会议核心概况 - 2025年衢州产业资本招商大会暨氟基新材料产业高质量发展会议于11月7日召开，旨在凝聚行业专家、投资机构与产业龙头共识，探讨技术变革下的产业投资新机遇、新模式、新路径，推动“五链”深度融合与协同发展 [1] 衢州市产业发展成果与规划 - 衢州工业通过深化“五链”融合实现系统性重塑，产业结构从基础化工向新材料发展，并向终端产品延伸 [2] - 企业结构上，“十四五”期间新引进50亿元以上项目35个，其中百亿元项目15个 [2] - 动力结构上，共建高能级科创平台16家，累计投入资金110亿元 [2] - 新材料产业将在今年年底成为衢州市首条千亿级产业链，衢州正打造“中国氟谷”，推动产业向高端化、新智化、国际化跃迁 [2] - 全市产业基金集群规模从150亿元扩大到超千亿元，撬动社会资本近1500亿元 [7] - 衢州在“长三角创投新势力城市”发展指数中排名第5位，六年间跃升15名 [3] 专家战略观点与行业趋势 - 专家指出“十五五”规划建议强调科技创新和产业创新深度融合，数字化时代投资呈现三大趋势：企业成为创新主体、科技金融形式多元化超越传统创投、全球投融资机会仍存 [2] - 人形机器人被视为制造业升级的重要引擎，建议聚焦技术攻关、场景驱动和服务优化 [3] - 氟材料被认定为AI时代核心基础设施，其应用将跨界融合至机器人、新能源、生物医药等领域 [14] - 第四次科技革命的七大突破口包括新能源、人工智能、商业航天、生物制造、基因技术、量子信息和可控核聚变 [16] AI与材料科学融合 - AI正成为材料产业“无人区”探索的重要驱动力，材料研发面临从对标模仿到自主创新的根本性转变 [9][11] - 公司正系统建设AI能力以加速新分子与新产品设计合成，实现高效低成本创新 [11] - AI赋能材料研发的核心瓶颈在于仿真未考虑现实工艺影响及行业数据匮乏，预计经过四五年数据积累后将迎来爆发期 [11] - 未来五年将是“AI for Science”的起点，迈向“AI思考-AI实验-AI制造-人类应用”的范式 [12] - AI赋能千行百业的关键在于计算成本能否实现颠覆性下降 [12] 机器人产业发展与投资机会 - 随着AI、具身智能与人形机器人技术发展，机器人产业正迎来从量变到质变的关键窗口期 [17] - 道路驾驶机器人、工业无人机、柔性机器人、专业服务机器人和人形机器人均显示快速增长态势，从本体、大脑、小脑到芯片和材料都存在增长机会 [17] - 衢州在扎实的工业机器人基础上，于人形机器人及具身智能等新领域取得突破 [17] - 制造业基础雄厚的地级市能为机器人技术提供更多实际落地和应用场景 [17] - 投资聚焦于“AI+移动+出行+新能源”的组合网络，创业公司在量产准备阶段仍拥有巨大发展机会 [18] 并购市场新动向 - 从中央到地方政府出台多项政策支持并购，要求银行真金白银注入支持性资金 [20] - 北交所并购市场将形成以中小型企业联合重组或产业整合为特色的格局，审核关注产业协同与估值合理性 [20] - 并购标的可选择在细分赛道具备规模优势、竞争壁垒高、毛利高、团队稳定的企业 [21] - 三类价值并购方向包括：盘活沉寂资产、产业化大企并购新兴企业、境外回流优质资产 [21] - 可采用监管允许的差异化定价方式解决多轮融资后估值过高导致的退出受阻问题 [21] 会议其他活动 - 大会期间进行了衢州“中国氟谷”建设启动仪式，以及重大项目、高质量基金等五大类共计33个项目及基金的现场签约 [5] - 会议还设立了三场圆桌对话，并举行了项目路演和“衢州新材料产业高质量发展闭门研讨”等闭门会议 [9][22][23]

