超級對話：科學家創業新時代—技術的驕傲與商業的現實

張宏江認為，作為科學家、教授、研發人員，在做科研的時候，一個長板就能讓你成功。在做企業的時候，一個短板就會讓你失敗。所以，作為投資者就要幫忙補齊創業者的短板。

以下為現場探討實錄，由投中網進行整理：

張麗娟：三位嘉賓的大名如雷貫耳，我們不多做介紹，直奔主題。剛才提到科學家創業，各位認為現在科學家創業的人數是多還是少？

宓群：比較少。科學家需要多做科研，總的來說在創業層面上還不夠，還需要多支持。

王田苗：現實中科學家或學者創業的較少，畢竟硬科技創業周期長，風險大。但是國家正在加強倡導，鼓勵並推動產學研結合的力度還大，今年6月22號剛剛由教育部、工信部和知識產權局聯合印發了「千校萬企」行動指導計劃，反映出鼓勵高校院所及醫院科技成果與企業合作，根據情況可以支持創業。

張宏江：目前全心全意創業的人不太多，大家不願意冒這些風險。許多人出來做了非常多的公司，但卻並沒有all in創業。希望未來有更多人all in，因為創業成功本就是小機率事件，不all in，成功率更低。

宓群：剛才宏江兄講all in，這對投資人來說是好的，但對科學家是不容易的。很多科學家不一定全職做，但需要找到好的合伙人。總體來講，還是少之又少，科研突破不容易，創業本身也不容易，這兩個因素疊加起來，all in就更加難了。

張麗娟：如何看待科研優勢在投資層面的加持？各位感受資本的水溫怎樣？

王田苗：個人覺得水溫挺高，甚至還有一些泡沫。原因是中國在第二產業和西方有優勢的大產業，特別是國家從材料、核心部件、晶片、軟體、傳感器和高端裝備等都在發力。在這樣的情況下，從政策包括科創板、北交所等各方面都在推動這個自主可控、科技創新的時代。

這個東西要想彌補，只能有兩條線：一條是由高校院所的科學家與技術工程師和企業合作、或是圍繞專精特新進行創業來彌補；還有一條線就是大企業自身加強關鍵技術或前沿技術的研發。目前來看，大企業高管出來做硬科技創業的會減少，原因是涉及到技術智慧財產權，原單位大企業往往比較保密與敏感，防範高管在原有科研成果上去創業。而國家卻大力倡導高校院所科學家積極與企業合作，所以個人感覺大概有60%-70% 科學家或博士生與企業合作，進行智慧財產權授權或轉讓，往往為上市公司服務，而不是直接去做創業。

第二，個人覺得可能有20%-30%的科學家想創業，特別是大科學家或老科學家，他們有許多成果積累、可獲得國家或地方的各種資源，他們科技成果的轉化創業，最後往往實際上不是創業，而是自然變成了一種孵化器，比如安排不同的學生從事不同方向的創新或科技成果轉化，甚至成立不同的公司。

第三，而實際真正創業的比較少3-5%，只有all in創業，資本市場才放心並願意出資。目前有的科學家創業的項目估值比較高，一方面科學家對自己成果價值的期望值很高，加上過去網際網路創業把估值也抬得很高，有一定泡沫現象。另一方面，在科學家創業初期，他們往往沒有離職，自己屁股還坐在單位，沒有太大生存壓力。

張宏江：同意王田苗教授的說法。我覺得水溫挺好，經過PC網際網路和移動網際網路這一波又一波模式創新的熱潮以後，我們的人口紅利、網際網路紅利都趨近走向盡頭。當前的硬科技創業處於一個價值高地，有眼光的投資人一定會重投以硬科技為代表的科技高地。

但判斷的核心在於，我們的科技創業者或者是學校教授們，能不能對自己的技術有一個清楚的認識。我們做科研的人，往往會高看自己的技術，往往認為自己的技術能改變世界。確實，技術會改變世界，但你的技術也要通過產品和服務去創造商業價值，至少從投資人的角度看是這樣。

