力学、散热学、振动力学等等方面的优化算法和求解器，软件、插件产品可广泛用于汽车、航空航天、机械装备、3C等行业。不过目前在中国市场还未出现做设计做的很大的软件公司，大的想象空间可能在于结合大规模定制、柔性供应链等模式，获取需求数据、结合领先软件仿真和AI技术、无缝衔接，快速生产适销产品，直接切入到运营领域，再造某一新品类，重整供应链。安全要素的必要性和价值在往工业智能化时代行进的过程中，必然有大量的机器、设备、station都通过DCS、Scada等系统来调度，除传统工业软件外，还有很多新兴的业务调度和决策系统出现。在人的介入越来越少的情况，安全的把控更为不可或缺。在工业安全领域，过往在国内大多是一些垄断性企业基于合规性或等保的需求进行采购，但近年，逐步从政策性驱动往市场化驱动发展，拥有多元工控协议解析能力、强产品能力团队将有机会快速脱颖而出，并不断迭代自身产品线，储备下一代的与数据AI结合安全防护需求。美国工业网络安全公司Claroty获得了Rockwell Automation、西门子风投Next 47、施耐特等工业巨头的投资，在工控协议的解析和自动化、信息化的融合方面获得了投资的支持，同时也获得了淡马锡等财务投资者青睐。能效与AI的结合点能源是众多工业企业主要成本之一，诸如钢铁、石油、水泥、环保等流程行业，能耗占据了企业大部分的成本。传统的LMS扮演了一定的能效管理职能但在优化方面做得有限，一些科研机构掌握众多的机理模型和控制逻辑有一定的节能效果，新的机会是在于这些机理模型与AI的进一步结合。另一方面，随着电力市场的逐步改革和市场化，工商业用电的放开，多元化的参与者进入到这一市场。我们也期待技术、数据能够产生一定的鲶鱼效应，帮助企业降本增效。工业检测的通行需求和非标特性通过计算机视觉技术去提升检测环节的效率不是一个新的话题，在3C面板、盖板、锂电池、晶元、医药等领域都有些公司在做。但也存在许多挑战，诸如非标问题，机器视觉系统开发成本高，周期长；算法和软件存在易用性差，使用门槛高等问题；且还存在高精度、高动态、高反等技术上的难点和挑战。但如果能做出较为通用的平台公司，且能够解决低成本规模化行业复制的问题，必然能产生大的机会。4. 智能工厂操作系统，从点线运营效率到系统效率提升如果设备是点，制程是线，上升到面的层面我们再来看看智能化的变革机会。将制程的分段优化进行串联，并辅以工业软件及先进的传感其技术、自动化技术、机器人技术，实现全局语义化的调度和决策是理想的智能操作系统状态。从工厂运营层面，我们关注作业效率的提升，我们从资产/设备——制程——智能操作系统（Factory Operating System），三个层面看工厂智能化的投资机会；并以数据库、边缘计算、PAAS、新的感知作为承载智能化改造的基础。图 7 智能工厂操作系统结构4.1 串联制造执行，获取业务数据，MES的价值美国先进制造研究机构AMR将MES定义为“位于上层的计划管理系统与底层的工业控制之间的面向车间层的管理信息系统，整体来看，MES在我国的渗透率还是比较低的。MES产品具有比较强的行业属性和定制属性，领先的产品和技术掌握在大部分外资企业的手里，比如Rockwell、西门子、GE，同时通过兼并收购丰富其行业覆盖；半导体软件领域的领先技术都掌握诸如Applied Materials等国外企业。从国内部分企业的过往发展来看，或是依托集中度高的行业各样发展起来，比如宝信和石化盈科，或是限于产品特性未能做大。同时，真正拥有强产品的能力和团队在国内较为稀缺。但我们认为，MES作为工厂智能操作系统的基础在未来不可或缺。