AI for Science 行业趋势与机遇 - AI for Science 成为 AI 最新、最激动人心的方向，旨在用 AI 加速科学发现 [3] - 行业标志性事件包括：Xaira Therapeutics 启动募资超 10 亿美元，OpenAI 成立 "OpenAI for Science" 部门 [3] - 该领域被视为三十多年未见的巨大机会，有望推动从无限能源到消灭疾病等终极科学想象的实现 [5] 公司创立与技术起源 - 公司于 2018 年由张林峰和孙伟杰创立，早于 ChatGPT 发布，是中国 AI for Science 的早期实践者 [3][5] - 启动资金来自全国颠覆性技术创新大赛金奖，金额为 1200 万元人民币，非传统风险投资 [4] - 技术核心是张林峰在普林斯顿读博期间提出的深度势能分子动力学方法，该方法后来获得了全球高性能计算权威奖项 "戈登·贝尔" 奖 [4][5] 核心技术突破：DeePMD - DeePMD 方法引入 AI，优化了基于薛定谔方程的 "第一性原理计算"，在不太损失精度的情况下，将计算范围从上百个原子扩展到上百亿原子 [5] - 该突破实现了超过 6 个数量级的计算加速，将原本需要约 2 亿核时（价值约 2000 万元人民币）的计算任务，压缩到在笔记本上半小时内完成 [23] - 技术本质是解决复杂高维物理量和方程的 AI 表示、逼近与加速求解问题，类似于用 AI 解决规则明确但计算复杂的问题 [20][26] 产品与平台发展 - 公司推出了 Hermite 药物计算设计平台、Piloteye 能源电池研发平台等一系列工业研发平台 [8] - 开发了包括分子大模型 Uni-Mol、蛋白质大模型 Uni-Fold、基因大模型 Uni-RNA 等在内的预训练科学模型，以及科学文献大模型 Uni-SMART [8][47] - 构建了整合上述积累的科研平台与科研 Agent，如 "玻尔科研空间站" 和 SciMaster，旨在贯穿读文献、做计算、做实验的全研发流程 [8][44][47] 商业模式与战略定位 - 公司明确其第一个五年计划是成为 "微尺度工业研发的平台"，即微尺度的达索系统，将量子力学内化到软件中，变革药物、材料等领域的研发范式 [32] - 选择做平台而非垂直应用管线，目标是基于一套平台服务不同方向和阶段的科研，服务 1000 甚至 1 万个客户，以激发更多科学发现 [51][52] - 商业潜力参考达索系统（市值 500 多亿美元）和英伟达的 CUDA 生态，认为平台和管线均有做到千亿美元市值的潜力 [52] 人才与社区建设 - 公司发展中的关键脉络是培养了一批最优秀的低年级本科生，以解决跨学科人才稀缺的问题 [27][32] - 建立了全球最大的 AI for Science 开源社区 DeepModeling，这既是人才发现机制，也是新场景的挖掘机制 [25][36] - 内部构建了专门的学习体系和工具，如 AI for Science 版的 Colab 和 Kaggle，探索 "干中学" 和 "按需学习" 的新教育方式 [34][36] 未来展望：AI 科学家与科研范式变革 - 认为接下来最重要的方向是 "AI 科学家"，即能自主调用工具、执行科研任务的 Agent，其出现将冲击现有的科研评价体系、学科划分与合作模式 [42][49][63] - 预测 AI 加速科学发现将带来直观的产业突破，如手机续航延长至十天甚至一个月、电动飞机可行，以及药物研发像搜索信息一样简单 [60] - 公司致力于定义 "Innovator" 模型，推动科研范式的根本性变革，其影响可能超越诺贝尔奖等现有评价体系本身 [54][58]