文章核心观点 - AI正成为驱动材料产业进入“无人区”探索的重要力量，一场由数据和智能引领的产业变革已经到来 [1] AI驱动材料研发创新 - 材料研发面临从对标模仿到自主创新的根本性转变，核心挑战在于找到合适的分子结构和最优化的合成路线 [3] - 浙江巨化已于2023年启动系统性AI能力建设，计划于2026年建成垂直行业模型与氟氯化学品数据库以加速新分子设计与合成 [3] - 从投资视角看好两类机会：具备大规模产值与进口替代潜力的材料赛道，以及能借助AI实现高性能材料研发和低成本研发的赛道 [3] AI与材料融合的现状与瓶颈 - AI与大数据的赋能将为生物医药和新材料研发释放无限潜力，未来新材料研发有望在AI赋能下加速推进并取得大量突破性成果 [4] - 当前AI与材料融合效果不佳的核心瓶颈并非算力不足，而在于仿真未考虑工艺生产等现实环节影响，并受限于行业数据匮乏 [4] - 预计行业经过四五年数据积累到达拐点后，材料创新将迎来爆发期 [4] 对未来AI驱动产业变革的研判 - 未来五年或将成为“AI for Science”的起点，迈向“AI思考-AI实验-AI制造-人类应用”的范式 [5] - 未来五年自动驾驶技术将走向大规模商业化，但最值得期待的仍是“具身智能”赛道能否在“高度泛化的大脑”方面实现关键突破 [5]

论坛概况 - 2025年世界互联网大会乌镇峰会期间举行“人工智能赋能科学研究”论坛，探讨AI如何重塑科研范式、激发新质生产力 [2] - 论坛由中国科学院与世界互联网大会人工智能专业委员会主办，中科曙光、中国人民大学、清华大学人工智能研究院及钛媒体协办，吸引近150位嘉宾参会 [2] - 主旨演讲环节围绕AI对科研范式重塑的趋势展开，探讨AI模型在科学实验、理论推导及跨学科研究中的新潜力 [2] 材料科学领域应用 - 中国科学院院士陈立东指出，AI正成为破解材料研究“测不准、测不到、测不全”瓶颈的关键工具 [3] - 在10的50次方量级的候选材料空间中，传统方法难以完成，而AI通过“实验+模型”十次迭代，仅用数周就将催化剂性能提升50% [3] - 提出“AI for Materials”与“Materials for AI”双向赋能理念 [3][4] 脑机接口与医疗应用 - 西湖大学讲席教授默罕默德·萨万展示AI脑机接口前沿应用，针对癫痫发作，AI芯片能在5秒内完成预测，优于传统方法的20秒 [5] - 在语言解码领域，中文因仅有407个常用音节，在AI赋能下识别准确率已超70% [5] - 但安全、伦理与跨学科协作仍是必须跨越的挑战 [5] 创新流程与药物研发 - 雷根斯堡大学教授罗兰·赫尔姆提出，AI在开放式创新中优化产品设计与团队协作，在渐进式创新中提升效率 [7] - 北京中关村学院副院长秦涛展望“科学智能”路径，针对95%无明确靶点的疾病，开发出基于表型的直接药物设计大模型，分子设计效果提升50倍 [9] - 其“病毒暗物质”计划将疫情防控从被动应对转向主动预防 [9][10] 算力基础设施挑战与进展 - 中科曙光总裁助理杜夏威指出AI for Science的算力需求呈爆炸级增长，科学计算需要高低精度耦合的特殊能力 [11] - 曙光通过三层软件栈实现国产芯片深度优化，在DeepMD分子动力学等应用中性能达国际主流产品的1.2倍，同时兼容CUDA生态 [11] - 国产算力已在多个“硬科学”领域扎根 [11] 研究成果与行业洞察发布 - 论坛发布《全球人工智能标准发展报告》和《人工智能发展白皮书》，呼吁构建负责任的全球标准体系 [13] - IDC中国副总裁周震刚发布《AI超集群发展白皮书》，指出十万卡集群正逼近电力与散热天花板，未来方向是存算网协同的全栈一体化超集群 [15][16] - 中国科学院自动化研究所发布“磐石V1.5”一站式科研平台，覆盖科研全流程，已推动天体物理、材料合成等关键领域取得进展 [18] 跨领域融合与青年科学家赋能 - 中国人民大学教授龚新奇展示涉外法治大模型、社区治理智能体、药物靶点预测工具等成果，体现AI在治理与健康领域的深度融合 [21] - 圆桌对话中，嘉宾一致认为AI正重塑科研范式，青年科学家需注重社会责任、跨学科合作和工程化思维 [23][25] - AI如同“思维的显微镜”大幅降低创新门槛，但人类的方向性思考仍是不可替代的核心 [25]

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]

