拒掉3亿大单后，他说：这个万亿AI市场，最缺的不是模型

「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。

1、 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。

2、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。

3、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。

4、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。

5、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。

6、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。

7、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。

还要看第十次交付是不是比第一次更便宜，产品能不能进入更多同类客户。

模型公司、设备公司、客户和交付方，不会有谁独吞整条产业链。

更现实的机会，是在它们之间占住一个不可替代、能够复制的位置。

尾声

何源相信AI实验室的长期价值。

但在万亿市场真正打开之前，行业要先做一段不那么性感的工作：

把设备连起来，把样品拿稳，把故障降下来，把一次定制变成可以复用的模块。

万亿AI实验室市场最稀缺的，是把模型给出的答案带进现实世界，并对最后的结果负责。

模型第一次给出惊艳答案，只是故事的开始。

当这个答案能被机器稳定执行、被实验重复验证，再被客户写进下一张采购单时——AI才真正走出了服务器。

最后：

双足机器人之外，还有哪些行业方向正在被高估？

风口之下，又有哪些能力被所有人低估？哪两类公司正在面临风险？

何源在完整访谈里逐一点名，并留下三个12个月内可验证的预测，和一套识别AI4S公司真伪的评价框架。

点此阅读：

《一位科学仪器老兵对AI4S商业化的十个实战判断》