硬科技成果转化向源头延伸 耐心资本探索产业赋能新路径

一项技术从实验室走向市场，需要跨越哪些环节？金融资本又该如何在科技成果转化过程中发挥作用？

近日，在“光华思想力论坛——科技金融与硬科技成果转化”论坛上，来自国有投资机构、市场化创投机构、科技成果转化平台以及硬科技企业的多位嘉宾围绕上述话题展开讨论。

从早期成果培育到工程化、规模化生产，再到资本与产业资源的协同，如何让金融资本更早介入科技创新、为企业成长提供持续支持，成为与会嘉宾关注的重点。

成果转化难在哪？

“负一到零”成为关键

近年来，随着高校科技成果转化持续受到关注，投资机构也在加强与高校及科研团队的联系。但从技术成果走向产业应用，仍需要经历多个环节。

全国高校人工智能国转中心执行主任、中关村原生引擎总经理马建平认为，科技成果转化不能仅仅理解为技术转移，还应统筹考虑产业化、资本化和国际化。其中，最困难的环节是从“负一到零”。

“原来大家做转化是零到一，觉得给点钱，给一个孵化器，把政策和人才配上，就完了。但现在这招不灵了。”马建平表示，不同技术领域的需求存在差异，从“负一到零”的过程中，需要根据实际情况匹配概念验证、小试、中试等平台。相关机构应进一步向科研源头延伸，加强与科研团队的联系。

团队建设也是马建平关注的问题。他表示，部分科研团队虽然具备较强的技术创新能力，但在成果转化过程中，还需要配置能够承担工程化、产业化等工作的专业人才。

在IDG资本董事总经理、IDG孵化器CEO刘知海看来，科学家与投资人之间的目标差异，也是科技成果转化过程中需要关注的问题。

刘知海表示，过去科学家的科研评价更多围绕论文等学术成果展开，而企业创业则需要实现商业化和市场需求目标，两者之间可能存在差异。近年来，随着高校对成果转化的重视程度提高，科研人员也更加受到鼓励，去解决实际问题。

不过，他也提醒创业者，不应为了迎合投资机构而不断调整商业叙事，更重要的是明确企业最终要解决什么问题。“一个成功的公司，最后能够成功，一定是从一开始设定的问题，就是特别真、特别大的问题。”

耐心资本不仅要投得早

还要服务企业成长

硬科技创新周期长、技术路线存在不确定性，对资本期限和风险承受能力提出了较高要求。

对于如何做好早期科技投资，国新基金总经理郭一澎表示，国新基金重点关注三个方面：一是科研团队与产业化、工程化团队的配置情况；二是技术成果潜在的应用场景；三是如何根据项目特点进行合理的风险定价。

他同时强调，投资机构既要支持科技创新、发挥耐心资本作用，也需要兼顾出资人的合理收益诉求。这有赖于对行业赛道的判断，以及投资策略、基金配置和投资纪律等方面的安排。

对于长期投资，郭一澎介绍，国新基金目前的基金期限均在15年以上。与此同时，国新基金也在调整人才结构，目前团队中具有产业相关学习背景的人员占比已达到35%。

郭一澎表示，随着投资阶段前移，投资机构需要加强与高校、孵化机构的联系，并更加深入地参与早期创业团队的发展。

刘知海则指出，在科技成果转化的部分早期阶段，由于项目尚未形成充分的验证数据，一些市场化投资机构存在顾虑。

对此，他建议，通过政府性、公益性平台承担部分概念验证等高风险环节，同时鼓励市场化创投机构主动参与项目孵化和企业建设，降低早期项目的投资风险。

“不能被动做纯财务投资人。”刘知海认为，投资机构应主动参与企业孵化，通过实际行动帮助企业降低风险。

马建平也提出，科技成果转化平台需要发挥“连接器”“翻译器”“路由器”和“放大器”的作用，不仅连接科研项目与资本，还要通过概念验证、工程化服务等方式，让科研成果逐步转化为可以被投资人识别的产品，并帮助企业对接资本和产业订单。

他认为，耐心资本不仅意味着在时间上长期持有，更意味着在企业成长的不同阶段持续提供服务，包括投前孵化、投后管理以及帮助企业寻找订单和应用场景。

从实验室到生产线

硬科技企业探索产业化路径

在科技成果产业化实践方面，多位来自高校科研体系的创业者分享了各自的经验。

作为北京大学孵化的量子科技产业化企业，国测量子主要聚焦量子精密测量领域，相关产品涉及原子钟、原子磁力仪、原子重力仪等。

相较于实验室技术突破，规模化生产需要解决一系列工程化问题。国测量子总经理黎启飞表示，从实验室样机到小批量生产，需要解决工艺、结构设计、产品指标一致性等问题；从百台级产品进一步扩大到万台、十万台级生产，则需要引入具备规模化制造经验的专业人才。

为此，国测量子先后引入具有航天技术背景的工程化团队，以及具备大规模制造经验的产业人才，并围绕市场应用需求组建市场化团队。

黎启飞认为，高校科技成果转化到大规模市场化之间，核心是组建一支能够理解市场化、产业化、工程化的队伍，并与高校科研团队形成有效配合。

人工智能领域同样出现了从高校科研向产业转化的新案例。

逆矩阵创始人、智源研究院世界模型创新中心负责人陈博远介绍，公司聚焦面向真实物理世界的基座模型。他认为，人工智能技术从研究走向产品，需要关注技术本身的规模化能力，同时让研发人员真正进入产业场景，了解实际需求。

对于世界模型等基础技术，陈博远表示，未来需要在提升技术能力的同时，推动模型进入具身智能、工业仿真等真实场景，获得反馈并持续迭代。

北京大学医学部基础医学院助理教授、研究员卢萌则提出，人工智能有望改变传统科研研发的线性链条。通过医院提供数据、人工智能模型进行预测、高校实验室开展验证，并将结果反馈给模型，可以形成持续迭代的研发闭环。

此外，围绕如何进一步支持早期硬科技投资，马建平建议完善投资容错机制；刘知海提出，应关注国有资本产业引导目标与投资回报要求之间的平衡；黎启飞建议探索建立相应的正向激励机制。

郭一澎则提出，针对商业航天等产业链条较长、风险较高的领域，可以探索基金、信托、保险等金融工具相结合的方式，为产业发展提供支持。