核心观点 - 幻量科技获得A股上市公司七彩化学的战略入股，标志着产业资本对材料信息学与AI4Science产业化路径的认可，AI驱动研发正从概念走向被产业采用[2][3] - 双方合作旨在通过AI技术赋能化工与新材料研发，实现降本、提速、提质，共同拓展材料创新的光谱[2][8] 战略投资与产业协同 - 七彩化学作为A股上市公司产业资本的战略入股，为材料信息学的产业化落地注入了更强的产业协同势能[3] - 此次投资释放了材料信息学“从概念到交付”的信号，资本市场与产业链开始更关注“可交付的研发效率提升”[3] - 幻量科技的股东结构兼具红杉、真格等财务投资机构，以及百度、枫晴生物等科技/产业巨头，七彩化学的加入使其形成了“技术—数据—产业”的多维资源网络[3] 公司融资历程与背景 - 2023年种子轮融资由红杉中国、巢生资本、真格基金等参与[6] - 2024年引入百度与熙诚致远等机构参与投资，进一步夯实产业化能力[6] - 2025年七彩化学的战略入股，反映出产业侧对材料信息学平台“可用、可落地、可扩展”的认可[6] 核心竞争力与团队 - 公司核心竞争力来自“科学研究与工程实践同向迭代”的方法论与团队结构[4] - 创始人刘雨阳拥有剑桥大学理论物理博士学位及麻省理工学院科研背景，具备从机理建模到工程落地的完整经验[4] - 联合创始人张弛拥有麻省理工学院管理学硕士等背景，在生物医药、TMT、大数据领域拥有超过15年的投融资及产业资源整合经验[7] - “科学家掌舵技术方向、产业家把控商业化路径”的组合，使公司在实验室成果转化效率上远超行业平均水平[7] - 团队成员横跨材料科学、计算物理、机器学习、电子电气等交叉学科背景[7] - 公司认为材料研发真正的门槛在于数据体系、建模范式、实验闭环与交付体系的组合能力[7] 技术平台与未来规划 - 公司坚持“把研发变成可复用的工程系统”，让AI在工业场景中持续交付，从一次性项目走向平台化能力[3] - 作为机理和数据双驱动的材料信息学公司，坚持“克制但深入”的路线[8] - 未来将重点推进两条主线：一是化工主线（石化+精细），围绕“工艺—配方—性能”闭环打造可复用的材料信息学工作流；二是合金等功能材料体系，以机理—数据协同建模提升小样本条件下筛选与迭代效率[8] - 公司长期坚持深耕真实工业场景，聚焦可衡量、可验证、可交付的研发效率提升[11] - 持续投入数据治理、模型迭代、实验协同的闭环能力，强化平台化与工程化[11] 合作的具体价值与预期成效 - 合作聚焦有机颜料、新材料及专用中间体核心赛道，通过技术协同实现降本、提速、提质的全维度突破[8] - **降本**：依托幻量Matcopilot®平台的机器学习与高通量计算能力，全流程优化核心产品的反应路径与原材料配比，减少无效投料与工艺损耗，实现研发与生产成本的系统性降低[9] - **提速**：以智能助手Chat的“智能解析+机理模拟”双轮驱动，可快速解析全球前沿文献并高效模拟数千组实验组合，使试错次数减少60%，将原本1-2年的研发周期压缩至3-6个月[9] - **提质**：通过AI算法的精准优化能力实现性能指标突破性提升，满足高端应用场景需求，构筑产品差异化竞争壁垒[9] - 幻量科技将成为七彩化学产业孵化的重要创新平台，推动其形成“技术迭代-效率提升-价值跃迁”的良性循环[10]

文章核心观点 - AI驱动的科学研究（AI4Science）已成为现代科学活动的“第五范式”，正重塑科研与教育模式 [4] - 上海交通大学与华为联合打造的“致远一号”智算平台，是全国高校最大的国产智算算力基础设施，为AI4Science时代的科研、教学及产学研融合提供了强大的底层算力支撑，是产教融合的标杆案例 [1][12][13] AI4Science（人工智能驱动的科学研究）成为第五范式 - AI4Science是继经验科学、理论科学、计算科学和数据科学之后的现代科学“第五范式” [4] - 全球科研人员正积极拥抱AI，每三位博士后研究员中就有一位使用大语言模型协助科研工作 [6] - AI直接参与并重新定义科学发现，在数据密集型、实验复杂或成本高的科研方向发挥颠覆性作用 [7][9] - 2024年诺贝尔物理学奖和化学奖均颁给AI相关领域，AlphaFold 3获化学诺奖预示AI将在未来至少10年的科学突破中起关键作用 [10][11] - AI4Science的本质是结合AI算力与科学家智慧，使科研更快、更准、更聪明，而非替代人类 [12] “致远一号”智算平台的定位与建设背景 - 平台由上海交通大学与华为共建，定位为全国高校最大的国产智算算力基础设施 [1] - 平台于2024年12月启动，用时不到一年完成千卡昇腾集群本地部署和云上千卡规模化应用 [1] - 峰值算力达633 PFLOPS，存储容量13P，支持千亿参数级大模型的校内训练 [1][26] - 建设背景顺应国家“人工智能产教融合专项工程”，上海交大被列为12所国家级AI平台高校的重点牵头单位 [13] - 上海交大已推出“AI十条”校级战略，科研计算100%覆盖所有学科大类，500多门课程完成AI化转型 [13] “致远一号”的平台架构与运营模式 - 采用校级统筹建设模式，统一规划调度，避免重复建设与资源浪费，实现计算资源最优配置 [19][20][21][22] - 华为提供鲲鹏CPU服务器、AI加速训练卡等关键硬件，并通过生态力量补齐异构算力调度、平台运维等系统模块 [22] - 平台以“交我算”作为统一入口，面向全校师生提供算力申请、任务管理等全套服务 [24] - 平台由一支30余人的校级计算服务团队提供支持，为科研、教学和管理保驾护航 [29] - 平台已完成下一代910C架构适配，未来可平滑升级，无需推倒重建，显著节约成本 [36] “致远一号”对科研与教学的具体支持 - 平台提供开箱即用的AI应用服务，是科研训练、教学实训与课程实验的算力底座 [2] - 在首期建设中，配置304张昇腾910B加速卡，推出国内高校首个本地满血版DeepSeek，面向全校师生开放 [27] - “交我算”团队整理了面向理学、工科、人文社科等多个学科的数百个专业提示词和案例，并部署实测多款轻量级多模态模型供师生选择 [28] - 平台大幅降低师生使用算力的门槛，提升学生动手能力及升学/就业竞争力，助力培养复合型领军人才 [30] “致远一号”已取得的科研成果 - **肖湘团队“溟渊计划”**：平台为处理近2000份深渊样本构建的全球唯一深渊生物大数据库提供全流程支撑，将算法运行效率提升九倍以上，显著压缩科研周期 [32] - **刘颖斌团队GBCseeker项目**：平台为整合基因、影像与临床信息的胆囊癌早期诊断大模型提供强算力与高可靠存储支持，参与算法构建与优化，使术前诊断准确率提升至93.3%，误诊率降低超56% [34][35] - 平台支撑的模型已应用于脑科学、合成生物、新能源等多个方向，支撑多项国家级科研成果发布 [35] “致远一号”的行业标杆意义与未来展望 - 平台为全国高校的数智化转型探索出一条可借鉴、可复制的路径，在技术标准、课程体系、管理规范到运营模式方面提供详尽“说明书” [37][38] - 对华为而言，该平台是其在教育数字化领域的成功实践，推动“交大华为模式”成为产教融合的标准范本 [40] - 华为已构建面向教育行业的“1+3”全场景解决方案体系，致力于推动协同、高效、融合的科研创新生态，助力高校技术转移和成果转化 [40] - 上海交大与华为将持续深化合作，构建可持续、自进化、世界级的AI应用生态圈，共同探索“AI+教学、科研、管理”等场景的协同创新 [30]

谷歌DeepMind新架构MoR - MoR架构结合参数共享与自适应计算，以更少参数实现大模型性能[1] - 动态路由机制根据token复杂度分配递归深度，减少冗余计算并优化KV缓存[1] - 实验显示推理吞吐量最高提升2.06倍，训练时间减少19%，峰值内存下降25%[1] 亚马逊AI Agent全家桶 - Bedrock AgentCore预览版提供7大AI agents核心服务，包括运行时、记忆、身份验证等[2] - 推出Nova定制选项和Strands Agents V1.0，简化多agents协同开发[2] - Amazon S3 Vectors云对象存储降低90%向量存储成本，Kiro AI IDE优化开发者体验[2] 马斯克Grok AI伴侣生态 - Grok男性AI伴侣征名"Draven"，形象参考《暮光之城》风格[3] - 开源3D数字伴侣"Bella"分三阶段演进：感知核心、生成式自我和主动式陪伴[3] - 计划加入语音识别和好感度系统，但当前仅保留美少女形象[3] 谷歌搜索AI通话功能 - AI代打电话可自动预约本地服务如宠物美容[4] - 集成Gemini 2.5 Pro模型和Deep Search功能处理复杂查询并生成深度报告[4] - 新功能已在美国上线并将逐步全球推广[4] Claude Sonnet 4回归Windsurf - Pro用户每月可享250次免费调用Claude Sonnet 4模型[6] - 模型具备跨文件智能重构、20万token上下文窗口和精准代码补全[6] - 合作回暖是Windsurf在OpenAI收购失败后的战略举措[6] Anthropic人才与业务动态 - 两周内挽回Claude Code核心负责人Boris Cherny和Cat Wu[7] - Claude Code周下载量增长6倍达300万次，贡献超2亿美元年化收入[7] - 直接销售模型毛利率60%，但通过AWS/谷歌云销售为负30%[7] CrePal AI视频创作Agent - 通过一句话指令自动调度多种模型完成视频制作全流程[8] - 系统自动规划脚本、生成画面、添加音效，整合分散工具为一体化方案[8] - 创新点在于改变创作流程，降低技术操作门槛[8] 苹果MLX框架适配CUDA - MLX框架新增CUDA支持，允许开发者用英伟达GPU训练后部署回苹果设备[8] - 苹果向拥有500万开发者的英伟达生态妥协[8] - 虽2018年停止对英伟达显卡支持，现出于合规和生态考量重新合作[8] 他山科技触觉传感技术 - 研发全球首款AI触觉感知芯片，基于电容层析成像技术[10] - 实现"感控一体"融合，服务国内70%以上机器人厂商[10] - 从硬件提供商转型为整体触觉解决方案提供商[10] AlphaFold与AI4Science前景 - AlphaFold通过统一框架实现蛋白质结构原子级精度，被引用35000次[11] - 算法研究价值是数据的100倍，推动结构生物学发展速度提升5-10%[11] - 预言AI4Science将更通用化，各科学领域应用遍地开花[11]

AI4Science与符号回归技术进展 - 中国科学院自动化研究所提出DrSR框架，通过数据分析与经验归纳双轮驱动，实现类科学家的智能建模能力[1][2] - DrSR框架包含三位虚拟科学家角色：数据科学家、理论科学家、实验科学家，协同完成科学方程发现[3][7] - 该技术在物理、生物、化学、材料等跨学科建模任务中展现强大泛化能力，刷新当前最优性能[4][8] DrSR技术创新与工作机制 - 采用双路径推理机制：数据驱动的洞察生成+经验驱动的策略总结，形成闭环优化流程[16][18][28] - 包含三大核心模块：数据线索提炼（分析变量耦合/非线性趋势）、历史经验总结（建立Idea Library）、方程生成与拟合[19][20][23] - 通过残差分析定位未拟合数据段，动态优化提示质量，提升后续生成针对性[25] 性能表现与实验数据 - 在6大符号回归基准测试中，DrSR在5项取得最高准确率（Acc）和最低归一化均方误差（NMSE）[31] - 非线性阻尼振荡建模任务中达到99.94%准确率，误差低至1.8e-12，显著优于GPlearn/PySR等基线方法[31] - 收敛速度比LLM-SR快50%，有效方程生成比例高10-20%，OOD数据下误差稳定性优于同类方法[34][37][40] 典型应用案例 - 非线性阻尼振荡系统建模案例显示，DrSR在1000轮迭代内生成接近真实动力学的方程（0.8sin(x)-0.5xv-0.5v³-0.2x³），误差达10^-5级[46][48][52] - 展现三阶段智能行为：初期快速试错淘汰无效结构、中期融合非线性成分、后期精炼组合逼近真实方程[51][52] 技术应用与行业影响 - 已集成至ScienceOne智能科研平台，支持多学科可解释建模，不依赖特定大模型架构[57] - 当前局限包括输出随机性导致的冗余结构，未来将扩展多模态输入与持续学习机制[59][60][61] - 标志AI4Science从数据拟合向规律发掘演进的关键突破，推动科学智能进入新阶段[62]

AI4Science行业概述 - AI4Science被誉为科学发现的"第五范式"，通过人工智能加速生成假设、设计试验、收集解释数据等关键研究环节，带来科技创新深刻变革 [1] - 美英等发达国家及微软、英伟达等头部企业竞相布局AI4Science以巩固全球科研领导地位 [1] - 苏州工业园区已培育人工智能千亿级产业集群，聚集相关企业超1800家，生成式AI服务备案数量位居全国同类地区前列 [1] 沃时科技公司概况 - 公司定位为以人工智能、数据科学与实验室自动化为核心的技术平台企业，聚焦合成工艺一体化设计 [2] - 采用"AI智能计算+实验室自动化"软硬结合模式，打造智能闭环生态，服务化工、生物医药、新能源、新材料等领域 [2] - 已完成四轮融资，投资方包括经纬创投、五源资本、元禾控股等知名机构 [5] - 入围苏州市独角兽培育计划，获国家高新技术企业、江苏省双创计划等多项资质 [5] 化学合成行业痛点 - 全球已登记物质超2.5亿种，每种化合物存在多种合成方法，传统人工探索效率低下 [3] - 即使全球20万化学家每天探索3种反应条件，全年仅能探索2亿个反应，其中仅小部分能产生新分子 [3] - 传统合成路径依赖专家经验与知识库检索，实验室路线到工艺放大阶段常难以实现 [3] 技术解决方案 - 开发ChemPro.AI平台，集成物质信息检索、反应文献检索、反应条件推荐和逆合成四大核心功能模块 [6] - 2024年平台升级后，查询响应时间平均缩短超80%，逆合成代码运行效率提升10倍 [10] - 推出连续流高通量自动筛选平台、AI自动化高通量平行反应平台等系列硬件设备 [10] - 构建"智能计算平台+实验室自动化"闭环生态，实现AI方案输出与设备数据反哺的协同优化 [6][10] 商业化进展 - 完成国内首个AI软硬件自动化合成平台商业化落地及交付 [5] - 2024年基本实现盈亏平衡，预计2025年营收同比增长200% [11] - 客户数量突破4000家，60-70%的制药公司研发人员日常使用其解决方案 [11][16] - 实际案例显示：实验成功率提升27%，搜索时间降低90%，实验转化率提高25%，选择性提升10% [11][12] 产学研合作 - 与武汉大学联合攻关光催化项目，搭建专属数据库并优化反应条件，获得比文献记载更高的产率 [15] - 计划继续携手行业头部企业及顶尖高校，加速AI在化学合成全产业链的渗透 [16] 区域发展支持 - 苏州工业园区作为国家新一代人工智能创新发展试验区核心区，人工智能及数字产业规模突破千亿级 [16] - 园区重点发展AI大模型、工业软件等领域，推动AI与实体经济深度融合 [16]

公司概况 - 公司由三位MIT华人物理学家于2015年创立，是通过"AI+机器人"重塑化学研发范式的引领者 [1] - 公司拥有科学家与技术专家超过500人，已获得腾讯、红杉、软银、谷歌等机构投资，账上现金资产达60亿港元 [2] - 公司已积累超过200个AI垂类模型，包括分子生成模型XMolGen、晶体结构预测模型CSP等 [1] 技术优势 - 公司拥有超200个自动化工作站，数据收集能力提升40倍，覆盖超80%常见药化反应类型 [1] - 机器人实验室每月积累超20万条化学合成过程数据，形成高质量、高通量数据飞轮效应 [1] - AI4Science可以从原子尺度深入化学反应本质，相比传统化学研发实现速度和精度的大幅提升 [2] 商业成就 - 2016年获得辉瑞盲测大赛冠军，COVID-19期间帮助辉瑞完成新冠药晶体结构预测，使药物提前6个月上市 [1] - 全球前20大药企中已有16家为公司客户 [1] - 已与协鑫、中石化、方大炭素等材料龙头企业达成战略合作 [2] 市场前景 - AI4Science被英伟达列为AI三大关键方向之一，远期有望成长为千亿美金市场 [2] - 我国拥有最齐全的化学制造业门类和最完备的产业链，具备培育AI4S全球龙头的土壤 [2] - 预计公司2025-2027年营业收入分别为4.22/6.84/9.54亿元 [3] 商业模式 - AI大分子制药业务订单价值大，与优时比、强生的合作若落地将贡献可观盈利 [3] - AI新材料业务有望与客户联合开发前沿材料、共享收益 [3] - 公司目前成本主要来自基础研发人员等固定成本，算力等变动成本占比低 [3]

科学基础大模型发布 - 中国科学院自动化研究所联合多家单位发布基于科学基础大模型的智能科研平台ScienceOne [1] - 平台支持跨学科成果涌现，推动多学科协同的智能科研新范式 [1] - 平台从数据理解、计算优化、推理评估三个维度实现能力突破，赋能科研全流程 [1] 首发工具功能 - S1-Literature文献助手依托国内最大科技文献数据库，实现高水平文献理解与综述自动生成 [2] - 文献助手已完成数学、物理、材料等学科适配，未来将实现全学科覆盖 [2] - S1-ToolChain科学工具调度台集成近300个多模态科学数据分析、微分方程求解等工具 [2] 未来发展计划 - 研发团队将开源科学基础大模型S1-Base [2] - 计划发布科学智能体工厂S1-Agent，形成平台化工具体系 [2] - 目标打造AI4Science新范式 [2]