公司AI战略与生态构建 - 公司依托进博会平台举办AI主题活动，推动AI技术在医药与健康消费领域的落地实践[1] - 公司正构建AI驱动的创新生态，通过数字化合作打通消费者端需求响应，将AI融入健康管理全链条[1] - 公司宣布与上海天鹜科技达成战略合作，聚焦智能蛋白质分子设计和生物制造创新，重点突破消化道和皮肤健康领域[3] - 公司在中国布局5个研发中心，并借助中国创新合作中心向全球推出创新方案[4] - 公司通过智能制造和CCIP技术转化能力，推动从新成分到新工艺的源头创新[6] AI在医药研发与制造的应用 - 公司与行业伙伴的实践勾勒出AI在医药研发、生产、转化全链条的革新路径[1] - 联合项目通过AI进行分子设计与优化，解决传统产品稳定性问题，预计三年左右实现落地[2] - 行业专家强调AI在生物医药领域的落地需多方协同，经过专家论证与实验验证[2] - 生物制造领域依赖先进传感器技术实时监测过程数据，为AI模型提供精准决策依据[8] - 公司当前注重夯实企业数据体系，规范数据标准以支持AI在研发筛选等场景的应用[9] AI在健康消费与个性化管理的趋势 - 行业专家判断AI未来最大出口是面向消费者，核心是解决个性化需求，实现精准采购和定制化选择[5] - 消费者对AI赋能日常健康管理期待提升，尤其在精准症状认知、智能用药提醒等主动健康领域[5] - 公司开发AI智能健康解决方案，让AI成为消费者日常健康管理顾问，提升服务体验[6] - 行业其他企业如京东健康在购物场景植入AI导购功能，优化用户决策效率[6] - AI通过大数据跟踪方法对海量用户进行长期监测，明确产品对特定人群的实际效果[7] 资本视角与行业投资逻辑 - 资本最看重颠覆性且能落地的AI项目，关注其带来的效率提升[3] - 大分子药因改造空间巨大且AI可能降低临床前投入，成为投资重点[3] - 工具酶、消费品等领域的快速验证项目成为连接资本与长期研发的桥梁[3] 数据基础与政策环境 - AI的有效应用必须以完整准确的基础数据为前提，数据质量直接影响AI优势[8] - 国家政策支持企业面向AI应用开发高质量数据集，发展数据服务新业态[9] - 2023年中国AI语料市场规模达68.7亿元，预计2025年将突破100亿元，年复合增长率超25%[9] - 医疗健康领域因对数据精准度要求高，成为AI语料市场的重要增长板块[9]

核心观点 - AI行业竞争壁垒从模型能力转向“更懂用户”，公司提出“更懂你的AI”新命题，强调AI需理解人类在成长、工作、沟通与生活维度的不同追求[5][6][12] - 公司通过自主可控的硬核技术、软硬一体化的产品策略及行业纵深应用，构建差异化竞争优势，率先从“卷参数”转向“懂人心”的新赛道[7][10][71][100][101] - AI进化方向是具备情感理解与真实交互能力，从通用工具升维为垂直场景中有温度的智能伙伴，开启AI红利兑现时刻[38][44][72][113][115] 技术突破与模型升级 - 发布全新讯飞星火深度推理大模型X1 5，基于全栈国产化技术，实现算力与技术自主可控，英伟达含量为0[7][8][17][19] - 模型突破国产算力限制，将深度推理训练效率从25%提升至84%以上，攻克长思维链强化学习算法高效训练问题[20][22] - 采用MoE架构，总参数量293B，比原来缩小一倍，推理激活仅30B，单台昇腾服务器即可部署，推理速度比X1提升100%[29][30] - 全球首发非自回归语音大模型架构，语音识别效果相对提升16%，推理成本下降520%[31][32] - 模型在多项评测中比肩国际一流，如在AIME 2025数学竞赛中以94 9分登顶，超过GPT-5 (high)的94 6分[27][29] - 首次推出记忆功能，支持130+种语言，整体性能达GPT-5的95%，星火语音同传大模型在IDC 8项评测中均列行业第一[34][35] 多模态交互与共情能力 - AI交互迈入“共情时代”，从理解语音进化到理解人，具备跨模态理解能力，能通过语气、语境探索言外之意[37][38][40][42][44] - 