当前全球经济持续面临压力，科技巨头们开始认识到，那些短期内无法商业化的科技创新研究已经失去了投资价值。
今年8月，媒体报道称，科技巨头Meta（原Facebook）为了降本增效，裁掉了对标谷歌DeepMind AlphaFold、利用人工智能（AI）大模型实现蛋白质预测的生物科学ESMFold项目团队。
尽管该团队离开Meta后创立的新AI 蛋白质公司EvolutionaryScale近日已完成超4000万美元种子轮融资，但报道指，Meta的这一裁员解散方案意味着其放弃了科学类技术研发，从而转向 AI 的商业化。
实际上，尽管过去9个月大模型引发全球新一轮 AI 热潮，多家科技巨头竞速生成式 AI 技术。但在 AI 新药研发等周期较长的前沿技术领域，企业短期内难以快速盈利，加上二级市场表现不佳，投资热情逐步降温，科技大厂缩减纯粹的 AI 技术研究。CB Insights数据显示，今年第二季度，全球 AI 领域投资总额环比暴减38%。
百图生科副总裁瞿佳润（Vicky QU）近日表示，现在已经不是资源、技术、数据算法、商业落地等综合能力，正成为 AI 公司长期发展的重要因素。
“现在其实已经到了Gartner新兴技术发展曲线的第一轮拐点，触底反弹需要企业的机会和能力。”瞿佳润表示。
风投急退，但企业技术创新需长期投资
实际上，企业的科技创新与风险投资之间，长期存在收益、价值的冲突与平衡。
早在1988年，美国卡内基梅隆大学Martin Kenney教授在《研究政策》（Research Policy）期刊中发文称，风险投资改变了美国的科技创新流程。他指出，投资人作为加速技术变革进程的“技术守门人”，为高新技术企业提供资金并协助其发展，从而促进了科技创新的变革。然而，这种模式也带来了高昂的成本投入。
Kenney教授认为，尽管风险投资是一种新型的投资方式，更注重企业的潜在收益，愿意在未得到明确回报的情况下进行投资，从而改变以往的科技创新流程，但风险投资模式也存在着一些问题。
这份报告中指出，首先，这种风投需要大量的资金投入，这无疑增加了科技创新的成本。其次，为了追求高回报，风险投资往往流向那些具有高商业化潜力的领域，而忽视了其他同样重要的科研领域。此外，由于风险投资的本质是追求高收益，可能会导致一些投资者过于注重短期收益，而忽视了企业的长期发展和科技创新的持续推进。
总的来说，Kenney教授给出的结论是，风险投资对于科技创新起着积极的推动作用，但同时也需要更加谨慎和理智地对待这种投资方式。只有这样，我们才能充分发挥风险投资的优点，降低其潜在的风险，从而更有效地促进科技创新的发展。
过去近40年，风险投资影响了全球技术和科技产业的快速发展，并诞生出数千家“独角兽”企业。CB Insights数据显示，截至今年8月，全球共诞生1221家“独角兽”，总市值超过3.8万亿元。其中至少包括55家“十角兽公司“（指估值超过100亿美元）和3家“百角兽”公司（估值至少1000亿美元）。
同时，得益于风险投资模式，谷歌、苹果、阿里、腾讯、字节跳动、滴滴、美团等企业，从初创公司逐渐发展成为互联网科技巨头。
但问题在于，相比于互联网时代的流量模式，云计算、AI、5G、生命科学等前沿科技领域投入更大、周期更长、难以有高壁垒，而且竞争者众多、亏损严重，约94%的科技独角兽公司没有盈利。
同时，风险投资机构在募、投、管、退四个环节周期却越来越短，国内投资人在科技领域的退出和回报率MOC（企业当前的公允价值与投资成本的比值）变低，只有少数几家早期机构能在某个项目上赚到钱，因此投资人对于科技企业盈利要求愈加严格。
以芯片半导体为例。据统计，截至2023年4月30日，科创板和创业板上市的135家半导体（全产业链）企业，总市值为30825亿元，尚不及英伟达一半市值。而上述135家芯片公司2022年累计实现营收2821.9亿元，平均毛利率39.1%，处于较低水平。其中，仅“国内AI芯片第一股”寒武纪一家，截至2022年的过去5年累计亏损近40亿元。
另一份公开数据显示，2022年1-3季度，IPO退出案例数量1996笔，占股权市场退出案例总数近60%，并购、股权转让等方式占比较少。
