AI4S行业深度：行业概况、市场空间、产业链及相关公司深度梳理

行业研究报告行业研究报告慧博智能投研行业|深度|研究报告 AI4S是指以人工智能手段辅助或独立完成科学研究任务的一种新模式，可全流程重塑科研体系、突破传统科研瓶颈，被视作继实验、理论、计算、数据科学之后的科研第五范式。近年来，AI4S驱动了众多科学研究领域创新的加速，而AlphaFold助力其核心研发者斩获2024年诺贝尔化学奖也印证了其硬核科研价值，因此，中国、美国、欧盟、英国等全球主要经济体已将AI4S上升为国家战略，密集出台政策加码布局。另一方面，随着通用大模型能力的持续增强，寻找更高价值落地场景、解决更重要问题也成为模型公司发展方向，科学研究场景因其对技术能力要求的严苛性、产出价值的高回报性，成为模型公司的核心选择。目前AI4S已覆盖生命科学、地球科学、能源材料等领域，但行业渗透率偏低，未来有望迈入规模化价值变现新阶段。沿着以上产业发展态势，我们对AI4S行业进行分析梳理，我们将试图从AI4S行业概况、我国最大AI4S计算集群技术特性、AI4S商业落地情况、产业链、相关公司发展情况及市场空间等具体方面，对AI4S行业相关问题进行梳理，希望对大家了解相关问题有所帮助。一、AI4S行业概况 1二、我国最大AI4S计算集群技术特性 4三、AI4S商业落地分析 6四、AI4S部分应用案例 9五、产业链分析 10六、市场机遇与相关公司 15七、市场空间 20八、参考研报 22AIforScience（人工智能驱动的科学研究，简称AI4S），是指以人工智能手段辅助或独立完成科学研究任务的一种新模式，其本质是通过人工智能解决过去无法解决的重大科学难题，加速原始创新步伐，学界普遍将其视为继实验科学、理论科学、计算科学和数据科学发现范式之后的“第五范式”。此外，AI4S（AIforScience）也被英伟达列为与大语言模型、具身智能并列的三大AI关键方向之一，成为AI领域主赛道。1/22专业的投资研究大数据平合2026年8月28日以观察自然、开展可控实验、以数学建模、逻辑推理、理论演绎为核心第四范式：数据密集型科学以海量多维度数据为核心资源，通过数据挖掘、统计分析等直接从数据中总结规律第三范式：计算科学以高性能算力为支撑，通过数字化建模与数值仿真，模拟传统实验无法开展、理论方程难以解析的场景数据来源：上海仪电、上海人工智能协会等《科学计算与Al4S基础设施白皮书》早期的AI4S仅仅把AI技术作为科学研究的辅助性工具，用于加速特定环节的科学研究过程，而当前的AI4S正在发展为以人工智能为核心驱动力，完整重塑从文献调研、假设生成、实验设计、计算模拟到结果验证的科研全流程，并利用AI模型从海量科学数据与资料中学习物理、化学催生工程领域新兴前沿技术催生工程领域新兴前沿技术分方程Al理解物理世界天文学2018年，中国科学院院士鄂维南率先在国内提出“AI4S”的概念并推动其落地，2018年12月，谷歌旗下的DeepMind公司推出AlphaFold,旨在解决预测蛋白质等生物分子三维结构等复杂科学问题，2024和约翰·詹珀(JohnJumper)共同获得了诺贝尔化学奖，意味着AI4AI4S被普遍视为影响未来科技竞争力的重要方向，已引起全球主要经济体的高度重视。各国政府正通过制定国家战略、启动重大计划、增加研发投入等方式，系统性布局这一新兴赛道。截至2025年底，美座-组织化投入-场景任务牵引”的组合拳，系统性布局AI4S赛道。