2022 – годината на deep tech

Най-общо терминът се използва за технологии, които не са насочени към крайните потребители и включват изкуствен интелект, роботи, блокчейн, големи данни, последните нововъведения в науката за материалите, фотоника и електроника, биотехнологии и квантови изчисления. Зад тях стоят сериозни инженерни иновации и научни открития.

Deep tech подходът обикновено се основава на три елемента. Първият е, че те са ориентирани към разрешаването на съществуващ проблем, а не са водени от технологиите. Според доклада на Boston Consulting Group "Deep Tech: The Great Wave of Innovation" 97% от deep tech предприятията отговарят на поне една от целите за устойчиво развитие на ООН. Тяхна основна мисия е да намерят най-добрите съществуващи или възникващи технологии, с които да подкрепят научните и инженеринговите си решения. Те не търсят най-доброто приложение на технологията, а най-добрата технология, с която да решат дадени проблеми. Което води до втората, характерна за тях, черта - движещите ги сили са науката, инженерингът и дизайнът. За достигането на заложените цели тези организации използват поне две технологии (96% от изследваните компании правят точно това, показва проучването). И, което може да звучи странно за някои - 83% от този тип стартъпи разчитат на хардуерен компонент за създаване на своите продукти.

За разлика от стандартните стартъпи, които нерядко са плод на двама съмишленици, deep tech иноваторите обединяват усилията на много организации. Според данните на анализаторите 1500 университета и изследователски лаборатории са заети в разработките на deep tech стартъпите, които пък само през 2018 г. са получили 1500 правителствени гранта.

И трето - зад тях стои цикълът "проектиране - създаване - тестване - обучение" (Design-Build-Test-Learn, или DBTL). Този подход намалява риска и времето до пускането на продукта на пазара.

Проектирането е основен процес при иновациите, по време на който се създава стойността на продукта. В последните години бързият достъп до информация, евтината и високо производителна изчислителна мощ подобри изключително много процеса. Проектантите могат да използват добавена и виртуална реалност за дизайн на продукта, без реално да правят негови физически прототипи. Това, разбира се, намалява разходите по създаване му и подобрява самия дизайн. С напредването на технологиите все повече хора, дори без сериозна научна подготовка, ще могат да се включват в този процес.

Квантовите компютри се очаква също да играят важна роля по време на тази фаза, като скоростта на извършване на изчисленията допринася за развитието на сфери като биофармацията, химическата промишленост, създаването на материали и др. Квантовите алгоритми са помогнали на френския стартъп Aqemia да идентифицира най-подходящото свързване на молекулите за разработване на лекарство, 10 000 пъти по-бързо от стандартните методи.

По време на фазата на създаване и тестване могат да бъдат постигнати огромни икономии и подобрения, по-висока скорост и по-голяма прецизност благодарение на развитието на платформите и автоматизирания и роботизиран процес. Компаниите могат да използват облачни изчислителни платформи, платформи за синтетични биологични материали и споделени пространства, за да създават и тестват продуктите си. Тестването в режим 24/7 намалява грешките и може да включва много задачи, което пък води до повече тестове и по-бързо достигане на най-добрия вариант на продукта. Добър пример е enEvolv, която създава химикали, ензими и малки молекули на база на автоматизиран процес, който генерира и тества милиарди уникални дизайна чрез множество модификации на една ДНК молекула.

AI и другите нови технологии подобряват процеса на обучение. Огромният обем от информация захранва машинните алгоритми, които пък от своя страна се обучават от характеристиките на разработените продукти и тестовите резултати. Така алгоритмите могат да установят кой продукт има голям потенциал и кой - не, и съответно неподходящият да бъде върнат на фаза дизайн. Тук отново времето е намалено в пъти и процеси, които обикновено се извършват за дни или месеци, се случват за минути. Компанията Kebotix например, комбинира алгоритмите на машинното обучение, които моделират молекулните структури с автономна роботизирана лаборатория, която синтезира, тества и дава обратна връзка от алгоритмите. Чрез прилагането на евристични методи, алгоритмите се адаптират към резултатите от лабораторията и създават възможност за бързо обучение и симулации.

Пет приложения на deep tech

• Според Boston Consulting Group 51% от deep tech стартъпите през 2020 г. работят в сферата на здравеопазването и медицината. Тук попадат извършване на диагнози въз основа на изкуствен интелект, проследяване на здравето и персонализиране на здравната помощ.
• Квантовите компютри, освен технология, която стои зад deep tech, също са и сфера на развитие на този тип стартъпи.
• Производството на храни и земеделски технологии са третата област, в която deep tech се развиват и ще се развиват с голяма скорост. Компаниите използват големи данни, блокчейн и биотехнологии, за да подобряват земеделието. Синтетичната биология също попада в полезрението на дълбоките технологии, като очакванията са пазарът ѝ да достигне 27 милиарда долара до 2023 г.
• Четвъртата сфера на развитие е енергетиката, включително зелената енергия. Тук са насочени редица усилия в посока подобряване на батериите и оптимизиране на използването им чрез облачно базирани технологии.
• Петата ключова сфера на развитие се очаква да бъдат инфраструктурните проекти и строителството, като тук отново търсенето е на устойчиви и енергийно ефективни решения.

Какъв тип deep tech стартъпи се развиват на картата на Европа? Очаквайте в продължението на темата.

Снимки: Pixabay.com