文章核心观点 - AI for Science（AI4S）是人工智能驱动的科学研究，被英伟达列为AI三大关键方向之一，通过建立垂类模型、结合自动化实验与强大算力，能大幅提升企业研发效率，实现从“科学辅助”到“范式革命”的跨越[3][5][68] - 新材料领域（新能源、半导体显示、化工、合金）是AI4S的“星辰大海”，生物医药领域则已进入加速渗透的“甜蜜点”，AI4S在这些领域具备巨大的应用潜力[4][29] - AI4S远期市场空间广阔，在化工、医药、新能源、合金、显示、半导体六大领域覆盖的下游市场规模接近11万亿美元，当研发渗透率达到25%时，AI4S年产值有望突破1400亿美元（近万亿人民币）[5][80][81] - 中国拥有最齐全的化学制造业门类和最完备的产业链，材料科学科研产出全球份额占比超50%，产业高度集中有利于数据积累与产业融合，被认为是诞生AI4S全球龙头最好的土壤[6][85][87] 什么是AI for Science？ - AI for Science（AI4S）即人工智能驱动的科学研究，在2024年英伟达GTC大会上被黄仁勋与大语言模型、具身智能并列为AI三大关键方向[3][11] - AI4S是化学研发的超级范式，能够通过垂类模型对产品配方进行优化、研发迭代新品、对测试结果进行建模预测，从而大幅提升研发效率[3][11] - AI4S通过“读-算-做”闭环全面赋能研发：“读”指AI快速阅读文献并生成新思路；“算”指利用垂类模型进行设计仿真与工艺优化；“做”指指导机器人自动化完成实验，形成“设计-构建-测试-学习”的迭代循环[11] - 数据和算法在处理多维复杂问题时比人脑更能抓住规律，AI建模可以从原子尺度深入化学反应本质[3][12] - 强大算力硬件与多尺度理论模型（如量子力学第一性原理、分子动力学）的结合，能提升模拟速度与精度，例如过去模拟1亿个原子体系需60年，超算可缩短至1天[13][14][16] - 机器人自动化实验室（“黑灯实验室”）可以7×24小时运行，实现实验数据的“质”与“量”的同步飞跃，加速训练AI模型，形成数据飞轮效应[3][17] - AI4S主要商业模式包括：作为“卖铲人”提供定制化AI垂类模型或平台软件授权；以及通过AI+自动化范式独立或联合研发出“AI新材料”并进行产业化销售[22] AI for Science蕴藏着巨大的应用潜力 新材料：AI for Science的星辰大海 - 材料研发的核心是对“组分-结构-工艺-性能”构效关系的研究，涉及多尺度、多物理场耦合的复杂问题，非常适合用AI智算解决[30] - 新能源领域：AI4S正在探索固态电池、钙钛矿等前沿领域的性能边界[31] - AI可优化钙钛矿制备工艺、加速光谱数据分析，晶泰科技与协鑫集团签订了为期5年、价值约10亿元人民币的钙钛矿等领域研发服务协议[32] - 在电解液开发中，深势科技的模型可实现百万级配方筛选，预测精度达95%，研发周期缩短至原来的1/3[35] - 在固态电池电解质开发中，AI可分析材料组合的稳定性和导电性，中科院物理所与字节跳动利用AI将模拟时间从皮秒级扩展到纳秒级，原子数从几百提高到几千[36] - 半导体与新型显示领域：行业高频迭代，AI4S助力加速[37] - 在光刻胶开发中，生成式AI可在5小时内完成2000个潜在光酸组分（PAG）的建模，IBM团队利用AI在一年内合成了三种新型PAG候选物[37] - 在碳化硅晶体生长中，AI可视化系统可将开发周期缩短至原时长的1/10至1/100，并将缺陷数量降至原来的百分之一[37] - OLED蓝光材料技术壁垒高，AI可通过生成对抗网络等设计分子结构，三星团队利用AI设计的新型蓝色TADF材料将使用寿命提升了20%[40] - 合金材料领域：AI4S正在改写研究范式，中国高端合金国产化率不足，例如高温合金进口率达50%[43] - 高熵合金等材料配比复杂，传统方法探索有限，AI4S可以建立“成分-结构-性能”的定量关系，通过模型预测筛选所需合金[43] - 美国AI+金属龙头QuesTek通过其平台，使新材料研发周期缩短50%，成本降低70%[44] - 化工领域：市场巨大且亟需变革，AI4S在配方优化、过程优化、新材料迭代等方面大有可为[4][46] - 在有机合成化学品（如催化剂）领域，AI能揭示催化剂的本质原理，深势科技利用AI发现了纳米团簇表面的预熔化现象[47] - 在聚合物领域，AI能预测复杂特性，荷兰TNO利用AI算法将可生物降解塑料的研发速度比领先规划软件快1000倍[48] - 在复配体系（如涂料）领域，AI擅长优化复杂配方，韩国KCC利用AI和大数据库实现了颜色的精准预测与调色[49] 