2025年8月，中国国务院印发《关于深入实施“人工智能+”行动的意见》,明确提出“加快实施‘人工智能+’科学技术行动，加快科学发现进程，率先建立基于AI的新型科研和研发范式”,中国在国家层面首次将AIforScience提升至科研范式变革的战略高度，2025年10月，欧盟发布《欧洲科学AI战略》,旨在协调资源，构建AI驱动的科研创新体系，将欧盟打造为全球人工智能驱动科学研究的高地；2025年11月，特朗普政府签署”创世纪计划”(GenesisMission),由美国能源部牵头整合国家实验室超算与顶尖科研资源，将AI4S上升为"等同于曼哈顿计划"的国家战略；此外，英国科学创新与技术部(DSIT)也于2025年11月发布《AI赋能科学战略》,未来五年内投入高达1.37亿英镑，推动AI时间国务院印发《关于深入实施“人工智能‘人工智能+’科学技术行动中国在国家层面首次将AlforScience提升至科研范式变革的战略高度欧盟发布《欧洲科学Al战略》,旨在构建AI驱动的科研创新体系目标将欧盟打造为全球人工智能驱动特朗普签署"创世纪计划",推动Al4S发展英国科学创新与技术部(DSIT)发布完成科学知识数字化沉淀；而推理模型赋予AI进行问题分解、假设生成、支撑完整的科研工作流自动化；而另一方面，传统科研范式面临着明显的效率瓶领域的研发本质都是在规模庞大的候选空间内找到少量有价值的方案，传统的数值法，早已无法应对这样的高维度、长周期研发挑战，而AI4S依托智能推演实现高通量筛选，大幅压缩研发周期，显著提升科研探索效率与发现概此外，随着通用大模型能力的日益增强，寻找更高价值落地场景、解决更重要问心选择。随着模型架构与推理技术持续迭代，近年来，具备同等智能水平模型的单位Token调用成本持续快速下行，而不同的应用领域，随单位Token成本专业的投资研究大数据平合专业的投资研究大数据平合AI制药等高价值科研场景，Token直接关联管线研发收益，单位Token承载的商业价值显著更高，产业Nov22区别于此前AI在各行业落地仅作为“辅助工具”的特征，AI4S标志着人工智能从“信息处理工具”向“科学发现引擎”的本质性转变，有望支撑并推动人类解开从微观粒子结构到宏观宇宙演化的深层科学秘密。在政策加大支持力度、科研与产业界持续投入，模型、算力、数据等产业链资源不断完善的背景工程实践的各个环节。跨领域的深度应用不仅体现了A2026年4月14日，由中科曙光(Sugon)全栈自主研发的我国最大AI4S(人工智能驱动科学创新)计算集群正式发布。该集群规模达到6万卡，实现全栈自主可控，该计算集群旨在全面支撑国家超算互联网应用，也被视为我国在人工智能和科学探索领域实现自主可控、引领未来科我国最大AI4S计算集群由中国高性能计算研发意味着从硬件到软件，从底层芯片到上层应用框架全部采用国产技术，因此，专业的投资研究大数据平合专业的投资研究大数据平合此次发布的计算集群核心亮点在于其前所未有的规模—“6万卡”。如此大规模的AI加速单元集成，意味着其能够提供极其庞大的浮点运算能力，足以支撑当前及未来一段时间内最复杂的AI模型训练、科学仿真模拟和数据分析任务，而6万卡的规模在全球范围内也属于顶尖水平。在正式投用前，该AI4S计算集群已在多个国家级实验室进行了实测，充分验证了其强大的“时间压缩”能力。实测数据表明，该集群能够大幅缩的周期，通过高性能AI算力，在更短的时间内完成数据处理、模型训练、模拟仿真和结果分析，从而加速科学发现的进程，这对于需要进行海量计算、复杂模拟的材料科学、药物研发集群在多个前沿领域可实现效率的非线性增长：具体成果/项目昌平实验室：蛋白质折叠模拟短至数天)中科院计算所：材料筛选模型筛选时间从数年缩短至数天全脑模拟项目首次实现860亿全脑神经元的大规模模拟万亿网格湍流模拟题原子动力学研究昌平实验室：蛋白质折叠模拟短至数天)资料来源：人民日报、金元证券研究所整理6万卡AI4S计算集群将全面支撑国家超算互联网应用。