拒掉3亿大单后，他说：这个万亿AI市场，最缺的不是模型

AI实验室真正的死亡谷，不在模型，而在验收。 「一手判断」栏目，是虎嗅访谈AI从业者，给出的一线独家见解，首发于小程序“虎嗅嗅”的“AI 100” 本期受访者：何源｜镁伽科技高级副总裁 一个两三亿元的订单摆在面前，要不要接？ 客户想建一座“智慧工厂”：从人员进门、仓储转运到生产线，全部交给机器人，一步进入高度无人化。 金额诱人，故事也漂亮。但何源团队拒绝了。 理由很直接： 项目不仅超出了公司的专业边界，也超出了现阶段行业的交付能力。 另一个小得多的需求，却被他们认真做了下去。 在新疆，一些实验楼相距很远。冬天最低零下四五十摄氏度，样品要从A楼送到B楼。靠人运不方便，市场上也没有现成产品。做轮式机器人的，不一定耐低温；做抓手的，又未必懂室外运输和实验室要求。 何源团队找到合作伙伴，把底盘、抓手和控制系统重新组合，做了二次开发。问题解决了。 一个是覆盖整座工厂的宏大愿景，一个是把样品安全送过几百米的具体问题。 何源选择后者。 他在科学仪器行业工作了十余年，曾任职于梅特勒-托利多、3M 等国内外企业。 如今，他担任镁伽科技高级副总裁，每天面对AI实验室的立项、故障、验收和扩单。 所谓AI实验室，是"AI4S"（AI for Science，用AI做科学研究）最明确的产品形态： 大模型负责“想” （在电脑里设计出候选的药物分子和材料配方） AI实验室负责“做” ——指挥机器人，把它们在真实世界里做出来、验证一遍。 它最大的客户是药企。全球制药是一个万亿美元级的市场，每年光新药研发投入就有几千亿美元——所谓万亿赛道，说的就是AI重构这笔研发支出的机会。 这个赛道今年格外热： 5月，谷歌旗下一家AI制药公司完成21亿美元融资，约143亿人民币，创下行业单轮纪录。 7月，全球首款靶点和分子都由AI完成的候选药物，在中国启动了III期临床。 与此同时，跨国药企正在密集飞来中国考察AI实验室。他们究竟看中了什么？ 药企愿意投入上亿元，算的又是哪几本账？ 这次访谈，何源给出了7个一线判断。 主线只有一句话： 风口很猛，但这个万亿级市场真正到来的方式，可能比外界想象得务实得多。 跨国药企为什么来中国？又为什么下单？ 今年，国际前十大药企几乎都来过国内，考察中国的AI实验室。 原因不只是便宜。 海外供应商遇到稍复杂的项目，响应慢、人工贵，一个项目从沟通到交付可能拖上一两年。 中国团队的优势是快 ：软件和硬件一起调整，工程师迅速进场，设备、服务和验收打包成一套方案。 客户提一个需求，一两周内就能看到演示。 但来参观，不等于会下单。 何源说，跨国客户主要看两件事： 有没有头部客户的真实案例。 团队能不能扛住演示之后的落地、合规和服务。 客户的态度也变了。 早期，它们愿意为AI平台或新概念掏钱；现在只问一句：系统能不能进入真实研发流程，产出可验证的结果？ 模型仍然重要。但客户最终买的，是一条把模型答案变成研发结果的完整链条。 AI实验室真正的死亡谷，在验收。 万亿市场最稀缺的，不是模型 大家想象中的未来实验室很简单： 模型提出药物或材料的候选方案，机器人完成实验，结果再回到模型。科学家给出目标，实验室昼夜不停地寻找答案。 但模型能预测一种结构，不等于药物已经被发明；模型给出一个配方，也不等于工厂已经会生产。 中间还隔着真实实验。 机器要拿稳样品，设备要相互配合，整个过程还要能够重复和追踪。一个微小偏差，就可能让实验失效。 模型出错，可以重新生成；现实实验做错，损失的是样品、时间，甚至研发窗口。 何源用一句话概括： “AI出不了服务器。” 