生物医药：AI4S或已进入加速渗透的“甜蜜点” - AI与医药结合能大幅加速药物开发进程，有望将单个药物研发所需的湿实验降低至现在的百分之一[50] - AI对小分子和大分子药物开发均有明显增益，2024年AlphaFold3能以前所未有的准确度预测所有生命分子的结构和相互作用[51] - 小分子药物发现：应用已相对成熟，晶泰科技利用其计算能力，仅用6周就完成了辉瑞新冠药Paxlovid的优势晶型确认，加速药物上市6个月[54] - 大分子药物研发：数据量更大，机会巨大，例如AI可用于优化CAR-T疗法中的抗体片段[58] - 当前AI开发生物大分子药物的前沿模型（如RF diffusion、ESM3、AlphaFold3）已吸引大药企签下数十亿美元订单，例如Isomorphic Labs与礼来和诺华的订单总价值近30亿美元[59] - AI4S+合成生物学：AI能战略性地设计探测实验，加速对生物系统的了解与应用[60] - MIT团队利用AI从超过1200万种化合物中识别出可对抗超级细菌MRSA的新型抗生素[60] - 在医美日化领域，AI加速了新型多肽产品的研发，例如恩和生物子公司利用AI筛选出的燕麦肽可将水离子通道蛋白AQP3的表达量提高22%[62] 商业化多级跳，AI for Science远期拥抱万亿蓝海 - AI技术的发展驱动AI4S从早期的“科学辅助”跨越到“范式革命”的新阶段[5][68] - AI4S发展经历了三个阶段：1.0模仿阶段（虚拟筛选）、2.0预测阶段（分子动力学模拟）、3.0搜索阶段（自主设计最优解）[68] - 2016年是AI4S起点，2020年AlphaFold2的出现是关键转折点，当前AI4S基础设施逐渐完善，进入商业化应用的关键年[70][71][72] - DeepSeek的问世解决了算力瓶颈，企业可本地化部署私域模型，其推理API成本优势显著（如DeepSeek-Chat3输入/输出定价分别为每百万tokens 2元和8元人民币）[5][73] - DeepSeek能从“读”和“算”两方面赋能AI4S企业：在“读”的环节，AI可整合文献与实验数据，自动给出最佳合成路径；在“算”的环节，其MoE架构将大模型训练所需算力降低至原来的1/10[77] - 据深势科技创始人预测，AI4S有望成长为千亿美金规模的巨大市场[5][80] - 测算显示，AI4S在化工、医药、新能源、合金、显示、半导体六大领域可覆盖的下游市场规模合计近11万亿美元[80] - 当AI在研发中的渗透率达到2.5%时，AI4S行业规模约149亿美元；若渗透率提升至25%，年产值将突破1400亿美元（近万亿人民币）[5][81] - AI渗透率提升是大趋势，例如在医药行业，预期AI渗透率将从2020年的0.7%上升至2030年的41.3%[83] 我国拥有诞生AI for Science巨头最好的土壤 - 中国拥有最齐全的化学制造业门类和最完备的产业链，2022年化学品产值已占全球45%，材料科学科研产出全球份额占比超50%[6][85] - 中国是全球第一大制造业国家，2023年在光伏、锂电池、新能源车等产业供给占全球比重很高（如光伏86%、锂电池81%），产业高度集中有利于AI4S企业快速积累数据、融合产业并形成示范效应[87] - 深度原理创始人指出，在美国去工业化的背景下，材料化学领域的中国企业正积极从生产转向研发，因此AI4S在中国的落地机遇更为丰富[6][85] 1. 晶泰控股（2228.HK）：全球AI4S标杆企业[90] - 公司是基于量子物理、AI与机器人驱动的创新型研发平台，由三位MIT博士后于2015年联合创立，一级市场获腾讯、红杉、软银、谷歌等机构投资[90][92] - AI医药业务是国际领先的AI制药服务商，全球前20大生物技术与制药公司中16家是其客户，2023年与礼来签署的AI新药发现合作总收益可达2.5亿美元[94][96] - 基于晶体结构预测的技术优势，公司积极拓展AI新材料业务，2024年与协鑫集团签订价值约1.35亿美元（10亿元人民币）的钙钛矿等新能源材料研发订单[98][99] 2. 中科大孵化企业：中科大拥有强大的AI4S研发实力，设有微尺度研究中心、精准智能化学实验室等国家级平台[100][101] - 机数量子：AI+机器人实验驱动新材料研发的先行者，其“机器化学家”平台智能化程度超越欧美，拥有亚洲最大的材料数据库平台（dcaiku.com）[102][103][106] - 该平台将高熵催化剂研发从传统方法所需的1400年缩短至5周；将基于火星陨石的制氧催化剂配方搜索从2000年缩短至5周[107] - 微观纪元：量子计算驱动的AI4S材料研发软件商，核心技术团队来自中科大体系，产品包括量子-经典混合集群云平台及应用于生物制药和新材料研发的软件[108][110]