这里面有两层的投资逻辑，第一是能否成为一家大型的解决方案商，MES公司存在三个方面的价值，一是客户壁垒，细分行业客户黏性高，积累难度高；中大型客户、外企看中服务质量和稳定性，一般与服务企业建立长期稳定合作关系；二是行业理解：离用户近、理解业务逻辑，可能做一定的定制开发；三是场景数据优势：基于数据积累应用数据科学进行效率模型变革；第二个投资逻辑是否有强产品、云化的可能，诸如Rockwell、GFOS、ITAC Software等领先MES厂商兼认为云端是未来的发展方向，都在谈物联网平台，将数据放到云端，从制造执行往工作协同、安全等方向发展。在国内工业互联网的大背景下，这个趋势也在渐进式的发展。MES是串联工厂作业和制程的系统，但有定制化程度高、实施周期长等发展瓶颈。但整体来看，MES在我国的渗透率还是比较低的，但作为智能操作系统的基础，MES将管理层面和生产层面（工业控制）进行连接，使得全局的数据分析、调度、决策成为可能，同时在能耗分析和优化、以及排产排程、柔性制造层面，可以通过AI的结合提升效率。MES通常囊括了工厂内人、机、料、法、环各个环节，且与行业knowhow、业务流程强相关，举例说来，有了MES才能有效量化单品能耗和单人产出。广义来讲，APS是MES的一部分，它扮演了排期优化执行生产的角色，排产排程本身是一个运筹学的最优化问题，结合多条件的约束，需求最优的排产排程计划，人工智能可以提升效率。例如油田的开采周期持续8-10年，如何获得最优的产量本身是一个多阶段求最优解的过程。另外高级排产排程的算法可以使得生产获得更强的柔性，在某些领域可能数倍提升生产效率。4.2 精准和柔性，从制程优化到全局智能FOS（工厂操作系统），未来工厂的畅想现阶段的智能化可能大多数还不能做到全厂全域的情况，大多是点、线的技术，但在方向和路径上，一些大型企业和创业者也在试图去延伸自己的能力边界，从单一制程往全制程发展。试想一下，在工厂运营环境下，对物理世界的信息进行全局语义化的解析，机器与机器，人与机器能够进行高效的交互，同时智能化的操作系统完成众多的控制、调度、决策，包括AR、视觉技术对于人或数字员工的引导，仓储物流柔性化的作业调度，新型业务软件系统执行的决策调度，用户意图的获取3D重建和模拟……同时这种控制、调度、决策能够保证最优的实践。工业企业的效能提升必将进入一片新的天地。5. 工业智能化带来的产业效率提升和商业模式变革以上的梳理集中于工厂运营层面，如果上升到工厂作为一个企业，作为一个盈利主体这一层面，它要结合上下游全面考虑研、产、供、销。图 8 工厂运营之外的效率变革机会5.1 以工厂为核心，企业作为主体，技术赋能上下游的产业效率提升工业智能化不仅涉及工厂内全局语义化的智能操作系统，同时上下游的协同，生产、资金和销售服务层面都有巨大的效率提升空间。在生产采购层面，通过设备、数据的连接，IOT的赋能，线上线下的打通，云工厂可以带来产业链效率的提升，在产量、价格、投入等层面都质的突破。借助各种优化算法，工业企业在采购、库存、物流等层面都存在降本、增效的机会，早在本世纪初，惠普公司应用库存优化及数学规划模型来重构其供应链模型，两年时间节省1.3亿美元。借助产业链里的数据获得更精准的风险模型，也能帮助企业提升资金层面的效率。在销售服务层面，海尔、酷特智能都是典型C2M的代表，海尔通过反向定制，实现了部分产品的零库存，带来巨大的财务收益，当然这一结果也是工业软件、数据积累、智能化的效能。总体来讲，数据算法和智能软硬件可以作为配置器，进行产能撮合、供需匹配、资金匹配和赋能供应链协同。5.2 连接研产供销，企业级的流程再造和商业价值重塑从制造型企业的职能来看，价值的闭环通过研产供销来实现，创业或投资的逻辑也可循着企业自身价值实现的逻辑来探索新的机会。过往一些做精益咨询的公司一定程度扮演了局部或全局优化的智能，AI时代，借助技术的赋能，在企业的价值实现角度，可能带来新部门、新的供应链组织形式甚至新品类（公司）的投资机会。