大规模AI4S计算集群的加入，将极大地丰富我国超算互联网的服务能力，特别是为AI驱动的科学研究提供专属的、高性能的算力支持，打破现有资科研进入“自下而上”的数据驱动时代。AI从海量从“理解因果”转向“实现预测”,极大加速了基础科学的突破。由2025年下半年以来，美、英、欧、日等国密集出台AI4S战略。此次我国6万卡集群的落地，是利用“举国体制”在算力基础设施上的反超。AI4S将直接应用于原子级、分子级制造专业的投资研究大数据平合2026年8月28日中国最大AI4S计算集群的发布，不仅仅是一次算力数值的刷新，更是一次科技主动权的交接。当国产本质。大规模AI4S计算集群的发布也标志着中国在AI赋能基础研究的全球赛道上，已经从“跟随者”整上下文信息，并经过严格标注和验证。然而，目前大量科接用于模型训练。数据孤岛问题突出：高价值实验数据分散企业在Al应用层遇到的挑战(高质量数据占比最大)(单位：%,时间：2025年统计)找不到合适的落地场景数据安全存在顺虑 资料来源：IDC,长江证券研究所理任务中的能力仍有限。模型主要在Coding领域取得较大突空间。GPQA(博士级专家编写的科学基准)2023年11月发布时，GPT-4仅得分39%,低于专家基线70%。专业的投资研究大数据平合OpenAI:模型GPQA得分两年间从39%跃升至92%(GPT-4→GPT-5.2),大幅超越70%的专家基线；新推出FrontierScience专家级科学基准(物理/化学/生物),GPT-5.2在0lympiad(77%)与Research(25%)两个分项均第一；2025年11月论文《EarlyscienceaccelerationexperimentswithGPT-5》,GPT-5实现把数天/数周的科研工作缩短到数小时。近期推出GeneBench-Pro进一步评估模型完成真实基因组分析任务的能力，涵盖数据解析、统计分析和科研推理等多阶段GeneBenchGeneBench-Pro基础模型测试总体通过率(%)证券研究所Anthropic:ClaudeOpus4.5在科学图表解进步，2026年6月推出Mythos5/Fable5后生命科学能力与药物设计效率大幅强化。模型将药物设计过程的某些环节效率提升了约10倍。模型能够完成科学家通常需要处理的所有任务，包括确定蛋白质的结合位点、选择并使用相应的蛋白质设计工具，以及处理各种可能出现的错误。在一项研究中模计的14个蛋白质靶点中有9个具备潜力的药物候选分子。持续提出新颖且具有说服力的科学假说。Anthropic科学家在1001次测试中有80%的情况更倾向于选择Mythos提出的假说。基因组学领域创新研究。Mythos5在为期一周的自主运行过程中收集来自138种动物数百万细胞的单细胞数据，并设计、训练了一种专门的机器学习模型，规模仅为另一项发表在《科学》杂志上的模型的1%,模型表现更佳的为AI4S不可或缺的“物理身体”。传统手工科研受制于人工成本攀升、有毒试剂安全风险及全天候连续作业难、实验操作偏差大等瓶颈，严重制约研发效率。2025年初，《Nature》将“自驱动实验室”列为全球七大突破性技术，其核心价值在于构建“AI预测一自动化验证—数据回流”的完整干湿闭环其在药物研发、材料合成等耗时长达数十年的长链条流程中，自动化系统能大幅实验通量成倍放大，真正把AI的科学判断转化为工程生产力，是加速科学智能从计算走向落地部署的传统人工实验方法化合物合成及研究的痛点E自主实验室是连接虚拟计算与实验的核心枢纽，为干湿闭环高速运转提供核心支撑模型、数据与算力构成AI4S的“数字大脑”,赋予AI理解、推理和生成科学假设的能力；自动化实验系统则构成AI的“物理身体”,负责将预测转化为真实实验验证，二者协同才能形成完整科学发现闭环。