https://www.youtube.com/watch?v=d4Ff3kJcfNo
这期视频是播客《北美金事角》对波士顿 VC、AI 生物科技公司 Foundry Biosciences 创始人柴菁菁的深度访谈。节目主要围绕 AI4S（AI for Science，人工智能驱动的科学研究） 的投资逻辑、行业变革、挑战以及中美差异展开。
以下是访谈的核心内容摘要：
一、 AI4S 的“范式转变”：从工具到自进化
柴菁菁指出，AI4S 正在经历一场深刻的范式革命 [13:35]：
- 工具型赋能： 早期 AI 主要作为辅助工具，用于提高研发效率或进行材料筛选。这类项目的商业化路径较短，只要能证明性能提升，客户就愿意买单 [14:02]。
- 驱动范式转型： 现在的趋势是让 AI 成为 Copilot 甚至 Leader，全流程（End-to-End）参与研发 [15:06]。未来，AI 将具备持续学习（Continual Learning）和自我进化的能力，甚至能提出人类医生和科学家想不到的跨学科问题 [17:12]。
二、 投资决策与“天价估值”之谜
作为深科技投资人，她分享了自己独特的视角和逻辑转变：
- 深科技比互联网更好投： 因为科技本身就是天然的门槛。她推崇第一性原理思考（First-principles thinking），创业者不能“拿着锤子找钉子”，而必须从本质上解决长期存在的行业痛点 [06:00], [07:18]。
- 估值逻辑的转变： 传统的波士顿投资人相对保守，看重“已经实现了什么” [20:38]。但现在由于硅谷和 AI 浪潮的影响，大家更愿意为“未来”和“人”的潜力定高价。例如由 OpenAI 和 DeepMind 前员工创立的 AI 材料公司 EvolutionaryScale（视频中口误为 Pod Audit Labs），因其愿景宏大，一出道便是独角兽，估值迅速飙升 [21:30]。
- 真实投资案例： 她分享了自己投资深度原理（DeepVerse）的经历，看中的正是团队在微观计算和材料结构优化的技术，以及中国巨大的化工产业落地市场 [23:21]。
三、 AI4S 行业的两大核心痛点：数据与人才
柴菁菁冷静地指出，该赛道的真正护城河不在算法，而在 Science 本身 [34:10]：
- 数据不仅要多，更要“干净”： AI4S 的门槛在于高质量、结构化且未公开的专业数据。因此，许多领先的 AI4S 公司（包括深度原理和她自己的公司）都在布局实验室自动化（Lab Automation），以此来自己生成高质量的实验数据，形成壁垒 [30:05]。
- 顶尖人才极其昂贵： 好的 AI 人才都是天价，这就要求创始人本身必须足够厉害，才能在学术界或工业界吸引同等量级的人才 [31:16]。同时，企业要善于用 AI 工具来代替初中级员工，降低对大量人力的依赖 [32:14]。
四、 中美 AI4S 竞争与出路：Day One 想清楚市场
面对当前的地缘政治环境，她认为中美双方的核心优势已经出现明显分化 [37:36]：
- 美国优势： 在算法能力、底层模型（如 OpenAI、Anthropic）以及 GPU 硬件上依然明显领先，且美国的 B2B/SaaS 市场有着非常成熟且强烈的付费意愿 [37:36], [39:53]。
- 中国优势： 拥有巨大的应用场景、强大的工程师红利、极快的硬件迭代速度和完备的产业链。例如做材料研发，留在美国可能面临巨头内卷，但在中国却能完美对接庞大的化工业痛点 [38:07], [38:53]。
总结建议： 中美科技“脱钩”趋势在商业上短期内不可逆，创业者必须在 Day One（第一天） 就想清楚自己的产品属性更适合美国（偏算法/SaaS 订阅）还是更适合中国（偏巨大场景落地/工程迭代），找准适合的土壤 [38:21], [40:16]。
