AI for Science (AI4S) 行业概览 - 行业核心是使用人工智能进行新的科学发现，旨在解决基础科学领域的“卡脖子”问题，如新材料研发滞后和创新药研发成本过高 [2][32] - 2025年是行业关键拐点，中美均将其提升至国家战略级别，中国发布“人工智能+”计划，美国签署“创世纪计划”行政命令，同期硅谷涌现上百个AI4S创业项目 [6][36] - 全球科技巨头与资本加速布局，例如2026年英伟达与礼来宣布五年内斥资10亿美元建立联合AI药物研发实验室，国内腾讯、阿里巴巴、字节跳动等大厂也迅速跟进成立相关实验室或团队 [6][36] - 行业已出现成功案例与资本宠儿，例如AI for Drug公司晶泰科技于2024年成为港股18C上市第一股，并在2025年上半年实现盈利；深势科技在2025年12月完成总额超8亿元人民币的C轮融资 [22][52] - 行业面临数据基础薄弱、合作机制不健全等挑战，科学发现领域数据获取困难，化学材料领域的历史数据在数量与质量上均有缺失 [7][37] 深度原理公司概况 - 公司成立于2024年，总部位于杭州，创始人贾皓钧为MIT博士，专注于将生成式AI与第一性原理融合应用于材料研发 [3][33] - 公司核心团队为“完美拍档”组合，CTO段辰儒负责技术架构与算法研发，CEO贾皓钧负责战略、客户与团队搭建，COO张露阳为前Tenstorrent和地平线高管 [12][42][19][49] - 公司已自研六大算法模块，集成于“ReactiveAI”平台，该平台近期升级为材料发现智能体“Agent Mira”，可根据客户要求自主调动资源进行材料研发 [3][4][33][34] - 公司已完成多轮融资，累计达数亿元人民币，2025年11月完成超亿元人民币A轮融资，由戈壁创投管理的阿里创业者基金与蚂蚁集团领投，联想创投、百度风投等跟投 [7][22][37][52] - 公司坚持务实商业化路径，2025年已拿下千万元级别订单，客户覆盖保健日化、材料能源等多个领域，并计划从“项目制”转向平台订阅（PaaS）的产品化模式 [24][27][54][57] 核心技术优势与突破 - 公司开创了“分层生成”架构（ECML体系），结合扩散模型生成、第一性原理计算与高通量实验验证，将新材料研发效率提升数百倍，可在几分钟内生成筛选数千个候选材料，而传统方法需数月 [15][45] - 公司是全球首个验证扩散模型可直接生成化学分子、化学反应的团队，相关成果于2023年作为封面论文发表于《Nature Computational Science》，将新反应生成时间从数周缩短至数秒 [14][44] - 公司自研六大算法模块覆盖材料研发全流程：ReactGen（分子生成）、ReactBO（广域筛选）、Reactify（精准计算）、ReactControl（资源调度）、ReactNet（合成导航）、ReactHTE（高通量实验） [16][46] - 技术壁垒在于“数据—算法—算力—跨学科融合”的综合能力，特别是“高质量标注科研数据+领域专用算法”的组合，其ReactiveAI平台是针对化学反应优化的专用架构，难以简单复制 [29][59] - 为解决“最后一公里”的合成难题，公司于2025年下半年开始建设自有自动化实验室AI Materials Factory，以验证并实现计算预测材料的实际合成 [28][58] 商业化进展与战略 - 公司与欧洲某美妆跨国巨头的合作是商业化关键案例，在一个月内从8000多个分子中筛选出6个有效配体添加剂，解决了活性组分稳定性问题，而传统实验方法需耗时数月且成本高昂（每50g测试原料达万元） [26][56] - 当前商业化策略以“与客户合作研发终端垂类应用”为主，通过小范围试点验证技术价值，比直接销售平台更易于普及AI技术 [27][57] - 公司计划以ReactiveAI平台及智能体Agent Mira为基座，未来转向平台订阅（PaaS）的产品化模式，作为主要收入来源 [27][57] - 公司竞争优势在于聚焦垂直细分场景（如新能源材料、特种化工材料），通过“技术+场景”绑定抵御大厂竞争，并凭借跨学科复合型团队构建护城河 [29][59] - 公司目标在于全球竞争，认为在AI for Science领域中美处于同一起跑线，当前是弯道超车的机遇期 [29][59]