Tecnologia Deep e a Grande Onda de Inovação

Esta é a primeira de três peças que criam em nosso relatório de 2019, O amanhecer do ecossistema técnico profundo . É baseado no novo relatório, Tecnologia profunda: A Grande Onda de Inovação . Seu impacto econômico, comercial e social será sentido em toda parte, porque os empreendimentos de tecnologia profunda pretendem resolver muitos de nossos problemas mais complexos. Mas ainda mais significativos são as convergências de tecnologias e de abordagens que aceleram e redefinirão a inovação nas próximas décadas. Testemunhamos o poder desse ecossistema no ano acabou de terminar, pois a Moderna e a equipe de Biontech e Pfizer levaram separadamente duas vacinas covid-19 da sequência genômica para o mercado em menos de um ano. Embora essas empresas tenham feito um trabalho notável em velocidade inédita, elas se beneficiaram do trabalho de muitos outros, incluindo governos, academia, capital de risco e grandes negócios. Todos esses são jogadores críticos na próxima onda. Artigos subsequentes examinarão

Get ready for the great wave—the next big surge of innovation powered by emerging technologies and the approach of deep tech entrepreneurs. Its economic, business, and social impact will be felt everywhere because deep tech ventures aim to solve many of our most complex problems.

The great wave encompasses artificial intelligence (AI), synthetic biology, nanotechnologies, and quantum computing, among other advanced technologies. But even more significant are the convergences of technologies and of approaches that will accelerate and redefine innovation for decades to come.

As technological advances move from the lab to the marketplace, and as companies form to pursue commercial applications, we see a number of similarities in how and why they are being developed—and a powerful ecosystem is taking shape to drive their development. We witnessed the power of that ecosystem in the year just ended, as Moderna and the team of BioNTech and Pfizer separately took two COVID-19 vaccines from genomic sequence to market in less than a year. Although these companies did remarkable work at unheard-of speed, they benefited from the work of many others, including governments, academia, venture capital, and big business. All of these are critical players in the coming wave.

This article looks at how the great wave in deep tech is taking shape. Subsequent articles will examine Como a revolução na natureza co-design está tomando forma e como o financiamento das tecnologias emergentes sustentará seu futuro. Ao longo do caminho, responderemos a algumas perguntas -chave:

• O que torna a tecnologia profunda diferente?
• O que faz com que a tecnologia profunda seja executada? agora em desenvolvimento). Alguns, como Moderna, já são nomes familiares. Alguns, como SpaceX e Blue Origin, capturaram a imaginação do público. Outros lidam com o que antes era pura ficção científica (como os carros voadores). Outros ainda trabalham em áreas que poucas pessoas podem descrever-a biologia síntética e a computação quântica são duas-onde soluções de longo prazo para doenças, mudanças climáticas e outros problemas estão em desenvolvimento ativo. Muitas vezes, eles desenvolvem tecnologias novas porque nenhuma tecnologia existente resolve completamente o problema em questão. Em alguns casos, porém, o sucesso depende do desenvolvimento de novos aplicativos para tecnologias estabelecidas. Por exemplo, o Boom Supersonic está trabalhando em um avião supersônico usando apenas tecnologias com caminhos de certificação conhecidos e registros de segurança comprovados. A Eaborg Technologies está trabalhando na construção de usinas nucleares flutuantes modulares alimentadas por reatores compactos de sal fundido, uma tecnologia de décadas de idade.
• How does deep tech work?
• What are the main challenges for deep tech ahead?

Fasten your seatbelt and get ready to take a ride in the equivalent of a flying car (no fewer than seven are now under development).

The Deep Tech Difference

Deep tech companies are a disparate group. A few, like Moderna, are already household names. Some, such as SpaceX and Blue Origin, have captured the public imagination. Others deal in what was once pure science fiction (such as those flying cars). Still others work in fields that few people can describe—synthetic biology and quantum computing are two—where long-term solutions to diseases, climate change, and other problems are in active development.

Successful deep tech ventures bring together multiple talents (including scientists, engineers, and entrepreneurs) to solve a problem. Often they develop brand-new technologies because no existing technology fully solves the problem at hand. In some instances, though, success depends on developing new applications for established technologies. For example, Boom Supersonic is working on a supersonic plane using only technologies with known certification paths and proven safety records. And Seaborg Technologies is working on building modular floating nuclear power plants powered by compact molten salt reactors, a decades-old technology.

Ventuos de tecnologia profunda bem -sucedidos tendem a ter quatro atributos complementares:

• Eles são orientados para problemas. Eles se concentram na solução de questões grandes e fundamentais, como é claro pelo fato de que 97% dos empreendimentos de tecnologia profundos contribuem para pelo menos uma das metas de desenvolvimento sustentável da ONU. Cerca de 70% dos empreendimentos de tecnologia profunda possuem patentes em suas tecnologias.
• They operate at the convergence of technologies. For example, 96% of deep tech ventures use at least two technologies, and 66% use more than one advanced technology. About 70% of deep tech ventures own patents in their technologies.
• Eles desenvolvem principalmente produtos físicos, em vez de software. Eles estão mudando a equação de inovação de pedaços para bits e átomos, trazendo o poder dos dados e da computação para o mundo físico. In fact, 83% of deep tech ventures are engaged in building a physical product. They are shifting the innovation equation from bits to bits and atoms, bringing the power of data and computation to the physical world.
• Eles estão no centro de um ecossistema profundo. Uma pequena minoria de startups, os empreendimentos de tecnologia profunda têm um impacto gasto porque atacam problemas em larga escala e porque seu trabalho é ambos Some 1,500 universities and research labs are involved in deep tech, and deep tech ventures received some 1,500 grants from governments in 2018 alone.