图 9 企业级AI：连接研产供销6. 工业智能中数据产业链的投资价值在作业效率和商业效率，资产到制程到FOS的框架之外，我们再来讨论一个贯穿始终的主题，就是数据。过去的工业领域投资，重点着力产品设备、自动化的产品和解决方案等等，整体偏硬，总体是对于人的手脚，体力劳动的替代。AI能做的事，当然不仅限于动作的执行，在数据决策层面，AI能够赋能工业企业的一些内部部门，或者替代一些大型专业服务公司，帮助其更好地完成运营和商业的决策。从数据的产业链来看，我们划分了三个层级来看：图 10 工业数据产业链投资机会在设备物联角度，面对多种协议并存的异构设备，如何把他们连接、数据汇集、融合起来，实现在边缘或云端计算，是一个基础的命题。从数据源和数据采集层面，我们也在关注新的数据轴，新的感知和采集手段，比如领先和跨代际的传感器，BV也在此领域系统布局多家国内外领先的前沿传感器公司。或者能够快速帮助企业完成工业3.0的软件产品等，如果一个企业无法量化一些指标，诸如能耗、成本或工时，则谈不上更多数据决策问题。在存储、处理和分析角度，我们关注新型的数据技术、中间件和算力需求，数据融合、集成也是智能化的一个通用需求；同时，工业机理、工业流程、模型方法经验和知识积累不足，也成为工业领域算法层面的瓶颈。在应用层，数据可以帮助人完成在供应链、设计、生产制造、检测、后服务全局的决策，因此产生了各种技术解决方案和商业模式，上文提及的作业效率和商业效率反映了数据的能力边际足以为工业带来巨大的效能和变革。三、共创工业智能未来：技术孵化、产业连接和资本助力国内不同行业、不同地区的企业，所处阶段不尽相同，有的处于2.0需要补课，有的处于3.0待普及，有个别企业处于4.0需示范，多元化的发展阶段，差异化的改造需求，碎片化的市场订单，造就中国工业智能化改造最复杂的市场。在投资孵化，深入产业的过程中，我们也看到了对于技术创新者诸多的挑战，例如数据完整性、解决方案不能闭环、商业模式不够有吸引力、没有很好的环境数据和模拟环境、运营边界比较窄、还有诸多传统to大B面临的困扰和问题。前路不可谓不光明，但道路不可谓不曲折。BV的逻辑是循着大的行业效率变革的方向，布局以前沿技术作为手段，做解决方案或运营类公司，同时借助智能产业实验室、高校科研院所研究资源整合，技术方案连接等手段助力中国乃至全球的工业转型升级。我们也期待与更多的技术先驱、学者大牛、创业者、产业领导者、投资者进行更深度的交流和合作。

随着“科研成绩”在留学录取招生和新高考自主招生比重的大幅提升，“背景提升”市场、尤其是“科研项目+论文发表”的在线辅导需求不断增长。集思学院、SA特优生、亘星科技、学业有方等项目都是这一赛道的玩家，36氪此前曾作过介绍。「ViaX」也是该领域一家提供科研论文+科研项目辅导的在线教育公司。自2016年成立以来，先后完成了蓝象资本的种子轮战略投资、英诺天使基金、Mfund魔量资本的天使轮投资以及经纬中国的Pre-A轮融资。商业模式上，ViaX通过在线教育的方式，为有留学计划、或者纯粹对科研感兴趣的学生提供课题式教育的系统课程培训，指导学生输出自己的学术成果，并在过程中培养学生的学术思维和能力，运用到日后进一步的学术科研中。据创始人曾诗然介绍，北美名校对于留学生的录取标准、特别是奖学金评比标准，越来越看重学生在科研论文、科研项目、导师推荐信上的表现。但中国的学生一般很难直接接触到国外名校、顶尖科研机构的学术会议和导师资源。对此， ViaX研发出两种产品形态：PBL课题式学习的workshop-学生选择国外导师的研究课题，师生合作完成科研项目，在此期间ViaX的老师进行培训、指导和沟通协助，最终导师基于项目完成度和表现给予学生评价或推荐信。