科學家創業，要想吸引到更好的投資，可能要在這方面多一些思考。就像我開始說，all in創業是最好的方式，但是「前店後廠」的方式也很好，也就是說，教授還可以花大量時間待在學校，帶領他的學生和團隊持續進行技術創新，同時找到一個懂商業、懂市場、懂產品的人在一線做CEO，真正地把技術推到市場上去。我覺得這樣的方式依然會受到投資人的青睞。

從我在智源人工智慧研究院的觀察來看，我們看到最近的「AI+」方向，比如AI+製藥，最近就有一些比較好的科學家創業的案例，無論是從中國學校出來，還是從歐美學校回到中國，都得到了非常好的投資。

張麗娟：宓群總，科學家怎樣才能加入創業？請您再補充一下。

宓群：科學家創業，我們往往看到的是從大學裡出來，但現在很多項目包括AI（人工智慧）的創新，比如DeepMind、OpenAI，最新的蛋白質3D結構，這不是從大學出來的， 有些是大企業支持的科研創新，有些則直接源自科技初創企業。

還有一些科學家是從大企業里出來的，很多企業都有很優秀的人才，他們招聘了很多科學家去做科研，而且往往需要與行業應用和商業應用相結合。所以現在估值最高的不一定是大學出來的科學家，而是那些科研做得好，創始團隊在大企業工作過，離商業更接近的那些項目。

張宏江：接著宓總再說幾句。人工智慧技術目前有三件比較重要的事：大模型、通用GPU，也就是AI的晶片，再加上晶片的編譯和優化。智源在前兩個，大模型和編譯優化，相當於Image的固態優化，都投入了很多的資源。

我們觀察到當前的現狀是，人工智慧已經到了一個亟需工程化的階段。今天靠一兩個教授在AI算法和系統上取得里程碑式的重大突破愈來愈難，工程師在科研工作中扮演著日益重要的角色。這是創業者的機會，也是公司的機會。有過例如5年、10年科技大廠經歷，再出來創業的科學家或團隊，往往會獲得非常好的估值，潛力非常大。

王田苗：我同意兩位的看法，在企業磨鍊、沉澱過3-5年的科學家或工程師高管，他們出來創業無論是在估值上還是在未來發展都是受投資人認可與追捧的。我也觀察過，真正的科學家、技術人員、工程師在大廠干過再出來創業，往往他的商業意識、堅持韌性和資源整合能力都已經很強，他們發展的未來格局與業務張力往往也很大，我們看到的邁瑞、寧德、匯川等創業成長發展都是有技術出身的企業家所主導。但有一件事沒解開，在未來的硬科技創業的過程中，從大廠出來的時候，智慧財產權要處理得好，不然會限制很多事情。

張麗娟：對的。剛才大家提到DeepMind，它是之前是虧損的，一直靠Google輸血，但科研非常先進。為什麼這麼好的科研實力，沒有轉化為好的商業產品？大公司尚且如此，對於初創公司來說，怎樣找到中間轉化的窄門？

宓群：不是所有研發都可以轉化的。比如美國很多大學研究做得好，其實是他們不做任何限制。普林斯頓很多教授就是這樣，給你這個位置，你可以隨便想什麼和做什麼，不是目的性很強的去做研發，最後有突破性的成果出來了也不一定馬上就能商用。

但是科學家創業的路徑選擇很重要。舉個例子，我們支持全球創新，包括全球華人的創新，有一位科學家是美國耶魯大學的教授，他做了一個跟安全相關的非常好的系統技術，本來想應用於自動駕駛，我們建議他嘗試從區塊鏈方向開始，最終效果非常好。等這一塊業務盈利了再去抓自動駕駛作業系統的安全，也會有更多實力。