Despite representing a small minority of startups, deep tech ventures have an outsize impact because they attack large-scale issues and because their work is both futurista e prático . Os empreendimentos de tecnologia profunda residem no que Donald Stokes denominou "Quadrante de Pasteur", combinando uma busca por entendimento fundamental com aplicado Pesquisa. ¹ 1 Donald E. Stokes, Quadrante de Pasteur - Ciência Básica e Inovação Tecnológica, Brookings Institution Press, 1997. (Veja a barra lateral.)

Apesar dos riscos inerentes de falha, empresas e investidores mostraram um interesse crescente em uma tecnologia profunda. De acordo com nossas estimativas preliminares, o investimento em tecnologia profunda (incluindo investimentos particulares, apostas minoritárias, fusões e aquisições e IPOs) mais do que quadruplicou em um período de cinco anos, de US $ 15 bilhões em 2016 para mais de US $ 60 bilhões em 2020 milhões em 2016. O valor do valor do investimento aumentou de US $ 36.000 para US $ 2 milhões entre 2016 e 2019.

e fontes de financiamento estão se expandindo. Embora as empresas de tecnologia e comunicação (TIC) e biofarma continuem investindo substancialmente em tecnologia profunda, as grandes empresas mais tradicionais estão se tornando cada vez mais ativas. Por exemplo, a Sumitomo Chemical assinou uma parceria de vários anos com a Zymergen para trazer novos materiais especializados ao mercado de produtos eletrônicos, e a ENI investiu US $ 50 milhões em sistemas de fusão da Commonwealth e ingressou em seu conselho de administração. A Bayer uniu forças com bioworks de Ginkgo para reduzir a dependência da agricultura em fertilizantes de nitrogenias intensivos em carbono. O empreendimento resultante, Joyn Bio, usa biologia sintética para projetar micróbios de fixação de nitrogênio que permitem que as culturas de cereais extraem nitrogênio do ar de forma utilizável. Os fundos soberanos também estão jogando. A Temasek Holdings de Cingapura investiu em justas (alternativas de ovos à base de vegetais), sistemas de fusão da Commonwealth (energia de fusão comercial) e carnes em Memphis (carne à base de células animais). Inovação

More and more mainstream companies and institutions are recognizing that solutions to big problems—and the future of innovation—lie in deep tech.

The Fourth Wave of Innovation

A primeira onda de inovação empresarial moderna começou nos séculos XIX e início do século XX, com avanços como o processo Bessemer para fabricar aço e o processo de Haber-Bosch para fazer uma inovação de amônia. setores. Bell Labs, IBM e Xerox Parc se tornaram nomes familiares e oficinas de prêmios Nobel. Somente a Merck lançou sete principais novos medicamentos durante a década de 1980. Ao mesmo tempo, o novo campo da biotecnologia, também impulsionado por empreendedores, alimentou grande parte da inovação em produtos farmacêuticos. O crescente poder e a queda do custo da computação e a ascensão das plataformas de tecnologia são os contribuidores mais importantes. A computação em nuvem está melhorando constantemente o desempenho e expandindo a amplitude de uso. As biofundas estão se tornando para a biologia sintética, o que a computação em nuvem já é para computação. Plataformas semelhantes estão surgindo em materiais avançados (Kebotix e VSparticle são dois exemplos). Aumentar o uso de padrões, kits de ferramentas e uma abordagem aberta da inovação, combinada com a disponibilidade cada vez maior de informações e dados, também desempenha um papel importante. Complexidade. Comercialização. Em vez de confiar em soluções conhecidas ou estabelecidas, eles se inspiram no design do design. Os empreendimentos encontram as melhores tecnologias para resolver esses problemas. Ajuda o empreendimento a permanecer orientado a propósitos e orientados para os resultados e permite desenvolver o sistema operacional correto, que pode ser crucial para a escala. Definir a finalidade através da orientação do problema ajuda a garantir a retenção de talentos, o momento global e um diálogo coerente entre as equipes multidisciplinares.

Following World War II, the second wave of modern business innovation—the information revolution—gave birth to large-company R&D, particularly in the ICT and pharma sectors. Bell Labs, IBM, and Xerox PARC became household names and Nobel Prize workshops. Merck alone launched seven major new drugs during the 1980s.

In the third wave, the digital revolution, two guys in a garage (or a Harvard dorm room) led the innovation charge, which resulted in the rise of Silicon Valley and, later, China’s Gold Coast as global centers of computing and communications technology and economic growth. At the same time, the new field of biotech, also driven by entrepreneurs, fueled much of the innovation in pharmaceuticals.