在多人、远场、高噪复杂场景中实现5米0dB远场高噪语音识别，支持实时打断与精准响应，虚拟人形象可视觉跟随[41][48] - 打造软硬一体多模态交互系统，融合视觉摄像头3D感知与麦克风阵列，实现数十种副语言合成及双向记忆管理[46][47][48] 软硬件一体化产品 - 讯飞AI办公本X5首创八麦克风阵列，360度声源定位，高噪远场识别效果领先iPhone 17 Pro[50] - AINOTE2厚度仅4 2mm，获吉尼斯认证“全球最薄墨水屏平板”，续航达113天[52][53] - 双屏翻译机2 0新增教育栏，语音识别率98 69%，翻译机2 0增强降噪模式，一米内智能聚焦说话者声音[55] - AI翻译耳机在地铁等嘈杂环境中识别准确率97 1%，同传麦克风支持2秒低延迟播报及10种语言实时切换[57][59][60] - iFLYSOUND全链自研声学系统搭载30+自研算法，提供百万级豪车音响体验[63] - AI黑板实现教室声音均匀分布，AI学习机可实时检测孩子姿势并护眼[64][66][70] 行业应用与落地 - 医疗领域星火医疗大模型在门诊/住院场景诊疗能力达主任级医师水平，发布智医助理医院版1 0辅助诊疗与会诊[75][76][77] - 全民AI健康助手“讯飞晓医”可生成覆盖170种细分标签的个人健康画像，动态追踪健康趋势[80] - 教育领域首创错因标签体系，实现3大类、3层级、4000+错因溯源，智能批改水平超普通老师[83] - 星火智能批阅机使作业批改时间从60分钟缩短至10分钟，准确率提升[86] - 智能办公本X5深度融合手写与AI纪要，讯飞听见APP用户数超9800万[88][89][91] - 星火智慧座舱2 0具备多维感知，语音识别准确率超95%，精准控制2000多项车辆功能[92][95] - AI赋能司法领域实现“无书记员庭审模式”，在核聚变科研领域成果登上顶刊《Nuclear Fusion》[98] 生态构建与战略路径 - 星火生态开发者一年增长200万，新型智能体开发者成增长主力，开源原生支持RPA的智能体平台Astron[106][108] - 公司方法论聚焦自主可控、软硬一体、行业纵深、个性化四要素，形成从技术到产业价值的闭环[100][101][102][103] - 生态繁荣被视为人工智能大未来的基石，公司通过赋能千行百业实现B端与C端全面开花[104][97]

何恺明MIT团队新成员背景 - 新招募的两位成员胡珂雅和李宗宜均为中国面孔，使何恺明在MIT的6名学生中5名为中国面孔[1][3] - 两位新成员均拥有突出的学术背景和研究经历[3] 胡珂雅学术履历与研究 - 胡珂雅本科毕业于上海交通大学ACM班，主修计算机科学[4] - 本科期间在上海交通大学脑机接口实验室研究AI for Science，专注于利用自监督学习处理脑电信号以帮助抑郁症患者[6] - 以第一作者完成论文《Contrastive Self-supervised EEG Representation Learning for Emotion Classification》并被国际生物医学计算机顶会EMBC接收[6][7] - 作为共同作者参与的论文被Cognitive Science 2025收录，并在康奈尔大学实习期间参与的项目被NeurIPS 2024接收，担任第二作者[9] - 主导研发的方法在ARC Prize 2024竞赛中达到SOTA水平，团队斩获最佳论文奖，该研究成果以共同第一作者身份发表于ICLR 2025[9][10] - 本科阶段共完成四篇高质量论文，获得MIT、普林斯顿、卡内基梅隆等多所名校博士offer，最终选择MIT直博，现为一年级博士生，由何恺明和Jacob Andreas共同指导，专注于语言与视觉的交叉研究[12] 李宗宜学术成就与贡献 - 李宗宜以第一作者发表论文提出傅里叶神经算子（FNO），实现了神经算子的规模化应用[15][17] - FNO通过傅里叶变换处理数据，显著提升神经算子的运行速度，被视为AI for