综上，从产业成熟度来看，当前AI4S整体迎来拐点进入L3。部分领先方向已形成领域基础模型能力，其中生命科学发展最为领先，以谷歌DeepMind为代表，背后对应的正是“基础模型l类文明构建领域基础模型，能力扩展域科学发现跨域融合客高质量科学数据：具有强专属性与不可复制性，且涉及到跨学科、多长期积累的结构化数据，是难以通过公开渠道获取的，往往需要通过长期实验积累或与产业方深度合作专业的提资研究大数据平合专业的提资研究大数据平合AI4S的验证能力：将模型输出通过实验体系进行验证，并将结果反馈至模型迭代中，才能形成真正有效行业know-how:科学问题因其高度专业性，单纯依赖通用模型难以捕捉其中的复杂机制，需结合领域知识进行建模与约束。因此，具备深厚行业理解的团队，在模型应用与结利利用AlforScience数据基础设施持续生产AIReady的数据AlforScience开放平台Alfor生命Alfor材料Alfor气象Alfor物理等数据一致性角度：未进行内部一致级别：3(Optimal)即服务(DaaS)高质量数据.数据集在生物医药领域，2018年美国AlphaFold横空出世，其通过AI预测蛋白质结构彻底革新了生命科学的研究范式，这一技术解决了困扰科学界数十年的蛋白质折叠难题。Alph物学，让全球300多万科学家免费用上最顶尖的蛋白质预测工具，甚至助力团队拿下诺贝尔奖。它摒弃供了全新的研究思路。AlphaFold的成功让AI4S的理念深入人心，证明AI不仅是辅助工具，更能成为攻克基础科学难题的核心力量。如今，免费开放的AlphaFold蛋白质数据库，已被全球190多个国家、超300万研究人员使用，推动了生命科学研究进入“AI驱动”的新纪元。美中不足的是后续基准测试表明，对于与训练样本差异较大的结构，即便是最前沿的AlphaFold3预测精度也不尽如意，也就是说它难以泛化到生物分子空间中未被探索的区域，而这恰恰是药物发现中最富潜力、也最具挑战的未知领域。2026年2月，谷歌DeepMind的生物制药子公司IsomorphicLabs公布了一款更强大的AI药物发现引擎——IsoDDE,被科学家称为“AlphaFold4级别的重大突破”。相较于AlphaFold3和Boltz-2,IsoDDE大幅提升了预测准确性，还能精准预测小分子结合亲和力，精度超越了传统基于物理的“金标准”,时间与成本却极低；更为重要的是，其仅凭氨基酸序列就能准确识别靶点蛋白上的全新、可成药的结合口袋，这对于新药研发尤为重要。如今，IsomorphicLabs与强生旗下的生物技术部门杨森成合作协议，正将AI设计引擎与杨森在药物开发方面的专业知识相结合，共同进行跨模式、多靶点研究合作；同时，IsomorphicLabs也与礼来和诺华签署了潜在价值近30亿美元的合作协议，合作运行了17条药物研发管线，预计首批由AI设计的药物将在2026年底进入临床试验。行业|深度|研究报告 天穹新药引擎（sDDE，SmartlogicDrugDesignEngine）是思朗科技原创的AI+科学计算驱动的“端到端”全链条创新药设计引擎，以独立自主研发的3D科学计算机为基座，创新性实现蛋白位点发现、药物结合构象预测、亲和力评估、分子胶理性设计与优化全链条流程。在位点发现模型上实现了对传统位点、隐蔽位点、变构位点的高精度识别，在药物结合构象预测模型上支持多场景（小分子、抗体等）结合构象预测需求，在亲和力评估模型上精准量化分子与蛋白位点的结合强度，在分子胶理性设计与优化模型实现精准设计并筛选全新分子胶。分子胶理性设计与优化模型是天穹新药引擎的特色核心模块，支持分子胶全流程设计与优化需求，能够在1-2周内针对不同的靶蛋白完成分子胶的快速发现，进而能够进行分子胶理性设计并在短时间内进行验证的原创性开发引擎。