The wave now taking shape as older barriers to innovation crumble embraces a new model and promises to radically broaden and deepen innovation in every business sector. The increasing power and falling cost of computing and the rise of technology platforms are the most important contributors. Cloud computing is steadily improving performance and expanding breadth of use. Biofoundries are becoming for synthetic biology what cloud computing already is for computation. Similar platforms are emerging in advanced materials (Kebotix and VSPARTICLE are two examples).

Meanwhile, costs continue to fall, including those related to equipment, technology, and access to infrastructure. Increasing use of standards, toolkits, and an open approach to innovation, paired with the ever-increasing availability of information and data, plays an important role as well.

Powering the Great Wave: The Deep Tech Approach

Successful deep tech ventures rely on a threefold approach (see Exhibit 1):

• They use problem orientation to identify opportunities and to navigate and master complexity.
• The convergences of approaches and of technologies power innovation, broaden the option space, and solve problems for which solutions have not previously been available.
• The design-build-test-learn cycle (DBTL) de-risks and speeds product development and time to commercialization.

Problem Orientation. By addressing complex and fundamental problems, deep tech ventures target high-impact opportunities. Rather than relying on known or established solutions, they draw their inspiration from design thinking. Ventures then find the best technologies to solve such problems.

Problem orientation also serves a technical purpose in a deep tech venture, shaping the venture’s operations, organization, and market strategy. It helps the venture remain purpose driven and outcome oriented and enables it to develop the right operating system, which can be crucial for scaling. Setting purpose through problem orientation helps ensure talent retention, global momentum, and a coherent dialogue among multidisciplinary teams.

Abordagens convergentes. A convergência de abordagens é outro pré -requisito para a tecnologia profunda e um facilitador -chave para empresas que combinam uma busca pelo entendimento fundamental com a pesquisa aplicada. (Veja o Anexo 2.)

Começa com design ou resolução de problemas, por meio de análise interdisciplinar de contexto, localização de problemas e enquadramento e geração de idéias. A ciência avançada fornece a teoria que sustenta a solução. A engenharia garante viabilidade técnica e comercial (ou pelo menos econômica). Mas o que parece ser um processo linear realmente acontece em paralelo, e nela reside muito do desafio da profunda inovação tecnológica. A ciência e a engenharia devem estar à mesa desde o início da solução de problemas. Sua profundidade e competência influenciam poderosamente as soluções que emergem. Outro exemplo é o Ginkgo Bioworks, que aplica uma forte capacidade científica ao seu trabalho no design do organismo. A empresa procura problemas em áreas onde a ciência tem alto potencial e constrói empresas ao seu redor. Frequentemente, trabalha em parceria com investidores ou empresas para superar os obstáculos de engenharia e operacionais. Além de sua joint venture com a Bayer em fertilizantes microbianos, a Ginkgo criou uma empresa para desenvolver ingredientes alimentares (motivos) e fez parceria com a Batelle e outros investidores estratégicos em biorremediação (alônia). Veículos autônomos, Internet das coisas e robótica. Agora, os avanços no sequenciamento, edição e escrita de genes, bem como na nanotecnologia, estão limpando um novo caminho para a inovação. Os pesquisadores estão começando a desenvolver ferramentas para projetar e produzir invenções em escala nanoscópica (um nanômetro é um bilionésimo de um medidor - o tamanho em que as flutuações em partículas individuais podem afetar o comportamento dos sistemas), permitindo que as empresas alavancem a natureza para o design do produto. Essa capacidade tem implicações profundas por si só - mas quando adicionadas às capacidades tecnológicas em matéria e energia, computação e cognição e sensores e movimento, permite que empresas inovadoras abordem conjuntos de problemas anteriormente insolúveis. (Veja o Anexo 3.) Este também é um atributo definidor da tecnologia profunda. A capacidade de usar a IA e a bioprinting para prever o dobramento de proteínas revolucionará a descoberta e a medicina dos medicamentos. Ginkgo Bioworks e outras biofundidades, que ficam na interseção das três dimensões, usam IA para projetar construções genéticas e, em seguida, confiam na automação de processos robóticos para construí -los e testá -los, levando a incríveis avanços na programação do organismo. Da mesma forma, o Zymergen usa técnicas de biofabricação que envolvem IA avançada, automação e engenharia biológica para criar materiais nunca antes vistos. E Cellino está combinando biologia de células-tronco, física a laser e aprendizado de máquina em seu trabalho para escalar a transformação de células adultas em células-tronco. Energia.

A good example of converging approaches is Cellino, which brings together a clear problem orientation (making regenerative medicine possible), science (stem cell research), and engineering (turning adult cells into stem cells). Another example is Ginkgo Bioworks, which applies a strong scientific capability to its work in organism design. The company looks for problems in areas where the science has high potential and builds businesses around them. It often works in partnership with investors or corporations to overcome engineering and operational hurdles. In addition to its joint venture with Bayer in microbial fertilizers, Ginkgo has created a company to develop food ingredients (Motif), and it has partnered with Batelle and other strategic investors in bioremediation (Allonnia).