科研论文的publication辅导-学生选择自己感兴趣或擅长的课题，由ViaX的老师进行辅导，最终形成学生自己的学术论文，并发表在EI的国际会议和外文期刊上。两种不同产品均设置了12-15人小班课和1V1的班型，客户根据需求自己选择。科研教育是留学前服务中的一个垂直细分领域，比较依赖根据每个学生不同的学力、需求进行定制，因此被部分投资人认为难以标准和规模化。对此，ViaX在两年内重点解决的问题，就是如何把个性化的科研辅导做成标准化的课程。ViaX联合创始人，加州大学伯克利分校博士Marshall介绍，ViaX最开始的商业模式类似一个C2C的中介平台，只提供学术规划咨询和方案定制。但后来发现，学生因为接触不到优质资源和系统培训，很难将规划落实，人效低、结果交付差。于是，ViaX将商业模式调整为B2C，开始打磨标准化教研、标准化服务，不断进行课程体系的优化、制定难度分级。例如，在服务流程化上，从咨询到结果交付的四个月时间里，每个学生至少配备从学术顾问、班主任、助教、国外导师在内的四位老师，大体流程包括：学生向学术顾问咨询，生成个人学情报告，学术顾问根据学生目前能力基础推荐项目或科研选题；学生提报课题或选择导师研究课题，助教为学生匹配导师；导师开出文献及书单供学生学习，助教协助辅导；学生撰文并与导师在线沟通，助教协调沟通；学生输出论文，导师给予评价和推荐，助教联系发表。整个过程中， 导师无疑是最重要的一环。ViaX的师资由国外导师团队及教研团队两部分组成，导师大多来自国外综排或者专业排名Top30的名校，覆盖了伯克利、斯坦福、MIT、UCSF以及国内清北在读的博士、博士后及教授；教研团队则负责课题研发，目前已开发出400多个科研主题，覆盖AI、生物、经济、环境科学等国内外先进学者关注的领域，以难度进行分级，根据学生的学力进行匹配，比如二级课题“人工智能在音乐领域的应用”，四级课题“水质监测分析”等等。获客方面，由于目前整个“科研教育”的市场教育才刚刚开始，用户需要被教育，因此整体上获客成本的绝对值还相对较高，但这一类课程的客单价很高，因此整体UE模型相对健康。曾诗然表示，在线少儿英语也是历经了20年左右的市场培育， ViaX在此赛道起步较早，目前的任务一方面是联合其他品牌和留学中介推动市场教育、通过精细化营销降低获客成本，另一方面是继续在产品和教研上修炼内功。关于未来的发展规划，ViaX目前正在进行两个方面的探索：一是在获客上：计划和留学机构展开合作，通过中介拓展获客方式。曾诗然介绍，留学中介重新研发科研教育的路径成本过高，因此更愿意以合作的形式切入这部分业务。截至目前，ViaX合作的机构数达100多家，既包括全国性留学集团等大的机构，也包括小而美的留学工作室。二是在产品形式演变上：未来会考虑整合国内外先进的学者思想、科研方法及整个泛知识领域，进行标准化的内容输出，相比于目前比较重的课程，形成更轻一些的在线知识产品。根据团队提供的数据，目前ViaX成立两年共服务3000多位学生，客单价在1-5万元左右，单月营收达数百万元，今年的付费用户增长率达到200%左右。现有团队规模100多人，包含教研团队、班主任、TA、导师等等，创始成员团队出身清华、伯克利等国内外名校背景，对于整个科研教育及其以后的发展有比较深的理解。

