报告行业投资评级 未提及 报告的核心观点 - 报告旨在了解和分析中国AI for Science的驱动发展、范式变迁、产业应用，深入了解其发展历程、核心技术及产业应用深度[2][6] - AI for Science通过结合人工智能与传统科学领域，展现出推动科学研究和技术创新的巨大潜力，其发展需技术创新、政策支持等多方面配合[49] 根据相关目录分别进行总结 行业综述 - AI for Science指利用人工智能技术加速科学研究和发现，有数据驱动、模型驱动等范式，范式变迁推动科技进步，其发展从初步探索到广泛应用，未来将深度融合[9][25][29] - 模型驱动结合传统理论与现代计算技术，可在无实际实验时探索复杂系统特性，应用于火箭模拟等场景[13][14] - 数据驱动利用大数据和分析技术，使科学家无需深入理论背景探索复杂系统行为，应用于基因等场景[16][17] - 数据与模型融合驱动结合两者优点，构建更可靠可解释模型，应用于能源系统等场景[20][21] 技术分析 - 核心技术包括高性能算力、数据管理基础设施、科学计算软件、预训练大模型和高通量实验，共同加速科学研究[31] - 算力基础设施提供计算资源，中国超算数量多、有国家级超算中心，低能耗设计可降低成本[36][37] - 软硬件数据基础设施提供计算和数据管理能力，中国科学数据涵盖多领域且总量增长[39] - 高通量实验集成自动化设备，快速执行实验方案，生成大量数据，在材料研发等领域成效显著[41][43] 产业发展实践分析 - AI for Science在多个科学领域展现潜力，推动科学研究和技术创新，发展需多方面支持[49] - 在生命科学领域，AI加速药物研发、优化基因组学研究等，预计为人类健康带来更多福祉[50][52] - 在药物研发中，AI应用贯穿流程，提高成功率、降低成本、缩短上市时间[53][55] - 在地球科学领域，AI应用广泛，帮助解决复杂问题，如改进气候模型等[58][59] - 在材料化学领域，AI应用广泛，提升材料性能、效率和可持续性，如预测新材料性能等[61][63]

www.leadleo.com 2025年中国AI for Science行业概览：创 新驱动：AI如何助力科学创新的无限可能 China AI for Science Industry 中国AI for Science産業 概览标签：AI for Science、算力基础设施、高通量实验 1 www.leadleo.com 400-072-5588 ©2025 LeadLeo 报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均 系头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外 ）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制 、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述 约定的行为发生，头豹研究院保留采取法律措施，追究相关人员责任 的权利。头豹研究院开展的所有商业活动均使用"头豹研究院"或"头豹 "的商号、商标，头豹研究院无任何前述名称之外的其他分支机构， 也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 研究目标 Research objectives 研究目的 ◼ 了解和分析中国AI for Science的驱动发展、范式变迁、产业应用 研究目标 ...

