AI for Science (AI4S) 的核心概念与价值 - AI4S是用人工智能赋能基础科研，推动科研范式从“试错驱动”向“数据+模型驱动”的颠覆性转变 [3] - AI4S能解决传统科研周期长、成本高、数据处理难的痛点，例如新药研发平均耗时10年以上，芯片设计面临千亿级参数算力挑战 [4] - 其核心价值在于将科研周期压缩数倍，并能触达人类直觉难以企及的高维复杂问题，是科技发展的“源头活水” [4] AI4S在新材料领域的应用案例 - 方大炭素与晶泰科技合作，打造“AI+机器人”超级智能体，实现硅碳复合材料、石墨烯等高端材料的原子级设计 [5] - 该合作将材料研发周期从传统的2-3年压缩至3-6个月，并利用数字孪生技术使高端炭素制品良品率提升15%以上 [5] - 方大炭素计划三年投入10亿元创新资金，并联合建立专项人才基金，旨在打通“AI算法+产业数据+实验验证”的闭环 [5] AI4S在生物医药领域的应用案例 - 美迪西实现了“AI+CRO”的深度融合，搭建了覆盖靶点筛选、分子设计、临床前研究的AI药物发现平台 [6] - 在靶点筛选环节，其自研算法结合AlphaFold3，每周可完成5000个虚拟化合物库的自动化迭代，毒性预测准确率提升至92% [6] - 在分子设计环节，生成式模型能探索10^60量级的潜在化学空间，临床前研发周期在典型案例中压缩40% [6][7] - 2024年，美迪西AI相关收入占比已达18%，预计2027年将提升至45% [7] AI4S在芯片领域的应用案例 - 道氏技术通过参股芯培森切入AI4S专用芯片赛道，其APU芯片专为原子级科学计算设计，以解决传统芯片的算力瓶颈 [7] - 公司搭建赫曦原子智算中心，将APU芯片与自身新材料研发需求结合，形成“芯片研发赋能材料设计，材料需求反哺芯片优化”的双向循环 [7] - 在锂电池材料研发中，该智算中心通过原子级模拟将新材料配方筛选效率提升10倍以上 [8] 中国AI4S发展的驱动因素 - 发展模式具有中国特色，踩中了“产业需求牵引+技术自主创新+政策持续支持”的三重红利 [9] - 与海外偏重基础理论研究不同，中国的AI4S从一开始就锚定产业痛点，避免了技术与市场脱节 [9] - 国产算力芯片、AI算法的突破为自主可控发展提供保障，且AI4S已被纳入国家科技创新体系的核心布局 [9] AI4S的总体影响与展望 - AI4S为中国在新材料、生物医药、芯片等基础领域实现“换道超车”提供了前所未有的机遇 [9] - 方大炭素、美迪西、道氏技术的探索是中国AI4S发展的缩影 [10] - 随着算力、算法、数据的持续突破，AI4S将成为中国科技从“跟跑”到“并跑”再到“领跑”的核心驱动力 [10]

芯培森APU产品研发进展 - 第二代APU产品研发按计划推进 预计2024年底或2025年初流片[3] - 计算速度相比CPU/GPU提升1-3个数量级 能耗降低2-3个数量级[3] - 具备软硬件技术能力、算法、生态多重壁垒 开发难度大[3] 市场竞争地位 - 在非冯诺依曼架构原子科学计算加速芯片及服务器领域尚无直接竞争对手[3] - 产品专攻分子动力学MD和密度泛函理论DFT等原子科学计算场景[3] 赫曦智算中心建设规划 - 佛山总部计划2024年底前建成200台服务器 整体规划千台规模[3] - 正进行政府备案审批、工程方案设计、设备选型及基础设施搭建[3] - 未来拟根据资源禀赋和客户集群在全国多地建设原子智算中心[3] 合资公司架构 - 赫曦原子智算中心由道氏技术与芯培森于2023年7月合资成立[4] - 注册资本5000万元 道氏技术出资4000万元占比80%[4] - 道氏技术提供材料研发数据与产业经验 芯培森贡献APU芯片及服务器技术[4] 战略定位 - 定位全球首个专注原子级科学计算的规模化算力中心[4] - 旨在为企业数智化转型提供算力支持[4]