Converging Technologies. Computation and cognition are shaping the world and, in combination with sensing and motion, have led to such advances as autonomous vehicles, the Internet of Things, and robotics. Now, advances in gene sequencing, editing, and writing, as well as in nanotechnology, are clearing a new path for innovation. Researchers are starting to develop tools to design and produce inventions at nanoscopic scale (a nanometer is a billionth of a meter—the size at which fluctuations in individual particles can affect the behavior of systems), enabling companies to leverage nature for product design. This capability has deep implications on its own—but when added to technological capabilities in matter and energy, computation and cognition, and sensors and motion, it allows innovative companies to address previously unsolvable problem sets. (See Exhibit 3.) This is also a defining attribute of deep tech.

Consider the implications in just one field: biology. The ability to use AI and bioprinting to predict the folding of proteins will revolutionize drug discovery and medicine. Ginkgo Bioworks and other biofoundries, which sit at the intersection of the three dimensions, use AI to design genetic constructs and then rely on robotic process automation to build and test them, leading to incredible advances in organism programming. Similarly, Zymergen uses biofabrication techniques that involve advanced AI, automation, and biological engineering to create never-before-seen materials. And Cellino is combining stem cell biology, laser physics, and machine learning in its work on scaling the transformation of adult cells into stem cells.

In the field of physics, where matter and energy join the innovation equation, Commonwealth Fusion Systems aims to accelerate the path to commercial net-gain fusion energy by confining fusion-grade plasmas with strong magnetic fields, unlocking the potential for limitless, clean energy.

As consequências da convergência tecnológica são muito diferentes para startups e jogadores mais estabelecidos. As startups de tecnologia profunda usam sua orientação para resolver problemas para combinar tecnologias emergentes de maneiras que possibilitem o previamente impossível, geralmente em um ritmo exponencial. Os jogadores estabelecidos geralmente lutam com essa dinâmica - por exemplo, ao adotar tecnologias digitais, muito menos lidar com a convergência entre computação e cognição e detecção e movimento. Adicionar outra tecnologia convergente à mistura geralmente é mais confusa do que esclarecer em termos de definir uma direção futura para P&D.

Design-Build-Test-Learn. Se as abordagens e tecnologias convergentes informarem a abordagem técnica profunda, o ciclo de engenharia do design-build-test learn (DBTL) é o motor que o impulsiona. O DBTL fornece a ponte entre o problema a ser resolvido e a ciência e as tecnologias a serem implementadas. De fato, a orientação do problema é um pré -requisito para o DBTL, uma vez que toda iteração no ciclo DBTL envolve medir sua contribuição para resolver o problema em questão.

Os benefícios do DBTL são semelhantes aos que o loop enxuto de construção de construção de construção fornece (como velocidade e agilidade), mas o DBTL apresenta vários avanços importantes. Primeiro, o impacto da profunda tecnologia na velocidade do processo é enorme - geralmente ordens de magnitude mais. Enquanto o loop de construção-mesa-aprendizado ocorre no mundo dos bits (ou seja, software), o ciclo DBTL ocorre no mundo dos bits e átomos. Inclui tecnologias como IA, algoritmos de inspiração quântica, sensor avançado, robótica e fabricação aditiva. Reunir essas tecnologias leva a mudanças de etapas na capacidade. Por exemplo, em demonstrações iniciais de sua plataforma de tecnologia, a KeBotix, uma empresa avançada de materiais e robótica, reduziu o tempo de desenvolvimento para materiais OLED (diodo emissores de luz orgânico) de 7 anos para 1,5 anos. Cada etapa do ciclo de design tem suas próprias peculiaridades, e as tecnologias de apoio evoluem rapidamente. Freqüentemente, os processos que funcionam no laboratório não funcionam em escala, portanto, os empreendimentos de tecnologia profunda devem alocar tempo e recursos para garantir que o produto mínimo viável (MVP) que eles projetem extrair o valor máximo do ciclo e possam avançar na velocidade máxima viável. Os sistemas de fusão da Commonwealth, por exemplo, optaram por usar ímãs supercondutores de alta temperatura, em vez da física do plasma para seu MVP, porque a física plasmática não era adequada para a aplicação rápida e confiável do ciclo DBTL e teria de profundidade, o software em que se afastava, o que se afastava, o avanço geral. Risco de mercado para aplicar a todo o empreendimento. Em cada iteração do produto, começando com o MVP inicial, o ciclo DBTL do Deep Tech serve como o principal instrumento de riscos, e cada nova versão deve transportar uma certificação do risco aposentado. Toda iteração bem -sucedida através do ciclo DBTL representa, portanto, um marco no desenvolvimento do empreendimento e é relevante não apenas para a administração, mas para investidores e para todas as outras partes interessadas envolvidas. Aqui, o acesso mais rápido a informações e equipamentos de computação mais baratos e mais poderosos aceleram um processo orientado a hipóteses. Nos últimos dez anos, um aumento maciço das informações disponíveis, combinado com acesso mais rápido e mais aberto, promoveu a colaboração e a inovação aberta. Equipamento de computação mais rápido, mais acessível e mais especializado simplifica a tarefa de projetar modelos. Os engenheiros podem digitalizar protótipos e equipá-los com sensores para fornecer dados de desempenho em tempo real que voltam ao processo de design, permitindo que o objeto se co-designasse. CO

Second, the multidimensional design phase of the DBTL cycle is a source of competitive advantage. Each step in the design cycle has its own peculiarities, and the supporting technologies evolve swiftly. Frequently, processes that work in the lab do not work at scale, so deep tech ventures must allocate time and resources to ensure that the minimum viable product (MVP) that they design extracts the maximum value out of the cycle and can advance at the maximum viable speed. Commonwealth Fusion Systems, for example, chose to use high-temperature superconducting magnets rather than plasma physics for its MVP because plasma physics was unsuitable for fast and reliable application of the DBTL cycle and would have held back overall advancement.