具体案例中，最近上市的SaaS公司北森控股（HKG: 9669）4年多亏损近50亿元，其股价比年初跌去7成以上，多家投资人打折出售。招股书中称天创资本2021年4月将其所有股份转让，获得802万美元，估值打折至77.5%，而红杉中国、高盛、软银等机构也未获盈利性退出。
另外，除了企业，学术科技研究领域也面临类似现象。一位中国科学院院士去年11月告诉钛媒体App，市场对于无法商业化的基础科技研究较少重视，国家自然基金会每年的资金投入更多倾斜那些有应用的科研领域，而一些单点科技创新很难得到资金支持。
“科学仪器是我们的短板，我觉得在计算方法、理论方法方面重视程度不够，所以发展没有那么快。我们基金委现在投了大概一年300多个亿，但大部分真正投在自主研发科学仪器领域不到10个亿，此前更早的时候，由于基金会整个盘子不大，所以投资更少。”上述这位院士表示。
所以，无论从哪个角度看，投资和科技创新之间的鸿沟随着时间推移而越来越深，冲突与平衡不可避免。那么像Meta这类大公司，其最终选择只能是“挥泪斩马谡”，即抛弃长周期的科学项目。
大厂放弃AI生物技术研究
2021年初，谷歌公司旗下DeepMind团队研发的AlphaFold2人工智能系统，在国际蛋白质结构预测竞赛（CASP）上取得惊人的准确度，约2亿个蛋白质的结构范围覆盖地球上几乎所有已知生物，多数预测模型与实验测得的蛋白质结构模型高度一致。
AlphaFold2成为当时准确度最高的蛋白质三维结构预测模型，颠覆了生物学术领域，引起广泛关注。
实际上，新药研发是人类发展中极具风险和复杂度、耗时最漫长的技术研究领域之一，研发成本大约是26亿美元，耗时约10年，成功率不到十分之一。但随着通过AI算法取代人力筛选，让 AI 制造出药物似乎正变为现实——减少约35%的新药发现成本，周期时间也缩短至1-2年，甚至有可能几个月内完成。
据沙利文统计显示，2020年，全球药物研发市场规模达1915亿美元。
那么在这一背景下，互联网巨头们就看到了生物医药与 AI 的交叉点这一重大机遇，一方面试图通过建立研究团队加大该领域的理解和影响力，另一原因则是向医药公司输出算力与解决方案。Meta、腾讯、华为等中美科技巨头均在参与。
而马克·扎克伯格（Mark Zuckerberg）也看到了这一机遇，Meta是最早投 AI 的大型科技公司，并于2013年设立了基础人工智能研究 (Fair) 实验室。2020年底，Meta在Fair团队中设立生物科学研究，并于2022年7月正式推出蛋白质预测模型 Meta ESMFold。
据悉，ESMFold模型基于Transformer架构，参数量达150亿，在两周内用一个由大约2000个GPU芯片组成的集群上，预测出超6亿个宏基因组蛋白质的序列。这些序列通过20种不同氨基酸组成的链条来表达，而宏基因组也被称为生物界的“暗物质”，包括土壤、海洋和人体中的微生物。
迄今为止，ESMFold是全球最大的蛋白质语言模型，AI 的速度比 AlphaFold 快 60 倍，但准确度较低。被认为是AlphaFold重要竞争技术之一。
然而，仅过了两年多时间，在全球经济衰退、广告收入降低等因素下，Meta如今试图调整其研究策略。
英国《金融时报》认为，Fair实验室内部的学术文化是Meta迟迟在 AI 大模型竞争中获得领先的原因，而随着ChatGPT的爆发，如今Meta试图调整目标“GenAI”，并重新配置其Fair团队的研究方向，转向 AI 模型的商业化。
“大公司内部想要把 AI 生物科学做好，主要受制于内部发展空间、成本控制及部门生态等因素。”瞿佳润告诉钛媒体App，尽管科技大厂的研发团队可以发布一些论文，但批量解决生命行业问题不太现实，从某种意义上，生物领域需要10年、20年的研发投入，大公司往往不愿长期坚持。
瞿佳润认为，AI 行业发展至今，无论是算力，还是数据资源，已经不再是一个简单的初创公司能够“闯”出来的了。从投资人角度看，当下的大环境变化下整个 AI 领域资金层面的问题较多，如何能支撑到IPO阶段，需要靠自身造血。而对于Meta这种大公司来说，长期投入生物医药领域是个非常“理想化”的事。
“资本是逐利的，所以不是投自动驾驶就是安防。对大厂来说，当时投钱创新是有巨大风险的。对企业的一号位来说，想的更多还是业务上的东西，花钱最后没出成果，算谁的？”搜狗创始人、百川智能创始人兼CEO王小川告诉钛媒体App。
过去两年，多家互联网大厂宣布关停