Science领域的里程碑模型[18] - 李宗宜被公认为神经算子方向的核心贡献者之一，其谷歌学术引用次数超过1.2万[18] - 目前为MIT博士后研究员，由何恺明指导，并已获得纽约大学助理教授职位，将于明年秋季入职[20] - 本科就读于圣路易斯华盛顿大学，获计算机科学与数学双学位并辅修爵士乐，博士毕业于加州理工学院，师从Anima Anandkumar和Andrew Stuart，博士期间连续三个暑期在英伟达实习[20][22] 何恺明研究方向与团队建设 - 何恺明自2024年离职Meta加入MIT，明确将AI for Science作为未来几年重点深耕方向[23] - 新成员胡珂雅和李宗宜的研究背景与AI for Science方向高度契合，形成强强呼应的团队阵容[23] - 何恺明目前已招募6位学生，团队阵容豪华，原计划为7人，最后一位候选人履历亮眼但尚未出现在团队介绍中[23][24] - 作为ResNet发明者之一，何恺明进入学术界为年轻学者深入进行AI基础研究提供了机会，ResNet原团队成员也以不同方式培养新生代[24][25]

何恺明MIT团队新成员概况 - AI大牛何恺明在MIT的主页更新了两名新弟子的信息：博士生胡珂雅和博士后李宗宜 [1] - 何恺明任教MIT以来招募的6位学生中，5名都是中国面孔 [4] 胡珂雅背景与研究经历 - 胡珂雅本科毕业于上海交通大学ACM班，高中就读于福建师范大学附属中学 [5] - 大三期间在上海交通大学脑机接口实验室研究AI与脑科学结合，以第一作者完成论文并被国际生物医学计算机顶会EMBC接收 [7][8] - 作为共同作者参与的论文被顶会Cognitive Science 2025收录，并在康奈尔大学实习期间参与的项目成果被NeurIPS 2024接收，担任第二作者 [10][11] - 主导研发关键方法参与ARC Prize 2024竞赛，该竞赛总奖金超过100万美元，吸引全球1430支队伍参赛，其团队成果达到SOTA水平并斩获最佳论文奖 [12][13][15][17] - 以共同第一作者身份将ARC竞赛研究成果整理成文，成功发表于顶级机器学习会议ICLR 2025 [18] - 本科阶段共完成四篇高含金量论文，一半为第一作者，获得MIT、普林斯顿、卡内基梅隆等多所名校博士offer，最终选择MIT直博 [21][22] - 目前是MIT电子工程与计算机科学系一年级博士生，由何恺明和Jacob Andreas共同指导，专注于语言与视觉的交叉研究 [23][24] 李宗宜背景与研究贡献 - 李宗宜在2021年以第一作者身份发表重量级论文，提出傅里叶神经算子（FNO），首次实现神经算子的规模化应用 [27][29] - 神经算子是一种能学会解物理方程的神经网络，可在几毫秒内完成传统超级计算机需数小时的计算任务，在天气预报、碳封存等领域有重要应用 [30][32][34] - FNO通过傅里叶变换处理数据，让神经算子运行速度成倍提升，被视为AI for Science领域的里程碑模型，李宗宜谷歌学术引用次数超过1.2万 [35][36] - 目前担任MIT博士后研究员，由何恺明指导，已获得纽约大学助理教授职位，将于明年秋季入职 [38][39] - 本科在圣路易斯华盛顿大学修读计算机科学与数学双学位，博士就读于加州理工学院，师从Anima Anandkumar和Andrew Stuart，博士期间连续三个暑期在英伟达实习 [41][42][44] 何恺明研究方向与团队建设 - 何恺明在2023年MIT求职演讲中明确指出AI for Science是其未来几年重点深耕的方向 [46] - 新成员胡珂雅和李宗宜的研究背景与AI for Science方向高度契合，加上此前成员，团队已集齐六位学生 [47][48][49] - 何恺明自2024年离职Meta加入MIT学术界，致力于推进AI基础研究和前沿突破 [52]