Third, DBTL in deep tech, as in software design, plays a de-risking role—but in deep tech, the de-risking goes far beyond market risk to apply to the entire venture. In each iteration of the product, starting with the initial MVP, the deep tech DBTL cycle serves as the main de-risking instrument, and each new version must carry a certification of the retired risk. Every successful iteration through the DBTL cycle thus represents a milestone in the development of the venture and is relevant not only for management but for investors and all other stakeholders involved.

Here’s how each stage of DBTL works in a deep tech context.

The core of the innovation process is the design stage, where much of the value is created. Here, faster access to information and cheaper and more powerful computing equipment accelerate a hypothesis-driven process. In the past ten years, a massive increase in available information, combined with faster and more open-source access, has fostered collaboration and open innovation. Faster, more affordable, and more specialized computing equipment simplifies the task of designing models. Engineers can scan prototypes and equip them with sensors to provide real-time performance data that loops back into the design process, enabling the object to co-design itself.

For example, Airbus relied on generative design techniques using Autodesk software, advances in material science, and 3D printers to design an airplane partition panel that is twice as light as previous designs, reducing fuel consumption and CO ₂ Emissões. Essa abordagem reduz simultaneamente os custos de construção e melhora o design do produto. À medida que as tecnologias avançadas se tornam mais acessíveis, mais pessoas poderão participar da fase de design, mesmo que não tenham extensas origens científicas. Isso abrirá novas possibilidades para empreendimentos baseados em computação. A computação quântica provavelmente terá um grande impacto em campos como

Similarly, designers can use augmented and virtual reality tools to devise a product without having to physically build it, reducing the number of physical prototypes needed and increasing the precision of each iteration. This approach simultaneously lowers building costs and improves product design. As advanced technologies become more accessible, more people will be able to participate in the design phase, even if they do not have extensive scientific backgrounds.

In the future, quantum computers will possess vast calculation capabilities, processing enormous amounts of information and executing some algorithms exponentially faster than classical machines. This will open up new possibilities for computation-based endeavors. Quantum computing is likely to have a major impact in such fields as Biopharma, produtos químicos, design de materiais e dinâmica de fluidos= . Seu poder já está em ação na forma de algoritmos de inspiração quântica. A startup francesa Aqemia afirma que seu algoritmo de inspiração quântica permite identificar a molécula de ligação mais adequada para o desenvolvimento de medicamentos 10.000 vezes mais rápido do que é possível através de abordagens convencionais. Da mesma forma, a startup Rahko, com sede em Londres, está construindo uma plataforma química quântica que pode simular materiais para descobrir e desenvolver novas moléculas com velocidade e precisão incomparáveis-e a um custo bastante reduzido.

Durante os estágios de construção e teste, as empresas podem alcançar enormes economias de escala, alta velocidade e rendimento e precisão muito aprimorada, graças aos avanços nas plataformas e na automação de processos robóticos e a um declínio contínuo nos custos. Grandes comunidades de usuários aproveitam e contribuem para plataformas emergentes em vários campos de tecnologia profunda, oferecendo até recursos de pequenas startups e recursos de acesso que seriam muito caros, demorados ou tecnologicamente desafiadores para desenvolver internamente. As empresas podem usar plataformas de computação em nuvem, plataformas de materiais de biologia sintética e espaços compartilhados para criar e testar designs. O processo de robótica transfere o processo de teste de humanos para bots e automatiza. O teste é 24-7, produz menos erros e pode incorporar elementos multitarefa, levando a um grande aumento no número de testes conduzidos e, por sua vez, para obter mais rápida realização de uma solução de melhor desempenho. Por exemplo, a Enevolv (que o Zymergen adquiriu em 2020) cria produtos químicos, enzimas e pequenas moléculas com base em um processo automatizado que constrói e testa bilhões de projetos exclusivos de muitas modificações de uma molécula de DNA. As empresas competem pela aprendizagem e aquelas que aprendem a melhor e mais rápida vitória. Com a IA, as empresas podem executar enormes volumes de dados por meio de algoritmos de aprendizado de máquina que aprendem com as características do produto desenvolvido e os resultados dos testes. Os algoritmos podem verificar qual tipo de produto é oportuno e quais tipos não são, e podem retornar automaticamente os resultados ao estágio de design por meio de loops de feedback. A taxa de aprendizado aumenta exponencialmente, com escalas de tempo despencando de semanas ou meses a horas ou até minutos. Ao aplicar heurísticas, os algoritmos se adaptam aos resultados do laboratório, criando um ciclo fechado para aprendizado rápido e simulação. Mas como ele decide quais avanços potenciais valem a pena perseguir, dados os riscos inerentes ao esforço? Entre as perguntas incluídas: Quais são os limites da prática atual? O que há de novo em sua abordagem e por que você acha que será bem -sucedido? Se você tiver sucesso, que diferença isso fará? Quais são os riscos? Quanto vai custar? Quanto tempo levará? Solução?