SCI论文的价值意义似乎最近一段时期，网络中最有争议的就是科技部不唯SCI论文的事件，这项政策的出台褒贬不一，其实中国的SCI论文和专利申请早已全球第一，然而大部分都是灌水论文和垃圾专利，以至于施一公作为政协代表在2018年的政协会议上的发言中，针对中国科研的虚假繁荣，5分钟内提及3次“很担心”。当然施一公并没有反对SCI论文，因为做基础科研工作者，他们必须用论文说话，而中国目前最薄弱的部分就是基础科研，由于基础科研工作没有目标性和方向性，出成果很慢，因此中国的科研论文大部分都是快餐化论文，喜欢扎堆，什么热点研究什么，科研没有速成，大量的应用论文层出不穷。因此中国的高引论文产出率低的可怜，因为在海外高校，应用型的科研靠得是技术和市场，而不是像国内各种填表答辩来评价！因此科技部出台不唯SCI论文才会引发争议，毕竟很多科研产出较低的基础科研工作者会失去话语权，同时很多靠SCI论文灌水混到项目和职称的应用型科研人员也会感到害怕。国内的SCI论文评价体系来自南京大学国内最早引入SCI论文评价体系的高校是南京大学，因为南京大学基本上是以基础科研为主，然而随着国内其他高校和事业单位也跟进，SCI论文评价体系，逐渐开始变味。为了大量的引用率，高校和科研单位相互拼命的自引，为了高级职称的评定，组团去找第三方机构发表SCI论文，特别是应用类的医学专业和很多没有科研实力的事业单位是论文灌水和造假的大户，他们属于被逼无奈，造假只是想要拿到所谓的高级职称，不做科研或者应用为主导的机构疯狂灌水科研论文，只能把中国的科研论文水平整体拉低，一份来自《nature》的统计数据显示，截止2017年，中国发表的科研论文数量占全球比例是8.2%，而因为学术不端被撤稿的论文比例却高达24.2%，2020年2月，更是被网络曝光，400多篇论文涉嫌出自同一“加工厂”，其中大部分都是署名中国医院的论文，仅仅山东省济宁市第一人民医院就有101篇SCI论文涉嫌其中。不唯SCI论文的好处其实在欧美高校，SCI论文是作为基础科研的重要指标，很多人看中的是领域内的贡献和声誉，而应用类的学科则推向市场，真金白银看得是经济和社会价值，例如欧美高校的经费来源是校友资助和社会捐助，而不是靠着什么各种SCI论文和学科评估的奖项，毕竟高校培养的人才推向市场，哪所高校的人才优秀，那么这所高校的声誉就高。而且在欧美科研圈没有绝对的科研权威，对于学术腐败惩罚非常的重，即便是诺贝尔奖获得者实验室，该关停就关停。这也是为何仿照欧美模式的西湖大学会拒绝诺奖获得者的求职申请，因为不满足西湖大学对求职者5年内的科研产出。反而国内其他的很多高校却喜欢聘用双聘院士和已经老掉牙的诺奖获得者来宣传，不唯SCI论文，每年会给国家节省大量的外汇，尤其是硕博士阶段大量的灌水论文，应该中文化，让社会大众来评判这些高校的毕业生水平，SCI灌水论文在国内投稿就好了，毕竟即便再垃圾的SCI论文也比“师母颂”要强一些！基础科研必须唯SCI论文，而科技应用类的学科，交给市场，用经济和社会价值来说话！科技进步奖不能拿SCI论文评比，需要用实际的经济和社会价值来说话！

7 月 9 日，一篇发表在《自然》（Nature）杂志封面上的文章着实吸引了人们的眼球。经研究人员改造后，汽车装配线上常用的机器人 “变身” 成为 “机器人化学家”，它可以像人类一样使用各种实验仪器，在化学实验室内自主工作，它的尺寸和人类相当，可以在传统、无改造的实验室内工作，甚至可以在完全黑暗的环境下工作。这个实验机器人每天可以工作 21.5 个小时，剩下的时间需要去充电。也就是说，如果能实现无线充电模式，它可以从 0 点干到 0 点，一周 7 天不休息，妥妥的 “007”。“太恐怖了，或许以后真的不需要我们这群搬砖工了。只要有钱的大老板加少量化学家，很多事情都能搞的定了。愁！” 一位知乎网友如此感叹。确实，目前不少化学和生物专业的实验操作真的不需要太多思考，只需要熟练操作。与机器相比，人类的体力有限，记忆力有限，操作容易出错，处于劣势。但也有人认为无需担心，“推广不下去的，国内研究生可比实验机器人便宜多了。” 这个理由听着有些凄惨，而且，长期来看，只要市场够大，痛点够大，成本是一个可解决的问题。结合 AI 的实验机器人很可能在未来替代一批实验人员，如流水线工厂一样操作那些重复性实验。