只能说，也都不容易。
他们两在晨星实验室里，那是毋庸置疑的老登。
岑言很看重他们的硬实力。
而且他们两人刚好可以填补实验室在中层管理和技术指导上的空白。
原本晨星实验室已经有13个成员。
如今加入了包含徐博文和张若谷在内的13名博士后，再加上2名老科研人，这28人的团队已初步成型，运转架构已经搭起。
只不过。
按照高官重点实验室的申报要求，高级职称人员的比例最好能达到40%。
按照预计的40人大团队，那总共需要16位高级职称人员。
目前整个实验室拥有高级职称的，也就只有岑言、徐、张、赵、刘。
岑言打算继续挂着，重点招聘自带高级职称的，或者能够直聘副高的顶尖博后。
同时，也要尽可能推进团队里有机会去竞聘副高级职称的成员去争取破格获聘。
例如......他的几位核心副手们。
办公区的玻璃门被人推开。
周妍踩着平底皮鞋走进来，手里抱着一叠厚厚的文件夹。
她身穿浅灰职业套装，包臀裙把她的身段优雅地展示出来，头发利落地盘在脑后。
“整理好新成员情况了，文件发你。”
周妍拉过岑言旁边的椅子坐下。
岑言点点头。
文件里详细记录了新成员的个人特质和优缺点，周妍甚至还给每个人评了分。
各项数据清晰明了，一目了然。
“管理这么多人才，感觉怎么样？”
岑言看着报告，随口问道。
周妍笑了笑。
“刚开始以为会很麻烦，毕竟是高手。不过，简单沟通下来，我发现管实验室和以前管化竞队区别也没有特别大。”
“只不过，有些东西之前我们还不怎么需要管，现在都得用上了。我把绩效考核和成果署名规则摆在明面上，让他们清楚自己做什么能得到什么。还把以前管竞赛队的那套每日打卡和周报制度搬过来了。每天早上九点开十分钟小会，汇报当天的实验计划和资源需求。每周五下午交周报，列出产出和遇到的瓶颈。”
岑言挑了挑眉。
要不要搞得这么正式？
怎么感觉快和大厂一样了？
周妍注意到岑言的表情，扬了扬眉毛，很有默契地回答岑言没有问出口的疑问。
“正式点好，大家都是理科生，最好的管理方式就是自我管理。数据化、可视化，对他们的自我约束力最强。我让郑宇做了个实验室专用app，仪器按需预约，超时取消资格。谁拖进度，在周报数据上一清二楚。都不用我们多说，他们自己看排名就急了。再说了......这套不是你先整出来的吗？”
岑言沉默了片刻。
回旋镖还是打到了自己的身上。
当初自己就不应该做题库模型的。
“没什么，挺好的，就是之后得多辛苦你了，我们尽快把课题组整理分好，把分层管理做好，你就能轻松点。”
岑言安抚道。
“我还好，不累。”
周妍把文件夹收拢好，准备起身。
“实验室我还和学校申请了临时场地，倒是科研经费和横向的事，你得多操心。”
“嗯，放心吧。”
岑言的视线转向电脑屏幕。
指望传统的专利授权或者接零散的企业技术咨询，来钱太慢，规模也难以保证。
他心里早有盘算。
“横向项目的事情，今天就开始推进。你帮我叫一下李智和郑宇，让他们带上笔记本到休息区来找我。”
岑言交代道。
周妍的眼神闪过一丝诧异。
要知道郑宇可是在晨星实验室里摸鱼了许久，今天岑言终于想到他了？
果然，赚钱还是得考虑宇宙机。
“好，我现在去叫他们。”
周妍点点头，转身走出办公区。
岑言则是喝了口水，进了休息区里等。
十分钟后，李智和郑宇敲门进休息区。
“主任，找我们有新任务？”
李智坐到岑言对面的沙发，打开面前的笔记本电脑。
岑言起身，走到挪进休息室的白板前。
“今天叫你们来，是启动我们实验室的第一个大型商业化横向项目。”
岑言在白板正中央写下一行大字。
【材料计算与逆合成AI云平台】
李智和郑宇看着白板上的字，视线集中在岑言身上。
“我们需要在今年内拿到两千万的横向经费。”
岑言语气轻松的说道。
似乎他说的不是两千万，而是两千块。
郑宇推了推鼻梁上的眼镜。
不用多说，自己终于来活了。
虽然他是被周志云借调过来给岑言帮忙的，但实际上他认为自己是最早发掘岑言与众不同的人，想搭车。
可奈何项目不太对，没能搭上主车。
这下虽然是横向，但却也是一个机会。
他很主动，客观评价道。
“两千万不是个小数目，单纯定制化外包的云平台可能拿不到那么多的注资。”
“所以我们不做定制化外包。”
岑言笑了笑。
“我们做SaaS，软件即服务。做一款面向全球材料科学和化学制药领域的标准化云端计算平台。”
转身看向眼前两位略有明悟的得力干将，岑言继续阐述他的构想。
