AI for Science

新闻

作者：微信文章
AI for Science这个概念火了，下面是豆包对这个行业的理解！

AI for Science（AI4S）是 AI 赋能科学研究的新范式，核心是用机器学习、大模型等技术处理海量科学数据、构建预测模型、加速实验与发现，重塑科研流程并提升跨学科创新效率，已从实验室走向产业应用，在医药、材料、能源等领域形成 “技术突破 — 效率提升 — 商业闭环” 的转化链路。以下从核心释疑、A 股相关公司、投资逻辑三方面展开：

---

一、 AI for Science 核心释疑

1. 定义与本质

定义：AI4S 是 AI 技术与物理、化学、生物、材料等基础学科深度融合，以数据驱动、模型预测、智能实验加速科研发现的新范式，核心价值是解决传统科研 “周期长、成本高、试错难” 的痛点。本质：科研范式的跃迁 —— 从 “经验观察→实验推导→计算机模拟” 到 “AI 驱动的智能发现”，AI 从工具升级为科研 “伙伴”，实现从 “数据拟合” 到 “规律挖掘”“自主探索” 的跨越。

2. 核心技术与应用场景

技术层级	核心构成	典型应用
底层算力	超算 / 智算中心、AI 芯片、专用服务器	分子动力学模拟、高通量材料筛选、天文数据处理
算法平台	分子模拟、晶体预测、自由能微扰等垂类模型；生成式大模型	蛋白质结构预测（AlphaFold2）、药物分子设计、新材料研发
智能实验	自动化实验室、机器化学家 / 生物学家	催化剂筛选、化合物合成、基因编辑自动化
数据与工具	科研数据治理、文献分析、可视化平台	科研文献挖掘、实验数据智能解读、多组学数据整合

3. 与 “通用 AI” 的区别

目标不同：通用 AI 追求 “类人智能”，AI4S 聚焦 “科学问题解决”，以领域知识 + 数据 + 算法驱动，强调可解释性与实验可验证性。价值闭环不同：通用 AI 商业化依赖 C 端流量，AI4S 直接切入研发端，通过 “缩短周期、降低成本、提升成功率” 快速形成 B 端商业闭环（如 AI 制药的里程碑付款、材料研发的订单转化）。

4. 发展阶段与瓶颈

阶段：从 “单点突破”（如 AlphaFold2、机器化学家）到 “场景规模化”（AI 制药、材料设计平台落地），部分领域已进入商业化加速期（如 AI 制药的临床前研发、材料的工业级筛选）。瓶颈：领域数据稀缺 / 质量参差、模型可解释性不足、跨学科人才缺口、算力成本高，需通过 “数据共享 + 算法优化 + 算力国产化” 逐步破解。

---

二、 A 股相关公司（按赛道分类）


以下为 A 股中明确布局 AI4S 或有核心技术 / 业务关联的公司，按 “算力支撑、算法平台、科研应用、技术服务” 四大赛道划分，兼顾纯正性与商业化进展。

赛道	公司（代码）	核心 AI4S 业务	稀缺性 / 进展
算力支撑（底层基础）	中科曙光（603019）	超算 / 智算中心，为 AI4S 提供大规模并行计算能力，参与赫曦原子智算中心建设	国产超算龙头，算力服务覆盖医药、材料等领域
	海光信息（688041）	国产 X86 CPU 与 AI 芯片，适配超算 / 智算场景，支撑分子模拟、天文计算	高端算力芯片国产化核心标的
	浪潮信息（000977）	AI 服务器与算力集群，服务科研机构的 AI4S 平台部署	服务器龙头，深度绑定 AI4S 算力需求
算法平台（核心引擎）	科大讯飞（002230）	星火大模型适配科研场景，提供文献分析、实验设计、数据解读等工具	国内 AI 龙头，科研场景落地加速
	东阳光（600673）	与深势科技共建联合实验室，AI4S 融入电子新材料研发全流程	传统产业 + AI4S 融合标杆，材料落地预期强
科研应用（医药方向）	美迪西（688202）	CXO+AI 深度融合，与深势科技等合作，AI 赋能药物研发全流程	AI 向医药研发产业链渗透关键节点
	成都先导（688222）	DEL+AI + 自动化的 DMTA 分子优化平台，已在客户项目中落地 AIDD 驱动的分子优化	AI 制药技术落地，商业化订单验证今日头条
	泓博医药（301230）	CADD/AIDD 平台累计为 80 + 新药项目提供技术支持	小分子 AI 药物设计能力突出今日头条
科研应用（材料 / 能源方向）	志特新材（300986）	与量子创新中心、微观纪元共建 “量子 + AI” 新材料研发体系，推进相变微胶囊材料研发，对接宁德时代	A 股首家明确布局 AI4S 的企业，量子 + AI 双轮驱动
	道氏技术（300409）	参股芯培森，开发非冯・诺依曼架构分子动力学计算系统，共建赫曦原子智算中心，布局固态电池材料	AI4S + 固态电池材料双赛道，业绩增长强劲
	泰坦科技（688133）	高通量材料 AI 智能合成平台，用于 MOFs 材料等筛选	科研服务 + AI 合成，材料研发效率提升显著
技术服务（配套支撑）	泰格医药（300347）	子公司泰雅科技基于 Qwen2.5 打造医学 AI 大模型，覆盖新药研发、临床试验等场景	AI 赋能 CRO，提升临床试验效率今日头条
	深势科技（未上市，关联 A 股）	分子模拟 AI 平台 DeePMD - kit，与美迪西、东阳光等合作	AI4S 算法标杆，多家 A 股公司通过投资 / 合作绑定

---

三、 投资逻辑与核心趋势

1. 投资核心逻辑

赛道优先级：优先布局 “商业化落地快、需求刚性强” 的领域 ——AI 制药（临床前 / 临床阶段）、AI 材料（新能源 / 半导体材料）、算力基础设施（超算 / 智算中心）。选股标准：
技术壁垒：有自主算法 / 模型或专用算力，如分子模拟、晶体预测等垂类技术领先。落地验证：有商业化订单、合作项目或业绩贡献（如志特新材的材料落地、美迪西的 AI+CXO 订单）。生态绑定：与 AI4S 龙头（如深势科技）或科研机构（中科大、北大等）合作，加速技术迭代。

2. 核心趋势

从 “单点工具” 到 “全流程平台”：AI4S 平台整合 “算力 + 算法 + 实验 + 数据”，提供一站式科研解决方案，如深势科技的 Hermite 药物计算平台、道氏技术的原子智算中心。国产化替代加速：算力、算法、数据治理等环节国产化需求迫切，中科曙光、海光信息、科大讯飞等国产龙头受益。跨界融合成主流：传统产业（如材料、医药）与 AI4S 技术结合，催生新增长点，如东阳光的电子新材料、志特新材的相变材料研发。

---

四、 风险提示

技术风险：模型可解释性不足、实验验证失败，导致商业化进度不及预期。商业化风险：AI4S 落地依赖研发投入，经济下行期可能压缩研发预算，影响订单转化。竞争风险：国际巨头（如 DeepMind、IBM）在算法与算力上领先，国内企业需加速技术追赶。