意思是：模型再聪明，也只活在电脑里。它能写出一个完美的分子式，但分子式不会自己变成一粒药——谁来配试剂、谁来移液、谁来把样品送进仪器、做错了谁来发现？ 真正的AI实验室，需要两件事同时成立：模型能持续获得真实数据，机器也能在真实世界把每一步稳定做出来。 而机器不是买回来就能用。 一个智慧实验室可能接入几十种设备。 一家大药企的研发体系，设备甚至有两三百种，品牌和使用方式都不一样。把它们连起来，让它们听从同一个任务，还要处理故障和留下完整记录，这才是难点。 所以，何源团队里，三分之一懂制药和材料，三分之一做算法与软件，三分之一做机械与自动化。 壁垒不是包办所有硬件，而是理解客户的流程，再把不同公司的产品组织成一套能用的方案。 演示成功一次，离生产力仍然很远 何源给出了两个数字： Demo成功率要达到约90%；到了企业验收，客户可能要求系统满载运行30天，人工干预低于5%。 这两个数字，就是从演示到生产力的死亡谷。 客户会继续追问：一天停机几次？有没有卡住或抓坏样品？出错后能不能自己恢复？还需不需要工程师一直守在旁边？ 如果一套设备每天要修八到十次，它没有减少人工，只是创造了一种新的人工岗位。 而真正要替代人工，最好一天一次故障都不发生。 何源把客户的标准概括为： “可用性大于惊艳度。” 算法再聪明，只要机器频繁卡住、抓坏样品，客户就会给整套系统打零分。 AI行业喜欢讨论“通用”。产业客户更关心“适用”。 在零下50℃稳定送样的轮式机器人，可能比一台什么都能演示、却什么都做不精的机器人更有价值。 产业场景里，轮式优于双足；双足至少五年后 黑灯实验室是不是未来？何源不否认。 但未来方向，不等于今天就该采购。 有客户想让双足机器人24小时做实验，还想在大老板面前演示。何源问了一个朴素的问题： “万一在老板面前，它当面摔了怎么办？” 他的判断很明确： 现阶段，产业场景里轮式机器人优于双足，双足至少五年后再看。 实验室路线通常相对固定。轮式方案更稳、更省电，也更容易维护。 为了跨越少数台阶，付出更高的价格和故障风险，未必划算。 机器人不需要先证明自己像人，需要先证明自己有用。 药企不是不算账，而是算三本账 真正想用AI改变研发体系的药企，可能要投入几千万元甚至上亿元，还要调整人员和工作流程。 这不是普通设备采购，而是“一号位工程”，必须由创始人或大股东拍板。 因为客户同时在算三本账： 第一本是战略账。转向AI研发，影响投资人和市场预期。 第二本是效率账。系统能否提效、减人、降本，很快见分晓。 第三本是数据账。实验能否持续产生可靠数据，决定企业未来的AI研发能力。 只讲未来，客户很难持续投入；只讲省人，又低估了数据的长期价值。 何源的经验是 ：三本账同时算得通的项目，复购最好。 怎么逃出“每单都要重做”的陷阱？ AI实验室还有一个难题：每个客户都不一样，会不会每一单都要重新定制？ 何源的解法是 “二八式乐高” 。 约80%做成标准模块，20%适配客户的特殊需求，像搭积木一样按流程重新组合。 前提是挑对场景。 零碎、难复制的小项目宁可放弃，只进入客户愿意付费、需求持续存在，而且能够提炼出标准模块的方向。 第一次交付形成的经验，要进入下一次项目： 更快、 更便宜、 更少依赖人。 如果只能看一个指标，就看真实订单 论文、模型榜单、融资和演示，都能让一家公司迅速获得声量。 但如果只能跟踪一个指标，何源建议看： 有没有获得行业标杆客户的真实订单。 “这是用户在投票。” 所谓真实订单，不只是签下一份合同。 它意味着客户愿意把真实流程、预算和验收责任交出来；系统能够持续运行，项目结束后还能获得扩单和复购。 还要