2025年12月24日，深势科技宣布完成总额超8亿元人民币的C轮融资。本轮融资由达晨财智、京国瑞基金、北京市人工智能产业投资基金、北京市医药健康产业投资基金等多家机构共同出资，同时引入联想创投、元禾璞华等具备深厚产业背景的投资方。
这并不是一次常规意义上的融资扩张。对于一家成立于2018年、长期深耕AI for Science（人工智能赋能科学研究）的公司而言，这轮融资更像是一个清晰信号：AI for Science正在被视为新一代科研与产业研发的基础设施，而不再只是前沿探索。
从论文起步，到被资本与产业同时下注
深势科技的起点并不在商业世界。
2017年，在一次飞行途中，张林峰用深度学习模型完成了一次分子动力学模拟——64个水分子在10皮秒内的运动轨迹。这个在四十年前需要耗费数亿核时的计算任务，被压缩到一台笔记本电脑上完成。对他和北大同窗孙伟杰而言，这并不仅是一次技术演示，而是一次直观的判断：AI可能正在改变人类理解微观世界的方式。
2018年，深势科技成立。早期的“启动资金”并非来自VC，而是全国颠覆性技术创新大赛金奖，1200万元，分三年拨付。直到2020年，张林峰、鄂维南等人在“深度势能”分子模拟方向的研究，获得戈登·贝尔奖——这一成果随后入选“2020年中国十大科技进展”，深势科技才真正进入全球科研与资本的视野。
此后，融资路径逐步打开，从天使轮、Pre-A、A轮到B轮，产业资本与头部VC持续进入。此次C轮，则标志着国资与产业力量的系统性入场。
复现AlphaFold：一次不被允许失败的工程实践
深势科技真正完成从“科研团队”向“工程化组织”转变，是在2021年。
这一年，AlphaFold2引发全球生物医药界震动，但DeepMind并未开源训练代码。对中国团队而言，这意味着如果无法复现，核心能力将长期受制于人。
柯国霖在这一节点加入深势科技。作为LightGBM核心作者、前MSRA高级研究员，他带领团队在极其有限的算力与资源条件下完成了AlphaFold2的完整训练复现。整个过程中，大规模训练实验只完整跑了一次——而且成功了。
这不是运气问题，而是长期算法理解、工程细节和执行纪律的集中体现。也正是从这一刻开始，深势科技在AIforScience领域，真正具备了与国际顶尖团队对话的工程能力。
不做Biotech，而是做“微观世界的达索系统”
在商业化路径选择上，深势科技很早就做出了一个不那么“性感”的决定。
它没有选择亲自下场做药，而是坚定走向平台化路线。原因很现实：一旦自己做管线，就无法成为药企可信赖的第三方；而更深层的判断在于，真正有长期价值的，不是某一条药物管线，而是定义“微观研发”的基础工具体系。
深势科技试图构建的，是一个类似“微观达索系统”的平台：在分子、原子层面，提供通用的计算、建模、设计与验证能力。这套能力不仅服务于生命科学，也延展至新能源、材料、化工等领域。
目前，深势科技已服务全球超过1000所高校和科研机构、150余家研发企业，并在生命科学、新能源材料等多个产业场景中实现规模化应用。
从“算得准”到“做得出”：超级实验室的重资产选择
AIforScience的现实瓶颈，并不只在算法。
深势科技在推进商业化过程中逐渐意识到，如果实验端无法闭环，再精准的计算也只是“纸面成果”。由此，公司做出了一个极为罕见的决定：自建超级实验室体系（玻尔·赛博实验室）。
这并非一间实验室，而是一整套以Uni-Lab-OS为核心的实验基础设施系统。AI负责设计方案，机械系统完成实验执行，数据实时回传模型，实现“读—算—做”的自动闭环。
这套体系的意义在于，它为AIforScience提供了持续、高质量、可标准化生成的数据来源，并构建起真正可扩展的数据飞轮。这也是深势科技与多数AI制药公司之间，最本质的差异之一。
国资入场，意味着AI for Science被重新定性
本轮C轮融资中，国资背景机构的集中入场，释放出一个明确判断：AIforScience正在被纳入国家级科研与产业基础设施的视野。
在当前“卡脖子”技术频发的背景下，掌握自主可控的微观研发能力，不仅是企业竞争问题，更是长期科技安全问题。
与美国相比，中国AIforScience公司在资本市场上的定价仍然偏保守。但在执行力、工程化能力、产业数据和制造体系方面，中国具备独特优势。真正缺少的，或许只是一个足以“出圈”的标志性成果。
深势科技显然希望，自己能够成为那个变量。
AI for Science 并不只是一次技术升级，它更像是一场关于“人类如何使用力量”的长期实验。
当算法开始参与发现规律、设计物质、塑造世界，我们真正需要回答的，已经不只是“算得准不准”，而是“由谁来用、为谁所用、最终指向哪里”。
深势科技选择的，是一条极其艰难、也极其克制的道路——不争夺终点成果，而是反复打磨通往科学真理的工具本身。
在这个意义上，它并不是在追逐下一个 AlphaFold，而是在为下一次科学跃迁，铺设一条可被反复使用的路径。
有人见尘埃，有人见星辰。
而真正重要的，或许是：当星辰出现时，人类是否仍然知道，自己要成为什么样的人。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