公司融资与战略 - 智源深澜完成数千万元天使轮融资，由沃衍资本领投，天峰资本等跟投，老股东持续支持 [1] - 融资资金将主要用于生物分子生成式AI平台、自主驱动式分子功能进化平台建设及商业市场开拓 [1] - 公司成立于2024年，由镁伽科技孵化，创始人王承志博士曾担任镁伽科技首席科学家，在生命科学领域从业二十余年 [1] 技术平台与核心方法 - 公司构建自主驱动的自动化实验平台，高效率生成功能数据，将自动化实验平台与AI算法结合 [2] - 技术平台使AI可在真实功能反馈中快速迭代，提升研发效率 [2] - 公司选择以"功能"作为优化对象，就实际应用场景中的功能需求进行探索 [2] 行业趋势与研发范式转变 - 生成式AI正推动生命科学研发范式从"大规模试错"转向"精准设计创造" [1] - AI技术正从辅助工具走向自主平台，生命科学要真正实现理性设计需先实现工程化与数字化 [1] - 在AI for Science的2.0时代，基于"干湿实验闭环"的验证与迭代使AI在特定任务上的精度大幅提升 [2] 未来愿景与发展阶段 - 公司推动AI for Science从2.0"导航式设计引擎"向3.0"科学智能自主平台"演进 [2] - 在3.0时代，AI将能自主设计、执行并迭代整个科研实验闭环，人类科学家主要负责提出关键问题和控制风险 [3] - 未来生命科学研发将走向技术平权和民主化，类似互联网时代的APP开发 [3] AI4S 3.0平台的关键构成 - 实现AI4S 3.0需三个关键突破：统一的坐标系、自主决策的AI Agent、自动化的智能实验平台 [4] - 统一的坐标系将计算、数据、实验仪器等翻译成AI可理解形式，实现理论模型迭代与实验进度同步 [4] - 在此基础之上，公司提出了AI4S 3.0的"十步走"路线，最终目标是在多个科学领域做出超越人类直觉的科学发现 [4] 生成式AI的应用价值 - 通过生成式AI，科研人员能够识别新靶点、优化分子结构设计，简化临床前验证流程 [4] - 该技术可加速药物研发、新材料分子设计等诸多领域的研发，提升全产业链的效率与创新水平 [4] - AlphaFold 2已预测超过2亿个蛋白质结构，但产业界更关注蛋白质功能而非中间结构 [1]

公司融资与业务 - 智源深澜完成数千万元天使轮融资，由沃衍资本领投，天峰资本等跟投，老股东英诺天使基金、零以创投持续跟投 [3] - 融资资金将主要用于生物分子生成式AI平台、自主驱动式分子功能进化平台建设及商业市场开拓 [3] - 公司成立于2024年，由镁伽科技孵化，专注于数据驱动的生物分子设计与制造 [3] 行业趋势与研发范式转变 - 生成式AI正引发生命科学领域深刻变革，研发范式从“大规模试错”转向“精准设计创造” [3] - 生命科学要实现理性设计，必须先实现工程化与数字化 [3] - AlphaFold 2已预测超过2亿个蛋白质结构，但产业界更关注蛋白质功能而非结构 [3] 公司核心技术平台 - 公司以“功能”为优化对象，构建了自主驱动的自动化实验平台，以高效率生成功能数据 [4] - 生物分子设计系统将自动化实验平台与AI算法结合，使AI能在真实功能反馈中快速迭代 [4] - 在AI时代，自动化、高通量实验不仅能提高效率，更能高效产生结构化、可迭代数据，直接服务于模型训练与优化 [4] AI for Science发展路径 - 公司致力于推动AI for Science从2.0“导航式设计引擎”向3.0“科学智能自主平台”演进 [5] - AI for Science 3.0时代，AI将能自主设计、执行并迭代整个科研实验闭环，人类科学家主要负责提出关键问题和控制风险 [5] - 实现科学智能自主平台需要三个关键突破：统一的坐标系、自主决策的AI Agent、自动化的智能实验平台 [6] - 公司提出了AI4S 3.0的“十步走”路线，最终目标是在多个科学领域做出超越人类直觉的科学发现 [6] 技术应用与影响 - 生成式AI能帮助科研人员识别新靶点、优化分子结构设计，简化临床前验证流程，加速药物研发和新材料分子设计 [6] - 当科学智能自主平台阶段到来时，生命科学研发将走向技术平权和民主化，类似互联网时代的APP开发 [5]