AI and other advanced technologies speed up the learning stage, too. Companies compete on learning, and those that learn best and quickest win. With AI, companies can run huge volumes of data through machine learning algorithms that learn from the characteristics of the developed product and the test results. The algorithms can ascertain which type of product is opportune and which types are not, and can automatically return the results to the design stage via feedback loops. The rate of learning increases exponentially, with time scales plummeting from weeks or months to hours or even minutes.

Kebotix combines machine learning algorithms that model molecular structures with an autonomous robotics lab that synthesizes, tests, and feeds back the results to the algorithms. By applying heuristics, the algorithms adapt to the results from the lab, creating a closed loop for fast learning and simulation.

Four Moments of Truth: The Deep Tech Catechism

The US Defense Advanced Research Project Agency (DARPA) has produced major technological innovations (the internet and GPS are two) by thinking big and taking chances. But how does it decide which potential advances are worth pursuing, given the inherent risks of the effort?

Former DARPA director George Heilmeier assembled a series of questions known as the "Heilmeier Catechism" to help agency officials evaluate proposed research programs. Among the questions included: What are the limits of current practice? What is new in your approach, and why do you think it will be successful? If you are successful, what difference will it make? What are the risks? How much will it cost? How long will it take?

In a similar vein, deep tech ventures take shape across four moments of truth that occur in parallel, each posing a critical question (see Exhibit 4):

• Frame the Paradigm. Could reality be different?
• Forge the Theory. Is there a way to develop a solution?
• Dê o primeiro passo. Podemos construir a solução hoje? No contexto do empreendimento específico, em consideração para determinar se a resolução do problema através da abordagem técnica profunda é provável, possível, real e lucrativa. Por exemplo, a Moderna, a primeira empresa a desenvolver uma vacina para o novo coronavírus e a segunda a trazê -la ao mercado, enfrentou esses quatro momentos de verdade:
• Change the Reality. What must happen for the solution to become the new normal?

Each of these four general questions requires restatement in the context of the specific venture under consideration to determine whether solving the problem through the deep tech approach is probable, possible, real, and profitable. For example, Moderna, the first company to develop a vaccine for the novel coronavirus and the second to bring it to market, faced these four moments of truth:

• Frame o paradigma. molécula de sequência) ser usada para reprogramar a produção de proteínas das células? Could we guide human body cells to produce particular proteins on their own to defend themselves?
• Forge the Theory. Can mRNA (genetic sequence molecule) be used to reprogram cells' protein production?
• Dê o primeiro passo. Doenças? Can using mRNA reduce the discovery time for a COVID-specific vaccine from years to months?
• Change the Reality. Can we decrease development cost and time sufficiently to unlock cost-effective prevention of other diseases?

Moderna foi bem -sucedido porque encontrou respostas afirmativas para cada uma dessas grandes perguntas. Também se beneficiou de ter uma mistura equilibrada de fundadores que possuíam habilidades científicas, de engenharia e negócios relevantes. A equipe da Moderna incluiu um capitalista de risco, especialistas acadêmicos em pesquisa de células -tronco e biologia regenerativa e bioengenharia e um ex -CEO da Biotech. Além disso, ele entrou em um ecossistema completo de investidores, parceiros e apoiadores, incluindo o governo dos EUA (DARPA e BARDA), Big Pharma (AstraZeneca, Merck e Vertex), Academia (Karolinska Institutet e Institut Pasteur) e Fundações (Gates).

O desafio de lidar com os quatro momentos de verdade é que todos eles devem ser enfrentados desde o início, mais ou menos ao mesmo tempo. A relevância da questão associada a cada momento da verdade varia com o tempo, mas abordar todos eles é essencial para desmoronar o esforço, antecipando dificuldades e adaptando a estratégia e a execução, conforme necessário. A importância de abordar os quatro momentos da verdade desde o início é evidente no caso das tecnologias de SeaBorg, que está desenvolvendo um novo tipo de reator nuclear-um reator compacto de sal derretido (CMSR)-que promete funcionar como uma potência indicável por 2025. Como eles usam sal fundido (um fluido) como combustível, em vez de combustível sólido tradicional, seu reator não pode derreter ou explodir. Qualquer violação do reator resultará em vazamento do combustível líquido, que então solidificará sem liberação prejudicial de gases radioativos no ar ou na água. O SeaBorg fornece seu CMSR em usinas flutuantes modulares, barcaças de energia nuclear, onde o reator pode operar por 12 anos sem reabastecer. Isso permite a implantação do CMSRS com foco mínimo na logística e nas preocupações de não-meu meu posto. Ao construir usinas flutuantes, o Seaborg introduziu uma abordagem completamente nova para a aprovação regulatória. Um reator nuclear de sal fundido embutido em uma usina de concreto levaria anos para obter a aprovação regulatória. E em países com experiência limitada no campo, encontrar um regulador competente local (um requisito regulatório) teria envolvido um processo igualmente demorado. A barcaça de energia nuclear de Seaborg segue a estrutura regulatória do processo de qualificação de nova tecnologia do Bureau of Shipping Bureau of Shipping, um processo de cinco fases que se alinha às fases de desenvolvimento de produtos. A barcaça do poder pode ser construída em um país com reguladores competentes, aprovados lá e depois enviado para um local no exterior. Ele identificou o problema e enquadrou o paradigma, encontrando uma maneira de tornar a energia nuclear segura, barata e limpa possível. Agora, está abordando a questão de construí -lo hoje. Sua abordagem única para a aprovação regulatória já fornece grande parte da resposta: a barcaça de energia de Seaborg pode se tornar um novo normal, pois fornece energia nuclear segura, barata e limpa sem que as restrições regulatórias limitem os locais e a velocidade em que pode ser implantada. A física da fissão subjacente aos reatores de sal derretido está bem estabelecida e o SeaBorg não está inovando nesse caminho. Em vez disso, está inovando através da convergência de diferentes disciplinas e tecnologias, combinando nutronia e dinâmica de combustível com avanços computacionais, analisando materiais avançados para superar a resistência à corrosão e radioatividade e abordar o processo de aprovação regulatória de uma maneira nova. A abordagem de Seaborg se concentra em reunir todas as peças para atingir seu objetivo e, através dessa abordagem orientada a problemas, adotando uma nova perspectiva para encontrar respostas inovadoras ao desafio que enfrenta. Quatro desafios em particular se destacam, com implicações não apenas para ventures de tecnologia profunda, mas também para todos os participantes do ecossistema:

