人机协同研发：别迷信全AI，搭对班子才是真效率
上个月去深圳参加生物医药研发闭门会，听到个事儿直接惊掉我咖啡。
一家做抗体药的初创公司，原来筛一个抗癌靶点，五六个博士熬大夜，最少大半年能出初筛结果，成功率还不到8%。现在用了人机协同的流程，三个礼拜出结果，成功率直接干到42%。
谁看了不说一句离谱。
生物医药企业人机协同研发实验室场景
说实话，现在市面上吹的全AI全自动研发，九成都是营销噱头。除了极少数重复度极高的模块化设计，大部分核心研发环节，AI连真正的问题在哪都找不到。
踩过这个坑的公司多了，大家才慢慢回过神——原来最好的模式不是AI取代人，是人和机器一起干活。
芯片设计人机协同研发工作界面
其实真的没必要走极端。你让AI干它擅长的搬砖，人干人擅长的决策，不就完了？
国内某头部芯片设计公司，现在前端设计环节，AI先把符合基础参数的布线方案筛出上百个，然后让有十年以上经验的设计师挑，挑完再微调，原来一款芯片前端设计要六个月，现在两个月就能搞定，良率还涨了五个点。五个点是什么概念？流片一次几千万，五个点就是上百万的真金白银。
未来三年，人机协同研发会先在这些领域落地爆发
我个人判断，未来三年，人机协同研发会最先在三个领域跑出共识，跑出真金白银的收益。
第一个就是创新药和生物技术研发。刚才说了，靶点筛选、分子模拟、抗体设计这些环节，本来就需要筛海量候选，试错成本极高，人机协同一进去，直接把周期和成本砍半都不止，现在国内头部CXO公司早就把人机协同当核心竞争力了，小公司不跟进根本玩不起。
第二个就是新材料研发。不管是动力电池的正极材料，还是半导体用的光刻胶材料，原来一次试验就是几十万上百万，少则几周多则几个月出结果，AI先把不符合要求的候选全部筛掉，人只需要验证最后少得可怜的几个选项，成本直接降70%以上，进度能快好几倍。
第三个就是复杂装备研发，比如大飞机的气动外形，新能源汽车的底盘调校，原来做一次物理试验就是几百万，现在AI先模拟算几百套方案，人挑最好的三五套做实际试验，省下的钱都是利润，进度还能提前大半年。
当然，现在人机协同研发也不是完美的，最大的坑就是数据。很多公司内部的数据乱七八糟，不同部门的数据不打通，格式不统一，AI拿到的都是垃圾数据，筛出来的结果当然也是垃圾，这个得慢慢磨，不是买个大模型就能解决的。
上个月碰着一个中科院做量子芯片的研究员，他跟我吐槽，原来他们每周只能算两个方案，现在AI每天能算二十个，他每周只需要挑最好的两个做实验，现在天天愁的不是没成果，是实验进度赶不上idea。
你说，这才是研发该有的样子对吧？
研发本来就是人找新路，AI帮人搬行李。路还是要人找，但是搬行李这种活，交给机器不香吗？
别吹全AI自研了，大把公司已经踩过坑
前两年AI火的时候，多少公司喊着要全AI替代研发，要把人力成本砍到最低，结果呢？ 我认识一个自动驾驶算法团队的leader，去年他们砸了两个亿训大模型，说要让AI完全自动生成路测场景，不用工程师再手动标注。结果模型跑出来的场景全是完美通顺的柏油马路，连个乱扔的快递盒都没有，更别说雨天货车突然变道这种真实极端场景。 最后还是拉着三个有十年路测经验的老工程师，改了整整两个月，才勉强能用。两个亿打了水漂，进度还拖了大半年。 为什么会这样？ 说白了，研发本质是探索未知，AI学的全是过去沉淀的已知数据。它能从一堆已知里找规律，可它不知道研发圈里那些没写在论文里的潜规则，不知道哪条路前人已经走死了，不知道哪个参数看起来符合标准实际上生产不出来。生物医药企业人机协同研发实验室场景