科學家的視角是技術角度，不見得對整個商業世界的用戶需求更加了解。這一點需要彌補上去。

王田苗：學者在科學研究上總想攻克最難的，但是科技成果轉化的市場層面，有時候學者缺乏對客戶真正需求理解和產業上下游的資源無法整合，如果直接面對主戰場時候，往往就會遇到很大困難與挑戰。這個時候，建議學者創業者可以選擇從一個小的細分市場切入，把產品價值反覆打磨出來，然後再遷移到主戰場就好。比如工業CT應用可以用於在半導體、新能源電池、所有核心格局部件，但是往往競爭激烈，要求創業團隊客戶商業能力與成本約束很高，如果開始先放到航空發動機葉片、航天關鍵部件上檢測上，可能市場競爭力不那麼激烈，先打磨產品，企業發展會比較平穩。為了加速科學家的成果轉化有效性，我們一直建議要先選擇的市場，不要太大或過去比較成熟，在攻克細分市場，得到客戶的認可，再逐步擴展形成扇形結構。

張宏江：剛才提到的DeepMind，即使忽略掉是否營利的問題，單就他們開拓性和系統性的科研工作，就非常有意義。他們在科研方向選擇和科研工程協作方面，具有非常大的優勢。這恰恰是中國所缺乏的。即使從工業的角度，也是非常值得借鑑的。

從方向先擇上，AI領域，現在是占領高地的時代，DeepMind，OpenAI這一類機構把AI的研究高地占了以後，先開闢一個比較有意義的方向後，基本這兩年全世界的很多學生和學者都在幫他做工作，豐富和改善這個研究方向。能夠在三年前看賽道，看中大模型，看中Transformer, 在3D引擎看中了蛋白結構和AI製藥，去做Alpha Go體量的大項目，這種領先是很難後起模仿的。

回到科學家創業，我們投科學家需要看是否有機會占領高地，要先看項目方向是否看得准，再看是否做得更好。我們在考慮投資的話要先看團隊，看他們能否找到核心問題，能否找到解決問題的最好和最有效的方法。中國的科學家創業依然還有很長的路要走，潛力巨大。

張麗娟：張教授提過「身高」的概念我很贊同，這個「身高」放在之前，AI賦能百業，做通用晶片、通用作業系統，或者找准一個時機，縱深下去。您在投資和孵化的時候會怎樣考慮？

宓群：最核心的科研突破，是那種非常大的突破，而不只是解決一個小問題。在這個基礎上，我們希望找到一個增量市場，比如自動駕駛、新能源車都是增量市場，技術又是突破性的，比傳統的方案好10倍，而不僅僅是2到3倍。

王田苗：我自己的兩個判斷：一是未來的發展具有高成長性，而且未來發展有望形成一定扇形結構；第二，當下能夠找到落地場景能夠驗證，又能逐步在細分領域推廣。

張宏江：我們從兩個層面談「身高」。一個是技術層面，一個是估值層面。

做科研的時候，我們談「身高」，是指我們看科研人員挖掘出問題的潛力—— 能否找到最有價值的問題，能否找到解決這個問題的最優方法，這些都奠定了團隊和項目的技術壁壘。

創業我們看身高，是看是否有能力將技術壁壘快速轉化成產品和服務的壁壘，從而撬動商業價值。這裡的商業價值，不是一倍、兩倍，而是十倍、百倍的價值。

另外一個「身高」，是看科學家到企業家的轉型過程中，創業者能否隨著公司業務本身的發展，快速自我提升的能力。就是你有沒有潛力，通過自己的能力成長，把公司從10億美金帶到百億美金，不失控，這是我們看的另一個「身高」。我們看到太多科學家創業者，第一步從0到1走得好，1到100走得不好，很遺憾。

王田苗：剛才宏江說的十倍、百倍的商業價值，我覺得這可能與行業相關。比如，以軟體、晶片、工業自動化裝備、材料等，你會發現這這些創業的「身高」、選擇路徑與發展形態可能是不一樣的。比如，軟體往往容易向平台型模式發展，但自動化或核心部件往往就不是平台型結構，往往是從先縱向後橫向。