做科学研究，是一件极为有价值、有意义，但有时却略显枯燥的事。比如，在一些高校实验室或其他科研机构工作室内，单调、频繁的试错工作会大量消耗学生或其他科研人员的时间和精力。甚至，他们有时在实验室内通宵达旦地工作，只是为了等待一个未知的实验结果。其中很多人可能有过连续几天泡在实验室的经历。也因此，众多的研究生和青年科研人员会自嘲为“科研民工”。那么，如何解决这一问题？一直以来，人工智能和自动化被认为是可以将人类从一些单调乏味的工作中解放出来的技术手段。但是，真正让人眼前一亮的应用场景并不多，尤其是在实验室内。如今，科研人员将人工智能和自动化真正带入了实验室内，并且在一定程度上，表现得比人类要好。这一科研成果来自论文通讯作者、英国利物浦大学安德鲁·库珀（Andrew Cooper）教授的科研团队。图｜Nature 封面（来源：Nature）对此，DeepTech 从技术、应用场景和商业化前景等方面，采访了中国学者、库珀在利物浦大学材料创新工场的同事刘明博士。除了材料创新工场内的同事关系，他们还一起创办了另一家公司 CageCapture，该公司专注于利用新型材料净化污染的空气。“与其实现具体实验设备的自动化，不如将操作人员 ‘自动化’。这样的好处在于，理论上这样一台化学机器人在未来可以做到 ‘即插即用’，能主动去适应和操作实验室已有的设备（这些仪器往往是相当昂贵的）。而且这样的自动化方案不局限于某个化学实验，以后通过软件调试，机器人不仅可以做催化剂的研发，也可以实现电池材料的组装。” 刘明告诉 DeepTech。不休息的 “工作狂”新材料的研发是解决当前社会上环境污染、能源危机等诸多挑战的重要基础。材料基因组技术是近年来逐渐兴起的材料研究新方法和新理念，其核心在于通过 “高通量计算、高通量实验和大数据分析” 技术，加速新材料的研发和应用。尽管目前高通量计算和大数据分析技术应得到了长足发展，但高通量实验及检测依然是材料基因组技术的瓶颈，只靠人力在有限时间内很难进行海量的实验操作和表征。目前，化学自动化技术主要还是对某一个具体仪器的高通量化和自动化，以及将一些常规合成与测试整合做成模块化设备（比如欧美比较成功的企业 Chemspeed、Labman）。但这些解决方案仍有很多弊端，一般化学实验流程复杂，往往涉及很多仪器和设备（比如核磁、质谱和单晶衍射等），要将这些设备全部自动化，无论是在成本上、还是在接口通用上都存在诸多困难，而且不同的化学研究所需要的仪器变数很大，模块化的设备往往只能用于某项具体的化学实验。而 “机器人化学家” 就可以很好地解决上述问题。图｜凌晨 3 点，它依然在工作。（来源：Nature）据论文描述，“机器人化学家” 可以自主完成化学实验中的所有任务。比如，称量固体、分配液体、除去容器中的空气、进行催化反应和量化反应产物等。更甚者，它还可以对下一步需要进行什么化学实验作出自主决定。根据已完成的实验结果来看，它可以从 10 个维度进行分析，从超过 9800 万个候选化学实验中，确定下一步要进行的最佳实验。值得注意的是，除了充电时的 “休息时间”，“机器人化学家” 每天可以工作 21.5 个小时，几乎可以做到 7 x 24 小时无休止工作。而且，实验已经证明，它可以在 2-3 天内完成人类可能几个月才能完成的事，甚至在一周内做完一名博士生在 4 年科研生涯中才能做完的实验。而且，由于具有类似于人类的尺寸和可触及范围，它可以使用专为人类操作而设计的实验设备，某种意义上来说，它就像人类研究员一样，可以使用各种各样的仪器。此外，它还可以在传统实验室内解决大量不限于光催化的研究问题。“手脑” 并用库珀研究团队内的本杰明·伯格（Benjamin Burger）博士生用了 3 年的时间完成了对 “机器人化学家” 的开发和编程。