基于自研的天穹新药引擎，目前思朗科技已经形成融合“科学计算+AI”的小分子药物、分子胶药物、抗体药物、中药现代化、病毒机制研究等多个产业方向，并积极参与到生物药物研发的各个环节。例如，在小分子领域，思朗科技针对JAK2-V617F突变蛋白以及TYK2、STAT6、PTP1B等多个新靶点上，探索开发了全新的变构抑制剂；在分子胶领域，针对新兴靶点VAV1计算开发的一款临床候选化合物（PCC）初步显示出良好的生物学活性和安全性。液体电解质作为锂离子电池的“血液”，其性能直接决定电池能量量密度、循环寿命与安全性能。当前商用碳酸盐基电解质普遍包含五种以上组分，其分子设计长期依赖实验试错法，不仅研发周期长达3-5年，且多组分体系的性能优化复杂度呈指数级增长。据相关统计，传统电解质开发平均需要筛选超过10万种配方组合，通过实验来探索和优化这些多组分体系，仅基础实验成本就高达数千万美元，很大程度上依赖研究人员的经验和直觉，这限制了新材料从实验室概念验证到市场产品的转化速度。原子模拟提供了一种替代方案，但面临两难：精确的量子力学模拟计算量巨大，而传统的经典力场方法又精度不足。在此背景下，字节跳动的核心竞争力——AI算法与大数据处理能力，恰好适配锂电研发的核心痛点。2025年4月字节跳动推出了一款名为BAMBOO（ByteDanceAIMolecularSimulationBooster）的AI驱动分子模拟框架，专门用于锂电池液体电解质的研发。模拟结果表明，BAMBOO在预测各种溶剂和盐组合中的关键电解质特性，尤其在预测各种化学物质的密度、粘度和离子电导率方面表现出了较高的准确性，成为由分子结构工程驱动的电解质设计的宝贵工具。性能测试表明，BAMBOO在单GPU上可实现每秒106原子步的模拟速度，较传统DFT计算快10倍，同时保持量子化学级别的精度。这种效率提升使得原本需要数月的电解质筛选过程可压缩至数天内完成，极大加速了从实验室研究到工业应用的转化周期。在应用层面，BAMBOO已成功指导开发出新型高电压电解质配方，使LiCoO2/石墨电池在4.5V循环下的容量保持率提升至92%（1000次循环）。随着模型的迭代优化，字节跳动的研究团队计划将应用场景扩展至固态电解质界面（SEI）形成机制研究，以及锂金属电池的枝晶生长预测。BAMBOO正推动新能源材料研发从“经验驱动”向“数据智能驱动”的范式转变。投资者往往从商业模式角度研究产业链。此处刻意调整为按照技术环节切分产业链。因为每个技术环节的研究（例如渗透率与国际对标）更有意义，而且可能需要给底层技术做金融估值。假如基于商业模式，反而较为简单。以下为参考结论：10/22上游偏重基础设施，偏重硬件，往往是销售产品的商业模式，可以采用和AI算力一样的研究和估法；上游中的数据库可以采用SaaS的估值方法；中游理论上高通用性、强壁垒、可复用(类似SaaS的估值方法),实际上存在高价项目定制(项目制估值方法);下游定制化强、与产业绑定深、验证成本高。可能是Buy-out模式按照“在研管线”估计收其中，Buy-out模式可以参考医药在研管线(Pipeline折现)估值方法，定制项目可以用项目制估值方上游中游上游中游(多物理场/工业仿真),生物/生命科学数据库(蛋白/基因/技术-结构生成与优化平台：GenAI结构生成/多目标优化，蛋白/生物大分子结构预则(AI4S专属)技术-分子表征/性质预则/实验闭环：分子指纹(MolFP),计新能源材料(电池/光伏投资者较为高端金属/合古专业的投资研究大数据平台2026年8月28日明细1(公司或工具)明细2明细3明细4英伟达海光信息中