对话天鹜科技洪亮：从AlphaFold到小龙虾看科学如何走向大众

从物理到化学，从化学到生物，再从计算到人工智能——上海交通大学特聘教授、天鹜科技创始人洪亮的学术轨迹，堪称一条经典的交叉学科之路。他最初的身份是计算生物学家，而当AlphaFold的出现碘伏了传统科研范式后，他果断转向，利用AI深耕蛋白质工程领域。2026年，天鹜科技发布了全球首个“对话式干湿结合”的蛋白质设计智能体——MatwingsVenus™（晓鹜™）。这个平台实现了从设计、实验、验证到迭代的全流程一站式完成，其愿景是让蛋白质产品的创造，不再局限于少数专家。

在洪亮看来，这不仅仅是一项技术突破，更是一场科研组织模式的革命。当AI与自动化工具将以往高成本、高门槛的科研技能变得平民化，虽然会冲击部分传统岗位，但更深远的影响在于，它将激发无数个人或微型团队进行个性化创新，催生更多优秀产品，从而真正推动生产力的跃迁。

那么，一位学者是如何在AI浪潮中完成自我碘伏，从传统的计算生物学研究，转向AI驱动创业，并最终搭建起一个面向更广泛用户的平台？这场转型背后的思考与抉择，或许能为我们理解技术变革的本质提供一些线索。

从“马后炮”到“马前炮”：AI如何重塑蛋白质研究

洪亮拥有典型的交叉学科背景：本科物理、硕士化学、博士生物，博士后阶段在美国橡树岭国家实验室从事计算生物学。2015年他加入上海交通大学，研究方向开始向人工智能倾斜。

谈及这一转变，他坦言，传统的计算生物学某种程度上是在做“马后炮”——用计算为已有的实验结果提供解释。但2020年AlphaFold的出现，彻底改变了游戏规则。它能在实验之前就预测蛋白质结构，实现了“马前炮”式的指导，大幅降低了实验的试错成本。

当时，AI在蛋白质科研领域主要有三个方向：一是DeepMind领衔的结构预测；二是Da vid Baker团队推动的蛋白质从头设计；三是蛋白质定向进化，即蛋白质工程。天鹜科技选择了第三条路。

原因很实际：结构预测领域，DeepMind的优势已难以逾越；而蛋白质从头设计虽然学术上创新显著，但当时设计出的蛋白质往往无法表达或缺乏活性，且由于是自然界不存在的全新蛋白，难以利用现有工业菌株进行大规模生产，产业化路径漫长。蛋白质工程则不同，它通过对天然蛋白质序列进行少数几个氨基酸的修改，来优化其性能，以满足抗体、工业酶等具体应用需求。这项技术过去依赖昂贵的高通量筛选，而AI的介入，使得只需少量实验验证即可，过程被极大简化。

创业起点：从“有用”的激动到打造“平权”平台

创业的念头萌生于一次成功的产业合作。2024年左右，天鹜团队与金赛药业合作设计小分子药物，设计成果经过实验验证效果良好。对于长期从事基础科研的洪亮而言，自己的研究能解决真实的产业问题，带来的成就感是“万分激动”的，这也成为了创业的重要驱动力。

起初，公司专注于用AI设计各类蛋白质产品，从生物医药耗材、生物基材料到体外诊断用酶、治疗性抗体等。但很快，一个想法变得强烈：如此强大的工具仅服务于一家公司，未免可惜。

恰逢AI智能体（洪亮称之为“小龙虾”）生态崛起，天鹜科技顺势发布了MatwingsVenus™（晓鹜™）智能体。它不是一个孤立的模型，而是一个集成了文献专利搜索、AI设计、自动化实验与性能检测的一站式平台。用户提出需求，平台便能设计蛋白、调用机器人合成验证、并持续优化，最终交付具有功能的蛋白样品。整个过程从过去的数年缩短到几个月。

这意味着，以往只有顶尖实验室才能进行的高通量筛选工作，门槛被极大地降低了。一个不懂蛋白质工程细节的人，也可以通过与智能体互动，定制开发自己所需的生物产品。洪亮将这个过程称为“高科技的平权”。他分享了一个案例：平台上有一位年轻的父亲，孩子患有罕见病，尚无对症药物，他正尝试利用这个平台为孩子寻找解决方案。

科学的“神坛”形象正在消解。当核心逻辑和操作技能被转化为AI指令和机械臂的标准动作时，创新的关键就变成了提出精准的需求。

打造智能体：工程化挑战与生态愿景

将内部工具转化为对外服务的智能体，面临的核心挑战是工程化与易用性。内部使用时可以手把手教学，但对公众开放，就必须像“傻瓜相机”一样简单可靠。此外，用户量从个位数激增到上千，对算力、自动化实验设备、工程支持和客服体系都提出了严峻考验。

对于创业固有的不确定性，洪亮看得很清楚。他认为，这一轮AI浪潮最深刻的影响在于To C端的赋能。“小龙虾”生态的出现，使得许多曾经需要专业团队、重型设备才能涉足的领域，变得不再遥不可及。将成本打下来，让每个人基于自身诉求进行创造，正是AI碘伏性的体现。