張麗娟：如果分行業的話，創始人以及科學家本身個人的素質是不分行業的。他們身上有哪些共同素質，能夠做到百億美金的公司，或者說他們應該站在什麼位置？

王田苗：如果是做平台，軟體晶片的創業要求特別高，不僅技術門檻高，而且更重要的是商業能力和資源整合能力極強。一方面他們自身的知識結構要求高，另一方面是創業敢於冒險、商業敏銳、快速疊代等基因很重要。但對於硬科技、材料和零部件，這個周期很長，創業過程中你可能會發現，最後這個公司可能是他的學生在主導了。這意味著硬科技或者核心部件的創業，更多需要不斷學習，廣闊胸懷接納不同階段需要的不同資源，是一個長跑運動員。

張麗娟：之前張宏江老師說過功成不必在我。

張宏江：創新的成功是小機率，創業的成功也是小機率事情。無論是作為科學家、還是投資者，我們都希望提高成功的機率。過程中，無論是談身高，還是談技術本身，最核心的無非是希望找到一個有潛力的團隊，同時也要為他們創造一個能夠持續更新和學習的環境，從而提高成功的機率。科技創新方面，尤其是硬科技，我們要正視技術的發展、改進、成長，都是是需要時間、需要資源的。

作為投資者，也要有一個很好的心態。一方面，要幫助團隊在產品化、商業化和市場化，以及招人方面給予他們充分的支持。像源碼是做好投後，這是我們的競爭力。同時，我們也要看到硬科技和原來模式創新的區別，做好長期的準備，否則我們會產生失落和失望。

張麗娟：光速中國也投了不少科技項目，在您看來，他們有什麼共同特質？

宓群：我們投了很多科學家的創業項目，其中有做得非常好的教授是all in創業，比如我們有一個腦科學領域的項目，現在應用於自閉症治療的效果非常好。這位創始人在哈佛大學當了十年教授，他有一個非常強的搭檔，是連續創業者，在商業、運營上幫他落地產品。

再比如，我們投了耶魯大學計算機系主任，他要辭職all in也不容易，最後他的學生從哥倫比亞大學出來做CEO，學生的股份比老師還要高。這個架構就搭對了，因為創業很不容易，需要快速疊代，要很好地組團隊，理順架構。

張麗娟：作為孵化方或投資人，大家對科技創業者有什麼建議，怎樣把技術有效地創新並應用，怎樣解決投資人的「苦」？不然，一提到投資科技，周期就特別長，三位有什麼有效的建議？

張宏江：這是兩方面的。作為科學家、教授、研發人員，在做科研時，一個長板就能讓你成功，但在做企業時，一個短板就會讓你失敗。要去反覆思考技術在應用方面的前景。

作為投資者，我們要幫忙補齊他們的短板。有很多人無比熱愛自己的技術，但是從技術到產品的階段，從產品到市場、商業化的階段出不來，完不成。所以，這個過程需要創業者一方面自身具備強大的學習能力；一方面要認識到自己的短板，去找到自己的創業合作夥伴來補齊團隊短板，這樣才能快速成果化。

王田苗：從硬科技角度來看，我們孵化投資了60-70個項目。我會把天使到VC階段發展，分為四個階段。第一個階段是找好賽道和組建最優秀的PI（Principle Investigator，學術帶頭人）。第二是是否能夠理解客戶的痛點需求，產品研製能否落地，時間是否可控，是否有特別優秀的工程師加盟。第三是是否有商業合伙人，是否能夠實現小批量銷售，或擁有相應的資質與許可。第四個階段是否有望實現收入接近1億，業務結構能否從細分領域發展成為一個扇形結構，未來是否有第二條曲線。在這四個階段，你可以交流、觀察、輔導，前面階段你可投也可以不投，也可以在中間階段參與投資，也可以轉讓給其他投資機構或上市公司，這個時間一般會把一個創業的拉長到2-3年來看待它的成長或變化，不斷發現或認知他們的價值，減少失敗風險機率。

宓群：科學家創業，他懂科研，技術有突破，但是對市場的了解，如何運營企業，組建團隊，怎樣融資，還是很陌生的。所以，科學家創業者需要具備一個開放的心態，有學習和成長的意願，這個很重要。在這個基礎上，再加上包容的心胸，找到優秀的人加入他的團隊，甚至給足股份，這樣的成長我們是非常期待的。