Warp Sciences 的 Kevin Weil 和 Sol Reisberg：先让化学家手工做、把操作记录下来，再一步步自动化

物理科学缺的是实验数据，所以要在一个窄领域大规模地产数据

Weil 说，OpenAI 做科学先从数学入手，因为数学可以全在计算机里做、靠加算力推进；化学、生物、材料则要靠实验推进，模型在这些领域“缺数据”。他的结论是要大规模产数据，但要集中在一个科学上、商业上都有意义的方向，而不是在所有学科上薄薄撒一层。

“the models are data poor in the physical sciences”Kevin Weil

先导优化就是一周一轮的“定向进化”，而做实验的都是外包实验室

Reisberg 这样描述小分子新药公司：从一个只有一点活性的分子出发，每周做大约 50 个变体，测溶解度、毒性和效力，挑出稍好的一个，下周再围绕它做 50 个，一步步往成药的方向爬。他说这些实体工作现在几乎都外包给合同研究机构（CRO），新药公司自己往往直到临床都没亲手碰过药。

痛点是知识产权、供应商集中和成本差

Reisberg 说，主要由两家大型外包商承担这类工作，服务质量和速度都好、价格也低；问题在于只依赖一两家供应商，以及他说已有多起有记录的知识产权泄露事例。他说美国本土外包商也能做，但人工贵，价格通常高出四到五倍，所以新药公司要在成本和知识产权之间二选一。

先做“手”，再建“神经系统”，最后成为“大脑”

Weil 说第一步是把客户要的分子和测试做出来，先手工做；化学家会戴第一视角和立体摄像、带压力传感器的手套和腕部摄像头，边干活边产出自动化需要的数据。然后把工作拆成最小的可重复环节，按“多常做”和“多难自动化”排成二乘二，从最容易的那一格开始，自动化比例从 0% 推到 10%、20%，最终 100%。“大脑”是用每次成功和失败训练的合成路线模型。

“First be the hands, then build the nervous system, and then over time become the brain.”Kevin Weil

合成过程的数据可以共享，化合物测试结果要保护

Reisberg 把“做分子”和“测分子”分开。他认为做分子已经商品化：画在纸上的分子，他第一次大约有 70% 的把握做出来，十次内基本都能做出来；怎么操作、哪些反应成或不成，是工厂自己的工艺数据，客户不会介意。哪些分子有效、哪些有毒，才是客户的核心知识产权；他提出用靶点排他（同一方向只服务一家客户）来保护，把数据只和互不竞争的客户合并训练，并举 Inductive Bio 按性质建客户数据联盟为先例。

“making molecules is commoditized”Sol Reisberg

固定的实验环境是优势，公司不做自己的药

Weil 说化学操作灵巧又多变（固体会粘，有的遇空气易燃），但和家用机器人不同，通风橱里的光照、温度全由自己控制。办法会因任务而异：给仪器做逆向工程以便由 AI 调度，教机械臂做某些操作，或为称量固体这类重复工作专门造机器。他强调 Warp 是给所有找药的人做基础设施，不做自己的药物发现。