“现在的材料科学研究痛点非常明显。高校和企业做DFT计算或分子动力学模拟，门槛很高。”
岑言在白板左侧画了几个方框。
他简单地描述了目前高校和企业做DFT计算的困境。
“他们要学着用不同的引擎，要忍受超算集群漫长的排队等待时间，计算完成后，还要面对几十兆的文本输出文件，得自己写Python脚本去爬数据，用Origin或者Gnuplot去画能带图和态密度图。一套流程下来，单单入门就得花很多时间。”
李智深有感触地点头。
他就是这么干的。
这种事也没什么捷径，只能熟能生巧。
每一次计算，忙这些的时间比真正思考材料物性本身的时间都要久。
“我们要做的，就是把这些繁琐的过程全部封装起来。”
岑言在白板右侧画了一个简洁的云朵图标，下方连接着几个终端设备。
“用户不需要懂Linux命令行，不需要买服务器、去排队等计算结果。他们只需要用个人PC，打开浏览器登录我们的网站。平台提供全套的图形化用户界面。这套平台将分为四个核心模块：三维建模器、云端计算引擎、数据分析与可视化，以及最核心的逆合成人工智能引擎。”
岑言没有丝毫犹豫，也没有停顿。
径直地列出模块名称。
这样的动作，让李智和郑宇交换了一下眼神。
李智尤为震惊。
这个概念其实就是岑言之前拿来挖他的底牌之一。
只不过那时写的可没有现在这么详尽。
现在看岑言这信手拈来的样子，他更加确信，这个产品在岑言提出的这个时候，其实就已经是一个完整的商业化项目了。
从产品的理念，市场，受众......
岑言全都考虑好了。
他们两只需要负责的就是按照列出来的需求去实现它们。
这种感觉，有一种说不出的......轻松？
李智出神的时候。
岑言看向他们两，神色认真。
“如果单纯讲理论的话，计算材料学，解决的是‘材料好不好’的问题。”
“但工业界，尤其是制药公司和化工企业面临的最大痛点是，材料要怎么造？”
岑言眼神笃定。
他似乎已经能看到这个产品的前景。
“研究员设计新药成分或新型材料时，往往需要用数周甚至数月的时间查阅文献，依靠经验设计合成路线，试错成本极高。”
岑言说道。
“我们要利用深度学习技术，让AI来规划合成路线。”
郑宇和李智都坐直了身体。
2016年，AlphaGo刚刚击败李世石，深度学习在图像和自然语言处理领域大放异彩，但在化学合成领域的应用还处于非常早期的探索阶段。
“我们要做到的......”
“是当用户在平台上输入一个目标分子的结构时，AI引擎开始工作。策略神经网络根据数据库中学习到的反应模板，预测出合成该分子的最后一步前体化合物，并给出概率评分。蒙特卡洛树搜索算法在这些可能的前体中进行展开，继续向前反推，直到找到市面上可以直接采购的廉价基础化工原料。”
“平台最终呈现给用户的，是一条条完整的、带有成功率预测的合成路径。”
李智听得口干舌燥。
只要是干化学合成的，都太清楚这个AI引擎的价值了。
如果真能实现，不仅能大幅缩短研发周期，甚至能改变传统化学合成的试错模式。
药企会心甘情愿地为这种能节省大额研发成本的工具支付高昂的费用。
也难怪岑言会如此自信。
这产品放在眼前，是肉眼可见的成熟。
“这款平台的产品定位非常明确。学术界和工业界双轨并行。”
岑言言简意赅地说明产品的商业模式。
“针对高校和科研院所，我们推出基础版的学术订阅套餐，定价每年五万元人民币。提供基础的建模、计算和数据分析功能。国内有上千个材料和化学课题组，只要拿下两百个课题组，就是一千万的营收。”
“针对制药企业和大型化工材料公司，我们主推包含AI逆合成引擎的企业版。支持私有化部署，提供API接口接入企业内部的研发系统。”
“只要能拿下两家头部企业，别说今年的两千万，接下来几年经费我们都不愁。”
岑言看着面前的两人。
“这项目，李智负责材料计算模块的物理引擎接入和化学反应数据库的规则校验。郑宇负责整体的软件工程架构、前端渲染和AI算法的工程实现。”
紧接着，岑言定下时间节点。
“三个月内，我要看到基础模块的Beta测试版上线。五个月内，AI逆合成引擎必须完成初代模型训练，可用于测试。”
“任务很重，有没有问题？”
岑言问道。
郑宇思索了一下，答道。
“技术栈很成熟，架构思路很清晰。但......”
李智深吸了一口气，拦住郑宇。
他昂首挺胸，直视岑言，气势凛然。
“完全没问题！”
那么多新人加入实验室，要说李智没有心理压力，那是不可能的。
现在，就是证明他价值的时候！