财务数据和关键指标变化 - 第一季度收入达580万美元，公司有望实现2025年全年1500万 - 2500万美元的收入指引 [7][20] - 第一季度毛利率达79%，符合预期，高利润率得益于轻资产商业模式和“全面拥抱AI”战略 [20][21] - 第一季度GAAP运营费用为2780万美元，运营现金使用2280万美元，资本支出90万美元 [21] - 季度末流动性状况良好，现金达2.4亿美元且无债务，预计2025年底流动性超2亿美元 [22][23] 各条业务线数据和关键指标变化 电动汽车业务 - 第一季度与两家OEM合作伙伴签订开发AI增强型锂金属和锂离子电池的合同并获得收入，按计划完成B样品，正与两家OEM讨论商业下一步计划 [8] - 已部署AI科学材料发现端到端能力，为两家OEM开发新电解质，以改善锂金属和硅锂离子电池的关键性能指标 [9] 城市空中交通、无人机和机器人业务 - AI增强型2170圆柱形电池在人形机器人和无人机应用中反响良好，还为无人机和城市空中交通客户提供软包电池 [12] 公司战略和发展方向和行业竞争 - 公司已从大规模电动汽车和城市空中交通制造资本支出密集型计划，转变为可扩展的软件和服务商业模式 [17] - 推出名为“分子宇宙”的软件和服务平台，旨在大规模生产材料发现和开发服务，这是公司最大且最盈利的收入组成部分，可应用于所有电池化学和市场，帮助用户在激烈的全球电动汽车竞争和新安全法规下获得商业实用的解决方案 [10][11][13] - 在全球发布“分子宇宙”第一版MU0之前，已有十几家公司进行早期访问测试 [11] 管理层对经营环境和未来前景的评论 - 2025年是公司转型之年，公司现金状况良好，有能力实现愿景 [7][16] - 专注于执行计划，为长期可扩展增长奠定基础，预计“分子宇宙”平台将推动公司最大且最盈利的收入组成部分快速增长 [18][22] 其他重要信息 - 4月29日将推出“分子宇宙”演示，可在公司网站查看更多详情 [7] 总结问答环节所有的提问和回答 问题1: 韩国SK工厂的电池类型、化学组成、容量及最大化其价值的策略 - 韩国忠州工厂有两条生产线，一条是与GMJDA共建的A样品生产线，后转换为大型软包电池和小型城市空中交通电池生产线，还可添加设备以适应圆柱形和棱柱形电池生产 [26] 问题2: SES公司2170电池与竞争对手相比的性能优势 - 大多数2170电池mPOWER为5.5%或更低，硅含量通常低于30%，增加硅含量会导致当前电解质不稳定、循环寿命短等问题，而SES公司的Ashilite电解质在高硅含量下性能稳定，可使2170电池mPOWER超过6.5%甚至达到7% [28][29] 问题3: “分子宇宙”AI平台除两家主要合作伙伴外的潜在客户类型 - 目前“分子宇宙”第一版仅涉及电解质，已有十几家早期访问用户，包括主要电池公司（一级和二级）、汽车公司、化工和电气公司 [33] 问题4: 公司授权股票回购的理由及“分子宇宙”平台的定价结构和推出计划 - “分子宇宙”平台定价结构分为五个层级，包括纯软件和软件加服务器两种模式，纯软件为用户每月订阅，可访问部分或全部平台功能；服务器模式适用于大型企业，包括现场部署、使用客户专有数据库训练模型、合成分子、配制电解质、电池测试等服务，还可付费将发现的分子隐藏起来。公司认为股票回购计划是一种有效的资本配置工具，不会影响未来的流动性 [40][42][43] 问题5: 公司全年收入的节奏及对2026年的影响 - 公司年初未给出季度收入节奏，基于现有收入管道，有信心实现2025年1500万 - 2500万美元的收入指引，2025年是公司的基础转型年，将为2026年的收入大幅增长奠定基础 [48][49] 问题6: 如何衡量“分子宇宙”平台的成功 - 最终衡量指标是该平台产生的收入，从电池行业角度看，若平台成功，将成为帮助电池和汽车公司加速研发、取代大量人力和时间投入的重要工具 [51][52] 问题7: 公司中长期毛利率情况 - 毛利率取决于服务和产品的组合，软件和服务毛利率超80%，产品毛利率为20% - 30%，综合来看，公司预计中长期毛利率约为60% [58]