在他看来，研究过程中最大的挑战就是如何让机器人的大脑十分耐用。“由于它需要完成连续多日的自主工作，并进行数千次的精准操作，它在每项任务中的失败率就必须保持在很低的水平。”在一次测试中，研究人员通过编程的方式 “命令” 它探索各种假设，以提高一种聚合光催化剂的性能。这个身高 1.75 米、重达 400 公斤的 “家伙” 在 8 天的时间里，工作了 192 个小时，进行了 319 次移动，自主完成了 6500 次实验操作和 668 个相关实验，更令人惊讶的是，它成功研发出了一种 6 倍于现有催化剂活性的全新化学催化剂。这一人类可能需要几个月才能完成的任务，它只用了 2-3 天的时间。“机器人化学家” 如此厉害的原因在于，它具有一个智能的大脑和两只灵活的双手。据论文描述，“机器人化学家” 借助机器学习算法可以实现独立思考，并通过激光扫描和触摸反馈来实现精准定位，在给定需要检验什么假设的情况下，选择进行哪种后续实验，以自主完成一系列的实验操作。不只是 “化学家”如今在库珀看来，“机器人化学家” 已经改变了他们的工作方式，它不仅仅是实验室内的一台机器，也是一个具有超强能力的团队成员，它可以为人类腾出多余时间来进行创造性思考。“我们要的是让研究人员自动化，而不是仪器自动化。这创造了一定程度的灵活性，将改变我们的工作方式和我们可以解决的问题。”那么，未来 “机器人化学家” 会不会完全取代实验室内的研究人员或在校学生？库珀给出了否定的答案。虽然目前这个机器人有一定的 “智力“，但所有的程序和调试都需要经过实验人员设计。实验过程中如果出现故障，也需要实验人员去排除。在不久的将来，机器人化学家将会是化学研究人员的有力帮手：机器人化学家将研究人员从简单机械的操作中解放出来，这样研究人员能将时间放在创造性思考上。图｜“机器人化学家”的实验室及其实验设备（来源：Nature）此外，据论文描述，“机器人化学家” 还可以解决目前超出我们能力范围的规模和复杂性的问题。比如，它可以通过搜索广阔的、未开发的化学空间，来寻找清洁能源生产来源或新药配方。“除了在化学实验领域，它也有可能胜任许多生物、医药等领域的实验任务。除此之外，一些有毒害、放射性环境下的实验工作，它也非常适合去做。” 刘明说。但是，他也承认，目前的这个最初版本还有许多改进空间。比如，如何进一步降低成本？目前机器人能进行催化剂测试实验相对比较简单，怎么进行更复杂的实验操作？如何引入视觉增强移动性？如何让多台机器人合作？…... 如今，库珀的团队正在对这个版本进行改进和优化。商业化前景巨大，看好中国市场谈及商业化时，刘明对比了汽车制造和化学/材料研究两个领域的市场规模和潜力。“2015 年，全球汽车市场规模达到了 17,000 亿美元，汽车制造业也已经基本实现了工业机器人的自动化生产。反观全球化工行业，2016 年的市场规模达到了 52,000 亿美元，但目前只有相当少的部分实现了自动化，化学与材料领域的自动化依然具有巨大的商业机会。对化学/材料研究领域来说，人工成本的支出仍是研究成本最大的支出部分。目前已有的自动化方案非常昂贵，如前面提到的 Chemspeed 自动合成仪要花费上百万人民币，Labman 定制的化学自动化平台费用高达几千万人民币。相较而言，化学移动机器人的解决方案有着巨大的成本优势。”据美国科技新闻网站 The Verge 报道，库珀教授如今已经注册了一个名为 Mobtics 的公司，致力于将此项技术商业化。采访的最后，刘明在谈及中国市场时表示，“中国有非常强的机器人制造能力和完整的产业链，全球约 50% 的大宗化工产品在中国生产，中国化学、材料研究领域的自动化蕴藏了巨大的商业机会，非常适合化学机器人项目的应用与推广。”