说实话，现在市面上吹的全AI全自动研发，九成都是营销噱头。除了极少数重复度极高的模块化设计，大部分核心研发环节，AI连真正的问题在哪都找不到。
踩过这个坑的公司多了，大家才慢慢回过神——原来最好的模式不是AI取代人，是人和机器一起干活。
人机协同研发的核心：把擅长的事还给擅长的人
我跑了大半年行业，见过跑通的人机协同项目，分工都特别清楚。一点都不复杂。 AI干的永远是「体力型搜索+海量数据计算」，人干的永远是「定义问题+判断方向」。就这么简单。 去年OpenAI发的科研版GPT-4o，配套论文里就说了一个很经典的案例：研发有机太阳能电池的新材料，AI先从120多万种候选分子里，按照给定的参数筛出了符合要求的13种，然后研发人员再根据自己过往的实验经验，挑出2种做实际验证。 原来整个流程走下来要一年多，现在一个半月搞定。成功率从不到10%升到了50%以上。 哦对，之前很多人喊AI要抢研发工程师的饭碗，你看这个结果，抢了吗？ 原来研发人员每天80%的时间都在筛数据、算重复公式、做入门级试错，根本没时间想真正创新的方向。现在把这些脏活累活扔给AI，自己专心搞核心判断，这不就是岗位升级吗？ 不过话说回来，我见过太多公司把分工搞反了。让AI定研发方向，让人给AI擦屁股，最后不出问题才怪。 之前有个做创新药的小公司，老板跟风砸钱上AI研发，让AI直接找全新抗癌靶点，结果AI找出来的那个靶点，早十年就被证明没有成药可能性，只是这个结论没发成核心期刊，只写在一个没人看的会议摘要里，AI哪里能挖到这种隐形信息？ 最后钱烧完了，团队散了，公司没了。可惜。芯片设计人机协同研发工作界面
其实真的没必要走极端。你让AI干它擅长的搬砖，人干人擅长的决策，不就完了？
国内某头部芯片设计公司，现在前端设计环节，AI先把符合基础参数的布线方案筛出上百个，然后让有十年以上经验的设计师挑，挑完再微调，原来一款芯片前端设计要六个月，现在两个月就能搞定，良率还涨了五个点。五个点是什么概念？流片一次几千万，五个点就是上百万的真金白银。
未来三年，人机协同研发会先在这些领域落地爆发
未来三年，人机协同研发会先在这些领域落地爆发
我个人判断，未来三年，人机协同研发会最先在三个领域跑出共识，跑出真金白银的收益。
第一个就是创新药和生物技术研发。刚才说了，靶点筛选、分子模拟、抗体设计这些环节，本来就需要筛海量候选，试错成本极高，人机协同一进去，直接把周期和成本砍半都不止，现在国内头部CXO公司早就把人机协同当核心竞争力了，小公司不跟进根本玩不起。
第二个就是新材料研发。不管是动力电池的正极材料，还是半导体用的光刻胶材料，原来一次试验就是几十万上百万，少则几周多则几个月出结果，AI先把不符合要求的候选全部筛掉，人只需要验证最后少得可怜的几个选项，成本直接降70%以上，进度能快好几倍。
第三个就是复杂装备研发，比如大飞机的气动外形，新能源汽车的底盘调校，原来做一次物理试验就是几百万，现在AI先模拟算几百套方案，人挑最好的三五套做实际试验，省下的钱都是利润，进度还能提前大半年。
当然，现在人机协同研发也不是完美的，最大的坑就是数据。很多公司内部的数据乱七八糟，不同部门的数据不打通，格式不统一，AI拿到的都是垃圾数据，筛出来的结果当然也是垃圾，这个得慢慢磨，不是买个大模型就能解决的。
上个月碰着一个中科院做量子芯片的研究员，他跟我吐槽，原来他们每周只能算两个方案，现在AI每天能算二十个，他每周只需要挑最好的两个做实验，现在天天愁的不是没成果，是实验进度赶不上idea。
你说，这才是研发该有的样子对吧？
研发本来就是人找新路，AI帮人搬行李。路还是要人找，但是搬行李这种活，交给机器不香吗？