财务数据和关键指标变化 - 第一季度收入达580万美元，创历史新高，公司有望实现2025年全年1500 - 2500万美元的收入指引 [5][13] - 第一季度毛利率达79%，符合预期，高利润率得益于轻资产商业模式 [13] - 本季度GAAP运营费用为2780万美元，运营现金使用2280万美元，资本支出90万美元，季度末流动性达2.4亿美元且无债务，预计2025年底流动性超2亿美元 [14][15] 各条业务线数据和关键指标变化 电动汽车（EV）业务 - 第一季度与两家OEM合作伙伴签订开发AI增强型锂金属和锂离子电池的合同并获得收入，正按计划完成样品，并与两家OEM讨论商业下一步计划 [6] - 已部署AI科学材料发现端到端能力，为两家OEM开发新电解质，以改善锂金属和硅锂离子电池的关键性能指标 [6] UAM、无人机和机器人业务 - AI增强型2170圆柱形电池在人形机器人和无人机应用方面反响良好，还利用此前从EV样品线改造的生产线为无人机和UAM客户生产顶级电池 [8][9] 各个市场数据和关键指标变化 文档未提及相关内容 公司战略和发展方向和行业竞争 - 公司将AI科学材料发现端到端能力打包成名为“分子宇宙”的软件和服务平台，可大规模生产材料发现和开发服务，有望将服务从单一化学和两个OEM扩展到所有OEM、电池制造商、电子公司等 [6][7] - 在全球电动汽车竞争激烈和新安全法规的背景下，公司的材料发现和开发服务可提供商业实用的解决方案，帮助OEM实现差异化竞争 [7] - 公司计划专注于加强商业团队，以在2025 - 2027年扩大收入，分子宇宙平台有望快速增长公司最大且最盈利的收入组成部分 [12] 管理层对经营环境和未来前景的评论 - 2025年是公司具有变革性的一年，公司正为长期和可扩展的增长奠定基础，对实现2025年的收入目标充满信心，并认为2026年有望大幅增长收入 [5][38] 其他重要信息 - 分子宇宙软件和服务平台将于4月29日推出，目前已有包括OEM、电池和电子公司在内的十几家公司进行早期访问测试 [5][7] 问答环节所有提问和回答 问题1: 韩国Jeongju工厂的电池类型、化学性质、容量及战略价值 - 该工厂有两条生产线，一条是与GMJDA共建的8样品线，后转换为大型电池和小型UAM电池生产线，还可添加设备以适应圆柱形和棱柱形电池 [18] 问题2: 公司2170电池与竞争对手相比的性能优势 - 大多数2170电池容量为5.5安时或更低，硅含量通常低于30%，而公司的电解质在高硅含量下表现良好，可实现6.5安时甚至更高容量，且循环稳定、无气体产生 [19][20] 问题3: 分子宇宙AI的潜在客户类型 - 潜在客户包括主要的电池公司（一级和二级）、汽车公司、化学和电气公司等 [23][24] 问题4: 公司授权股票回购的理由及分子宇宙平台的定价结构 - 公司认为股票回购计划是一种有效的资本配置工具，不会影响未来的流动性。分子宇宙平台定价有五个层级，分为纯软件和软件加服务器两种模式，包括按用户每月订阅费、一次性安装设置费、模型使用费等，还可付费将发现的分子隐藏在“隐藏星系”中 [31][32][33] 问题5: 全年收入节奏及对2026年的展望 - 公司不提供季度收入节奏指引，但基于现有收入管道，有信心实现2025年1500 - 2500万美元的收入目标，2025年是基础和变革性的一年，将为2026年的收入大幅增长奠定基础 [37][38] 问题6: 如何衡量分子宇宙平台的成功 - 最终衡量指标是该平台产生的收入，从电池行业角度看，它还能替代和加速研发，帮助电池和汽车公司更快开发新技术 [40][41] 问题7: 中长期毛利率的预期 - 毛利率取决于服务和产品的组合，软件和服务毛利率超80%，产品毛利率约20 - 30%，综合来看，中长期毛利率预计约为60% [44]