国太湖之光思朗科技(一级)芯培森(道氏技思朗科技(一级)谷歌CloudDFTAWSBatch国外数据库MaterialsProjectOQMD国内数据库华大基因(多组学)材料基因库)晶泰科技软件与算法MD+MLFF工具思朗科技(科学计算算子)KMC工具安世亚太(一华大九天概伦电子芯和(一级)AiiDApy或工具，下同)中游Al+DFTSchrodingerVASP晶泰科技Al+MD/MLFFLAMMPSGROMACSAl+KMC/有限元ANSYSKMCLib索辰中游晶泰科技英矽智能药石科技(结构合成配套)蛋白/生物大分子结构预测晶泰科技晶泰科技字节跳动分子指纹RDKit/DeepChem晶泰科技药石科技深势科技(一台Schrodinger晶泰科晶泰科技镁伽(设备)(化学方案)标智未来依华(厦大)注1:由专业的投资研究大数据平合专业的投资研究大数据平合在中游，有个重要新增环节为实验机器人。一方面，无论是物理模拟还是AI其计算结果需要真实世界检验。这正是构建机器人自动化实验平台的价值。它以标准化、高通量的方式执行AI设计的实验方案，快速完成合成、表征与测试，产生真实、可追溯的实验数据。另一方面，这些数据不仅验证准确性，更重要的是回流入AI模型，持续优化预测能力，为物理模拟提供参数，形成“计算预测-实验验证-数据回流-模型迭代”飞轮。这样，中游的自动化实验平台能打破虚拟计算与真实结果之间的鸿沟，让AI模型从静态预测进化为动明细1(公司或工具，下同)催化)Synopsys(AI光刻胶应蒂森克虏伯中科三环Pfizer、Schrödinger、英矽智能、晶泰科技、分子之心(一级)等中医中药成分筛选经络理论量化方剂优化注2:上中下游已经有初步商业模式。上游重资产，销售产品；中游理论上高通用、可复用，主要是产品模式、SaaS模式、高价值项成普适领域。尽管它们当时技术上有较大优势，但商业原因很重要(产业和资本需要，推它们划算),这个历史话题需要讨论的原因是：待AI产业链全面成熟后，三者均非不可替代，英伟达：崛起于游戏和图形渲染，初衷是解决CPU并行计算瓶颈，2012年后偶然适配AI深度学习需求，并非天生布局AI算力。行业|深度|研究报告 CPU架构为“少核心、深流水线”，擅长串行任务，但在游戏渲染、图形处理中，需要同时计算成千上万像素的颜色、光照、纹理，CPU效率极低，形成严重性能瓶颈。比如早期3D游戏用CPU渲染，一帧画面往往需要几秒计算，无法满足实时交互需求。1999年英伟达发布GeForce256，提出“GPU（图形处理器）”概念，聚焦图形渲染的并行计算需求，这实质是个小众领域。转机是AlexNet：2012年AlexNet借助GPU并行算力实现图像识别准确率的突破性提升，拉开AI革命序幕，而英伟达GPU的多核心并行架构，恰好适配深度学习中矩阵乘法、梯度下降等海量重复计算需求，游戏成为重要领域。有了规模后，下一步投身AI，从“游戏硬件”偶然转型为“AI算力领军”。CUDA：于2006年推出，2008-2009年持续投入，2013年左右面临市场与资本压力要求砍掉（StarboardValue致信英伟达董事会，认为CUDA是“烧钱无希望的钱坑”黄仁勋坚持保留至2014年，因AI产业爆发、市场急需成熟计算引擎而被动胜出。其存活与普及并非技术必然。CUDA2014年后的爆发的核心是资本与产业需要一款成熟的通用并行计算引擎，而CUDA恰好是当时的“较优选项”，相较于AMD的OpenCL等竞品更成熟，而非“技术唯一选项”。Transformer：架构当年凭借解决长距离依赖、并行效率高的优势成为NLP主流。但2024年后，随着AI模型向长文本、复杂推理场景延伸，Transformer的核心短板逐渐显现。