谈及初衷，他归结为两点：一是如此强大的工具仅自用太可惜；二是行业注定被碘伏，与其等待他人，不如自己先行。在他看来，当前头部AI公司最努力的方向未必是直接盈利，而是做有价值的事，而最有价值的事莫过于“碘伏现下的自己”。

那么，这个智能体是否构成了护城河？洪亮的回答聚焦于“生态”。许多AI公司可能只擅长前端设计，而具备实验能力的团队又未必敢投入巨资进行AI工程化。天鹜科技的核心优势在于全流程打通。构建智能体最根本的目的，是建立生态和“交朋友的能力”——当越来越多的科研人员和企业研发依赖这个平台时，生态优势便形成了。他认为，当下垂直领域AI公司的核心竞争力，正是这种生态建设能力。

定位演进：从产品公司到AI与生态公司

公司的定位也在实践中不断清晰。早期，天鹜科技被看作一家蛋白酶设计公司。但洪亮现在更倾向于将其定义为一个人工智能公司。关键在于，必须始终站在AI技术的前沿，以防被更新的技术或应用模式碘伏。

通过智能体，公司将模型能力和实验机器人开放出来，与用户共同形成生态。如今的AI公司，本质是“数据+生态”公司。生态带来使用数据，数据反哺模型变得更强，从而形成正向循环，这是公司生存和发展的根基。

洪亮透露，蛋白质应用领域极其宽广，从天鹜涉足的体外诊断、生物医药耗材、工业酶制剂、生物基材料到创新药，虽然起点都在实验室，但产品化的周期天差地别。制药需要漫长的临床周期，而体外诊断产品可能只需小规模发酵即可满足需求。因此，天鹜科技现在的策略是：母公司专注于智能体、数据和模型能力的建设；而将不同领域的产品开发，交由独立的子公司推进，并引入市场最优秀的人才和股权激励。

AI碘伏教育：从半年到三小时

洪亮亲身体验了AI对科研教育的冲击。他提到，过去学习分子动力学模拟这类专业软件，需要半年时间，并依赖师兄、专家的指点排错。而现在，他让一个新手使用“小龙虾”来操作，仅用3小时就完成了过去需要半年才能上手的工作。

更令人深思的是，他的团队利用大模型结合实验数据，在5天内完成了一篇足以达到顶尖高校博士毕业水平的生物学论文，并投向了核心期刊。这引发了对传统教育与人才培养模式的反思：如果高等教育的核心技能能被封装成“技能包”或智能体平台，那么优质教育资源将得以极大普及，世界或将涌现出更多能够进行个性化创造的优秀人才。

这种变化也直接影响了他的课题组。现在招生不再拘泥于专业背景，团队中计算机、物理、化学、生物、药学乃至文科的学生都有，核心标准是“聪明”——即定义问题、解决问题、快速学习和运用新技术的能力。他认为，在知识快速贬值的今天，拥有资源的专家应该将资源倾斜给这些聪明的年轻人，“抱上他们的大腿”。MatwingsVenus™（晓鹜™）正是由一位“00后”带领20人的团队开发完成的。

教授创业：在“六边形”挑战中重构认知

创业之路绝非坦途。洪亮坦言每周都有放弃的念头，但已无法回头——既有对投资人的责任，也有对一同创业的学生和员工的责任。

最大的挑战在于“快速学习”。教授擅长独立思考与研发，但商业成功需要的是“六边形能力”：进攻端的研发、生产、销售，防守端的人事、财务、运营。教授往往只占研发的一部分，且习惯做“甲方”，而公司生存常常需要扮演“乙方”。为了一个十万元的订单多次奔波却未能拿下，这样的经历让他深刻体会到商业世界的不同逻辑。

因此，当被问及会给其他想创业的教授什么建议时，他的第一反应是“不要创业，因为真的很难”。但话锋一转，他也承认这个过程是痛并快乐着的。从一个普通家庭出身，有机会带领近两百人的团队去做一件可能很伟大的事，他感到自己是幸运的。“可能老了回想起来，会觉得这辈子还是蛮酷的。”

未来愿景与根本认知

对于公司的长远未来，洪亮希望天鹜科技能首先健康地生存与发展。他提到了一个标志性的愿景：就像当年“Intel Inside”成为电子产品的品质象征一样，他希望未来在全球生物领域，能看到“天鹜Inside”的标识。无论是作为底层的数据服务商、模型提供商还是蛋白质原料供应商，公司都希望成为不可或缺的基础设施。

回顾创业历程，洪亮对人生的根本认知也有所更新。过去他常强调“选择比努力重要”和“与优秀的人同行”。现在，他增加了第三条：“这个世界就是个大的草台班子。”言下之意是，不必将困难神化，也不必畏惧权威。

所以，该怎么办？

他的答案是：干就完了。别人并不比你更优秀。