科学数据主权与生态体系建设 - 美国国立卫生研究院禁止中国研究人员访问部分关键数据库，美国新兴生物技术国家安全委员会建议全面禁止与中国的生物技术与数据合作，显示美国对华科技打压已扩展至基础性科学数据领域 [1] - 科学数据库已成为科研范式与科技竞争的关键领域，AI驱动的科研智能（AI4S）推动科学研究从"实验驱动"向"数据驱动"转变，高质量开放共享的科学数据库成为战略制高点 [1] - 国际已形成The Material Project、PubMed等标准化高质量科学数据库，德国等国家通过政策支持加强科学数据库建设 [1] 国际科学数据库建设经验 - 国际科技强国科学数据库建设经验包括：坚持开源开放原则、发挥政府引导作用、通过专业机构实现标准化管理、强化多主体协作、持续动态更新数据资源 [2] - 中国已建成20个国家科学数据中心和31个国家资源库，但数据开放性、综合性与国际领先水平存在差距，部分数据库建成时间短（如2019年成立的国家科学数据中心），数据汇聚质量不高 [2] - 当前科学数据管理呈现"条块分割"局面，数据中心分散于不同机构和领域，标准化管理与协作机制不足 [2] 中国科学数据生态体系建设意义 - 建设自主可控的科学数据生态体系有助于打造可信数据空间，避免关键数据被国际政治风险"卡脖子"，支撑国家战略科研项目 [3] - 可充分挖掘中国科学数据资源潜力，强化本土科研智能发展，支撑基础研究高质量发展 [3] - 提升数据治理能力和资源掌控水平，增强中国科学数据话语权和国际科技竞争力 [3] 中国科学数据生态体系建设路径 - 加强战略规划和基础设施建设，将科学数据建设纳入基础研究和科技创新战略高度，建设国家级人工智能与高性能计算云平台 [3] - 实施分级分类开源共享制度，设立差异化开放共享标准，鼓励基础性数据高水平开放，形成跨学科数据汇聚机制 [4] - 构建标准化专业化数据管理体系，设立专业管理机构负责标准制定和质量控制，建立动态评估机制 [4] - 强化数据建设激励与安全机制，明确数据产权和使用权，建立全生命周期数据溯源保护机制，将数据库建设纳入科研评价体系 [4] - 推进科学数据与产业应用深度融合，搭建与产业场景对接的平台生态体系，推动数据在智能制造、新能源、生物医药等领域的应用 [5]

中美AI叙事差异 - 中国AI叙事聚焦于DS开源带来的LLM平权及小模型端侧、边缘侧应用落地 呈现全面开花态势 算力需求以H20和国产Asic为主 大厂持续加大数据中心投入 [1] - 北美AI叙事坚持通往AGI的技术路线 持续推出多模态高阶模型和万亿参数大模型 高端NV显卡供不应求 [2][3] 算力需求分化 - 中国场景下 H20和910c芯片可满足LLM chatbot及端侧AI推理需求 异构芯片如fpga+risc-v也能支持简单AI端侧推理 [4] - 北美高端NV芯片在以下场景不可替代： - GPT-4o类文生图及多模态应用 需高显存+大带宽 单次交互可能消耗500 TFlops [5][6][8] - 千亿/万亿参数大模型训练 NV高阶芯片的互联优势显著 [7] - AI医疗生物科技等科学计算 如AlphaFold3预测分子相互作用 手术机器人需超低延时 [7] - 高阶Agent应用 需支持高并发(如AI游戏数百万NPC交互)、超长上下文记忆(数万token)、多模态处理 [8] 商业化落地差异 - 中国AI应用商业化更快 如会议纪要AI月赚数千万 腾讯接入DS模型获得2000万DAU 成本效益显著 [3][8] - 北美CSP仍在探索多模态等高阶应用 成果周期较长 但若GPT-4o等突破性应用出现 将引发高端NV卡抢购潮 [9][10] 技术变量 - DS的AI infra能力是核心变数 若V4版本实现多模态且低耗能 可能颠覆NV高端芯片逻辑 [7][10] - 视频类企业(如字节跳动)对高端NV卡需求更强 因AI视频生成需500+TFlops和48G显存 [6]

文章核心观点 AI for Science成为当代科学潮流，在多领域应用潜力巨大，能提升科研效率、改变范式、加速发现，还为科研创新和产业发展带来机遇 [1][3][5] AI for Science特点与优势 - 打破学科、理论与实验、产业界和学术界的界限 [1] - 与传统人工智能差异大，可提升科学发现和科技产出能力，提升生产力 [3] - 形成“平台化”模式，打通上下游和产业链，推动各方协同，促进科研成果转化 [3] AI for Science对科研工具的影响 - 科研工具效率显著提升，如Science Navigator能提供跨学科知识支持，效率较传统工具提升数倍 [3] - AI与海量文献数据库结合，可快速检索并凝练总结文献，优化科研流程，为跨学科研究提供更多可能 [3] AI for Science的发展前景 - 将赋能千行百业，为能源、材料、化工、生物医药等领域带来深刻变革 [5] - 在工业软件领域，AI技术引入可能催生效率提升数百倍的新型工具 [5] - 为科研领域补齐短板和“弯道超车”提供历史性机遇 [5]