其O(n²)计算复杂度、长文本处理短板、幻觉率等问题逐渐暴露，并非不可替代架构。Transformer研发初衷仅为解决“TPU算力利用率低、长距离依赖建模弱”的具体问题，而非预判到其会成为AGI的技术底座。当前为了解决其短板，注意力机制优化（FlashAttention等）、混合架构设计、新架构（状态空间模型类例如Mamba、融合型轻量架构如RWKV、高效替代算子架构如Hyena）都是为了解决transformer的问题。这再次说明transformer并非不可替代。三者的领先，本质是产业起步阶段“即拿即用、降低成本”的产业与资本诉求，而非技术不可超越。产业成熟后，需求将从“快速落地”转向“多元化适配”，三者的“唯一“优势或消失。类比Groq（初期小众领域，推理市场崛起后，主打ASIC推理芯片），随着AI4S产业规模提升、资本投入增加，其作为AI4S的细分赛道，因场景特殊性（多尺度模拟、工业仿真等），有望孕育出贴合自身需求、或不依赖以上三者的专属通用算力。AI4S专用算力可能也会从小众领域裂变成普适领域。形态未必是GPU，或未来的量子计算。下面思朗科技的示意图即为一个说明。AI4S的典型算子未必是FlashAttention、TensorCore计算等，而可能是快速傅里叶变换FFT、LDPC编解码、Polar编解码、数字滤波等。专用AI4S算力、AI4S一体机，都有可能崛起。AI4S专用算力的拓展崛起，可能会类似于GPU从游戏到AI训练的拓展崛起。14/22专业的投资研究大数据平合专业的投资研究大数据平合低强高弱AI4S的快速发展和迭代进步，在科学模型侧、算力基础设施建设与运营、以及产业应用侧带来了发展机会。科学基础大模型与一站式开发平台为AI4S的发展提供了坚实的智能大脑，超智融合计算中心则是除了提供决策智能模型及服务之外，公司还联合中国科学院团队联合打造了“磐石”(ScienceOne)科赋能百余个科研场景，在化学性质预测、谱到分子结构预测、蛋白质位点预测型、达到国际领先水平。而2026年8月，中科闻歌还孵化成立赛思极限，将磐石ScienceOne整套AI4S团队、技术、产品独立为市场化主体，负责未来AI4S产品迭代与商业交付，目标成长为AI4S领域具有ScienceOne通过多模态统一推理服务于专用科学任务ScienceOne通过多模态统一推理服务于专用科学任务ScienceOne科学基础大模型在多个领域加速科学发现中科曙光自超算时代起便深度参与国内科研算力基础设施建设，是我国AI4S算力底座建设与科研服务领域的关键参与者。伴随AI与科学计算深度融合，传统超算、智算系统相互割裂的架构，已难以适配AI4S场景下仿真模拟与AI训推交织的混合负载需求。针对这一行业痛点，公司2025年正式推出Nebula800超智融合算力平台，实现以一套系统打通超算与智算之间的技术、生态壁垒，面向智能制造、生命科学、石油勘探、新材料等行业，承接各类高复杂度的AI4S计算任务，完成从硬件产品向融合算2026年7月，公司在郑州建成10万卡规模的曙光8000超智融合计算集群，进一步将国产AI4S基础设施推向超大规模级别。该集群实现计算、网络、存储、散热、调度管理层全栈自主规模科学仿真的硬件与软件能力，已落地多项代表性科研任务，可完成蛋白质折分子动力学模拟百万亿网格湍流模拟等高难度计算，大幅压缩大型科研仿真中科曙光2025年发布标准化超智融合算力平台Nebula中科曙光2026年建成10万卡规模超智融合计算集群专业的投资研究大数据平合此外，依托集群资源，曙光8000同步接入国家超算互联网体系，重构科研算力的供给模式。