Anticipating trouble is not specific to deep tech ventures, of course, but it is a key factor in successful deep tech ventures. The importance of addressing the four moments of truth from the outset is evident in the case of Seaborg Technologies, which is developing a new type of nuclear reactor—a compact molten salt reactor (CMSR)—that promises to function as a scalable, inherently safe, cheaper-than-coal, dispatchable power source by 2025. CMSRs address a major safety concern of nuclear power generation. Because they use molten salt (a fluid) as a fuel, instead of traditional solid fuel, their reactor cannot melt down or explode. Any breach of the reactor will result in leakage of the liquid fuel, which will then solidify without harmful release of radioactive gases to air or water. Seaborg delivers its CMSR in modular floating power plants, nuclear power barges, where the reactor can operate for 12 years without refueling. This permits deployment of the CMSRs with minimal focus on logistics and not-in-my-backyard concerns.

Seaborg addressed the fourth moment of truth—what it must do to change reality and enable CMSRs to become the new normal—from the get-go. By building floating power plants, Seaborg introduced a completely new approach to regulatory approval. A molten salt nuclear reactor embedded in a concrete power plant would take years to get regulatory approval. And in countries with limited expertise in the field, finding a local competent regulator (a regulatory requirement) would have entailed an equally lengthy process.

Historically, these regulatory issues have been a big hurdle to delivering nuclear energy in some areas of the world, including Southeast Asia (a region where solar and wind energy also face challenges). Seaborg’s nuclear power barge follows the regulatory framework of the American Bureau of Shipping’s New Technology Qualification process, a five-phase process that aligns with product development phases. The power barge can be built in a country with competent regulators, approved there, and then shipped to a location overseas.

Seaborg is still engaged in resolving its the third moment of truth. It identified the problem and framed the paradigm, finding a way to make safe, cheap, and clean nuclear energy possible. Now, it is addressing the question of building it today. Its unique approach to regulatory approval already supplies a big part of the answer: Seaborg’s power barge can become a new normal because it provides safe, cheap, and clean nuclear energy without having regulatory constraints limit the places and the speed at which it can be deployed.

The example of Seaborg’s CMSR barge highlights another important element of deep tech ventures. The fission physics underlying molten salt reactors is well established, and Seaborg is not innovating on that path. Instead, it is innovating through the convergence of different disciplines and technologies, combining neutronics and fuel dynamics with computational advances, looking at advanced materials to overcome corrosion and radioactivity resistance, and addressing the regulatory approval process in a novel way. Seaborg’s approach focuses on putting all of the pieces together to achieve its goal and, through this problem-oriented approach, adopting a new perspective to come up with innovative responses to the challenge it faces.

Four Challenges for Deep Tech

Despite its potential, deep tech must overcome multiple challenges in order to reach its full potential. Four challenges in particular stand out, with implications not only for deep tech ventures but also for all participants in the ecosystem:

• A necessidade de reimaginação
• A necessidade de pressionar os limites da ciência
• Difficulties in scaling up
• Difficulties in accessing funding

The Need for Reimagination. Nem sempre as pessoas são rápidas em ver como a ciência e a tecnologia podem remodelar os processos ou resolver problemas. Foram necessários empresas de 20 anos para repensar o piso da fábrica depois que os motores elétricos substituíram o vapor.

Para empreendimentos de tecnologia profunda, que geralmente se baseiam na aplicação de um avanço tecnológico para resolver um problema, encontrar a estrutura comercial certa pode ser um grande desafio. Muitos lutam para identificar uma proposta de valor convincente através de uma clara reimaginação de cadeias de valor e modelos de negócios. Em decades anteriores, 77% das empresas líderes do setor ainda estavam liderando cinco anos depois, mas hoje, em um mercado mais dinâmico em que a inovação e a reinvenção contínuas são as chaves para o sucesso, esse número quase diminuiu a redução de 44%. Além de precisar entender as aplicações e os casos de uso de tecnologias emergentes, a fim de envolver totalmente a tecnologia profunda, as grandes empresas devem alavancar habilidades contrafactuais e factuais, cultivar a brincadeira, incentivar a diversidade cognitiva e garantir que as pessoas seniores sejam expostas regularmente ao desconhecido.