作为第一家根据18C章程在港上市的特专科技公司，晶泰科技上市后发布的首份年报。 本文为IPO早知道原创 作者｜ Stone Jin 微信公众号｜ipozaozhidao 据 IPO早知道消息， 晶泰控股 有限公司（以下简称 " 晶泰科技 "）于 3 月 2 8 日发布了 2 024 年全年业绩报告。这也是 晶泰科技 作为 第一家根据 18C章 程 在 港上市 的特专科技公司 、上市 后发布的首份年报。 财报显示， 2 024 年 晶泰科技营业收入同比增长 53%至2.66 亿元（人民币，下同） ，超过 Bloomberg一致预期8.4个百分点，超过富途一致预测9.1个百分点。 尤其是， 2024年下半年同比 增速高达73% 。 值得注意的是， 晶泰科技 也提前 达成港交所对商业化企业的收入门槛要求（ 2.5亿港币） 。 而一旦维持前述 5 0% 至 7 0% 左右的增速， 晶泰科技 最早或将在明年上半年 实现 EBITDA平衡 。 2024年 ， 晶泰科技 的 经调整净亏损收窄 13%至4.57亿 元 ，优于 Bloomberg一致预期22个百 分点 。 其中，晶泰科技 2024 年继续保持高研发投入（全年研 ...

AI4S 是我们相当关注的领域， AI4S 是 RL 范式下最具有前景的应用领域之一， 随着测序、蛋白质 预测等生命科学领域的技术栈的完善、快速下降的测序成本带来的数据量积累，AI4S 的 scaling law 也 即将出现。 目录 01 Flagship 的创立 02 寻找 AI4S 领域的 Waymo 03 投资布局 04 投资哲学 01. 编译：Alin 编辑：Siqi 创立于 1999 年的 Flagship Pioneering 在美国投资界是个特殊的存在，海外独角兽曾对 Flagship 进行过 系统性研究：和普通 VC 不同，作为一家生物医药领域的创新投资平台，Flaghsip 自创立以来已孵化约 100 家创新企业，涉及生物医药、信息科技、农业和能源等领域，从 2003 年算起，Flagship 已经有 25 家公司成功实现 IPO，另外 48 家公司通过收购或并购的形式继续发展业务。 本文基于 No Priors 与 Flagship CEO Noubar Afeyan 的对谈编译整理，Afeyan 详细分享了 Flagship 对 AI for Science 的理解。 用创始人 Nou ...

人工智能向前发展要造数据、合成数据，有可能带来大模型创业下新的百亿美金的问题。 本文为IPO早知道原创 作者｜苏打 微信公众号｜ipozaozhidao "如果说今天有什么事是我们一定要做的，那就是AI For Science。难以想象今天还有什么事情比它 更重要，今年诺贝尔奖的颁布便是最好证明。" 11月22日召开的2024年IDEA大会上，IDEA研究院创院理事长、美国国家工程院外籍院士沈向洋在 题为《从技术突破到产业融合》的主题演讲中指出，在技术大爆发时期开展创新，对技术的深度理解 尤为重要。 沈向洋表示，从长远的人类社会发展角度来看，巨大跃迁都是由技术创新带来的。工业时代的全球 GDP年均增速约为1%-2%，信息时代在3%-4%，人工智能时代，这个数字会是多少？与此同时， 他强调，随着AI的各项能力逼近、甚至超越人类，AI治理已成亟待全球共同面对的议题。 深圳或将成全球算力中心之一 "过去这几年人工智能的蓬勃发展，令大家对整个行业充满着期待。其中，算力、算法、数据是绕不 开的'三件套'。"现场，沈向洋分享了对上述三要素的新理解。 首先，算力是关键生产力。过去四五十年间，计算行业的发展中，最重要的一件事 ...