广大科研用户无需投入高额成本自建重型算力设施，即可按需调用集群算力资源，有效降低高端科研算力的使用整体来看，中科曙光凭借从标准化产品平台到国家级大型集群的完整落地能力，既补齐了国内AI4S底层算力底座的自主可控短板，又承担起算力供给服务的枢纽职能，在我国AI4S产业基础设施建设、科研算力公共服务体系构建过程中扮演关键性角色，持续赋能基础科学突破与产业端技术创剂泰科技成立于2020年，是一家人工智能驱动纳米材料创新的生物科技企业，依托NanoForge干湿闭的候选药物MTS-004,依托AiTEM人工智能制剂平台将处方筛选环节由传统的1-2年缩短至不足3个月。公司打造的NanoForge是全球首个AI驱动的靶向药物递送综合创新平台，可实现分子生成和特性预测、人工智能驱动的干湿实验室迭代以及剂型设计和司在人类疾病治疗及更广阔的领域革新纳米材料发现与应用的基石。在NanoForge模型开发与实际应用持续相互赋能，共同构成一套自我强化循环体系，能够持续优数据来源：剂泰科技招股书利用独有的生物纳米平台及脂质库，剂泰科技发现并开发了覆盖肿瘤、免疫、新等多个治疗领域的差异化疗法。公司已建立起一个多元化的管线产品矩阵，拥有10余种管线产品，包括数种处于发现阶段的候选产品、4种临床前候选产品、3种临床阶段产品、1种pre-NDA产品及2种动专业的投资研究大数据平合专业的投资研究大数据平合英矽智能成立于2014年，是一家以生成式人工智能驱动的全球临床阶段生物医药科技公司，依托公司进展最快的候选药物Rentosertib(ISMO01-055),将靶点发现到临床前候选化合物(PCC)确节由传统的4-5年缩短至仅18个月，并已推进至III期临床试验，成为全球首个由AI发现全新靶点公司打造的Pharma.AI是全球领先的端到端生成式AI药物创新平台，可实现疾病靶点识别与优先级排序、人工智能驱动干湿实验闭环迭代以及候选分子设计、优化与临床开发预测。凭架构设计，Pharma.AI成为公司在纤维化、肿瘤及更多疾病领域革Pharma.AI平台中，生物数据积累、模型迭代优化与管线研发实践持续相互赋能，共同构成一套自我强EnvironmentalSustainab利用独有的端到端AI药物研发平台与自动化实验室体系，英矽智能发现并开发了覆盖纤维化、肿瘤、免疫学、新陈代谢、疼痛及中枢神经系统等多个治疗领域的差异化疗法线产品矩阵，拥有三十余项管线产品，包括多项处于早期发现阶段候选产品、31个临床前候选化合物、13项获得IND许可的候选分子、10项处于临床阶段产品，多项资产进入临床后期开发并同步推进对外晶泰控股成立于2015年，是一家量子物理与人工智能驱动的AI4S创新研发平台企业。公司打造的XtalPiScience是全球首个整合大语言模型、科学智能体与大规模自动化机器人的AI4S综合平台，将原有的二百余个行业AI模型全部收纳进该平台，覆盖分子生成、晶体模拟、反应路线设计、蛋白结构解析、文献研读等全链条任务，并搭建多智能体系统，可自主拆解科研目标、分配结果。通过这的AI4S底层基础设施，将科学研究的偶然性，转变为一套可编排、可验证、可追溯、可利用独有的AI+机器人自主实验室体系与多模态分子库，晶泰控股发现并开发了覆盖肿瘤、纤维化、自拥有二十余项自研管线产品，包括多项处于早期发现阶段的候选产品、十余项临床前候选化合物、5项专业的投资研究大数据平合2026年8月28日完成中美IND申报候选分子、多条处于I临床阶段产品，同时面向全球药企输出AI药物研发服务，同数据来源：晶泰科技官网艺良率诊断、电源完整性分析等核心技术模块，着力解决先进工艺下芯片设计周期长、验证复杂度高、包括AetherCoder脚本智能体、Vision工艺诊断平台、Argus系列AI辅助物理验证工具、Hima电源完与工程落地实践持续相互赋能，形成自我强