Often the principal challenge for large corporations that want to expand their innovation programs by engaging with deep tech is to imagine products and processes that come from a very different source or process. In previous decades, 77% of industry-leading companies were still leading five years later, but today, in a more dynamic market where continuous innovation and reinvention are the keys to success, this figure has almost halved to 44%.

In this regard, big companies may face the toughest challenge of any participants in the deep tech ecosystem. Apart from needing to understand the applications and use cases of emerging technologies in order to fully engage deep tech, big companies must leverage counterfactual as well as factual skills, cultivate playfulness, encourage cognitive diversity, and ensure that senior people are regularly exposed to the unknown.

The Need to Push Science Boundaries. Embora a ciência tenha feito um progresso enorme em muitos campos, em muitas áreas os pesquisadores ainda estão arranhando a superfície de entender o que é possível. Na biologia, por exemplo, a complexidade da natureza está longe de ser totalmente compreendida. E na química, a complexidade das nanopartículas como estruturas 3D multicomponentes, por exemplo, continua sendo um grande desafio para o design e a engenharia. O comportamento dos materiais macios é difícil de compreender e, portanto, difícil de controlar e ativar. A computação quântica tem um enorme potencial, mas vários desafios técnicos impedem o progresso. Os cientistas fizeram enormes avanços na IA e no aprendizado de máquina, mas muitos problemas ainda não são resolvidos. Experiência em expansão. Além de estabelecer instalações físicas adequadas, os empreendimentos devem superar os desafios de engenharia de uma maneira que atenda aos parâmetros de design a custo. Empresas e governos podem ajudar - o primeiro em emprestar experiência em engenharia e fabricação em escala, e o último, servindo como clientes iniciais do novo produto.

Despite increasing interest in soft robotics (building robots from materials similar to those in living organisms), researchers have developed relatively few prototypes. The behavior of soft materials is difficult to comprehend and therefore hard to control and activate. Quantum computing has enormous potential, but multiple technical challenges hinder progress. Scientists have made enormous strides in AI and machine learning, but many issues are still unresolved.

Governments, universities, and startups can all work to push the boundaries of science and to translate technological capabilities into business applications.

Difficulties in Scaling Up. ​ Deep tech companies develop fundamental innovations that often yield new physical products, but they may lack relevant scale-up experience.

Scaling up a deep tech physical product—and a related manufacturing process—can be complex and costly. In addition to establishing suitable physical facilities, ventures must overcome engineering challenges in a way that meets design-to-cost parameters. Corporations and governments can help—the former by lending expertise in engineering and manufacturing at scale, and the latter by serving as early test customers for the new product.

Dificuldades no acesso a financiamento. Em particular, o modelo de capital de risco amplamente seguido de hoje é insuficiente em escopo e, desigualmente, ponderado em certas tecnologias, como IA e ML e ciências da vida. Muitos fundos de capital privado e capital de risco são estruturalmente restritos (por vida útil, tamanho e limites de incentivo) de investir em tecnologia profunda. A maioria não tem talento para entender completamente os riscos científicos e tecnológicos. Além disso, muitos fundos de capital de risco perderam sua mentalidade original de "risco" e, em vez disso, seguem a liderança de outras pessoas ou fazem apostas mais seguras em tecnologias mais estabelecidas e mais bem compreendidas. custo. Em sua essência, a Grande Onda, traz uma nova abordagem da inovação, buscando resolver problemas fundamentais e complexos. Alimentando e acelerando esse novo paradigma de inovação são o ciclo DBTL e o aprendizado contínuo. Investment in deep tech has risen in recent years, but the current investment model remains a hindrance. In particular, today’s widely followed venture capital model is insufficient in scope and unevenly weighted toward certain technologies such as AI and ML and life sciences.

Making things more challenging is the difficulty in deep tech of shifting from the laboratory stage (which tends to be grant- or subsidy-funded) to investment-based venture funding. Many private equity and venture capital funds are structurally constrained (by lifetime, size, and incentive limits) from investing in deep tech. Most do not have the talent to fully understand the science and technology risks. Moreover, many venture capital funds have lost their original “venture” mindset and instead follow the lead of others or make safer bets on more-established and better-understood technologies.

For all the harm it has done, the COVID-19 pandemic has also shined a spotlight on deep tech’s ability to solve a human problem of historic proportions—and to do it speedily, efficiently, and at relatively low cost. In its essence, the coming great wave brings a new approach to innovation by seeking to solve fundamental and complex problems.

Deep tech draws together three approaches (advanced science, engineering, and design) to master problem complexity and three technology domains (matter and energy, computation and motion, and sense and motion) to leverage their combined solving potential. Powering and accelerating this new innovation paradigm are the DBTL cycle and continuous learning.

O mundo também enfrenta outros grandes problemas, começando com as mudanças climáticas. O potencial de interrupção da Deep Tech é sem precedentes, e a amplitude dos problemas que ele poderia abordar permanecemos para descobrirmos. Antoine Gourévitch