核心技术方向进展
1、蛋白质结构预测 → 向多分子交互延伸
3、材料发现：替代传统"大海捞针"实验
5、 AI Scientist（自主科研智能体）：从辅助工具到主动科研者
全球政策与产业布局
1、中国
2、海外
商业化进展与观察信号
您get到了吗？
免责声明：本公众号所有内容仅代表个人观点，仅供学习交流参考，不构成投资建议。
欢迎关注公众号，一起敞视进化。
AI for Science(AI4S)行业发展趋势学习札记
2026-07-10 18:35
AI for Science(AI4S)行业发展趋势学习札记AI开始从技术（Technology）向科学（Science）方向渗透。 AI4S的本质是方法论级别的迁移——将传统依赖实验驱动的科学问题，转化为"计算+数据驱动"的问题求解范式，理论上适用于所有可被建模与数据化的科学场景。 这与过去每一次科研工具革新（实验→理论→计算→数据科学）的量变不同，它是底层逻辑的质变。 AI4S发展大概划分为三阶段：概念导入期（2016-2021）→ 大规模基础设施建设期（2021-2026）→ 全面渗透期（2026年及以后）。 当前行业正处于第二阶段末期、第三阶段的起点，这个节点的核心特征是：少数细分领域开始出现商业化收入，但整体仍属于"数据飞轮"建设阶段。 AlphaFold系列是AI4S的标志性事件，已彻底重塑生物学基础设施。 AlphaFold2：CASP竞赛评分92.4，荣获2024年诺贝尔化学奖，累计用户超200万科研人员，生成蛋白质数据库逾2亿种。 AlphaFold3（2024）：突破单蛋白预测，能预测蛋白质-DNA/RNA/配体等全生物分子相互作用，分子间相互作用准确率提升+50%。 IsoDDE（2026年2月）：DeepMind拆分公司Isomorphic Labs发布的商业药物设计引擎，在"未见过蛋白+未见过分子"的独立评测中成功率50.0%，领先AlphaFold3约2.3倍；抗体抗原预测领先开源Boltz-2近20倍。 J.P. Morgan指出，AI将靶标识别与验证周期从传统6-12个月压缩至约2-3个月 2、 AI制药（AIDD）：商业化验证期加速突破
全球AIDD市场规模：2019年54亿美元→2023年119亿美元，2032E 746亿美元，CAGR 22.6%（弗若斯特沙利文）。 Google DeepMind GNoME利用深度学习预测了数百万种稳定的新材料结构，规模相当于人类过去几十年实验发现总和的数倍，为电池技术与超导材料研发提供庞大候选库。 中科院计算所AI材料筛选模型已将材料筛选时间从数年缩短至数天。2026年聚焦方向：可降解塑料、高效储能材料等可持续材料产业化。 4、气象/地球科学：数据驱动正在"降维打击"数值模拟 Google WeatherNext 2在99.9%的预测变量和时间跨度上，准确率均优于欧洲中期天气预报中心（ECMWF）HRES系统，且推理速度提升数个数量级。 NVIDIA于2026年1月发布Earth-2开放气象模型系列，覆盖最长15天全球天气预测及0-6小时局地强天气预报。 华为盘古气象：深圳气象局基于盘古科学计算大模型升级的"智霁"气象大模型已商业部署。 这是目前最前沿、商业化最早期的方向，但已有重要里程碑。复旦大学（2026-06-22）梳理的关键系统时间线： 2025年1月：Sakana AI AI Scientist v2——首篇全自动AI论文通过同行评审。 2025年9月：西湖大学DeepScientist——首次超越人类SOTA的自主发现。 2026年2月：上海科学智能研究院+复旦大学发布"大圣"科研智能体——支撑FIC类药物发现（潜在价值5亿美元），新型补锂剂研发转化价值约2000万元，平台汇聚400余科学模型、22PB高价值数据，入驻团队增长1200%。 2026年5月：Google Gemini Co-Scientist，多智能体协作，Nature发表。 中国AI4S相关支持政策数量从2017年以来持续攀升。 2025年8月，国务院《关于深入实施"人工智能+"行动的意见》将"人工智能+科学技术"列为六大领域之首，明确提出"加快探索AI驱动新型科研范式"。 2026年4月，中国最大AI4S计算集群（6万卡）发布——全栈国产自主可控，规模在全球范围处于顶尖水平，全面支撑国家超算互联网应用。 华为盘古大模型于2026年3月全面开放（718B至1B版本矩阵）；MindSpore Science框架强化科学计算功能。
3、科技巨头 Google 2026年资本开支计划提升至1800亿-1900亿美元，管理层明确表示相当比例资金将投向量子计算、机器人、AI药物研发等。 NVIDIA已将AI4S与大语言模型、具身智能并列为AI三大战略方向。 自AlphaFold获诺贝尔奖以来，OpenAI（GPT-Rosalind推理模型）、Anthropic（2025年10月成立医疗健康部门+并购AI生物技术团队+自建湿实验室，宣称"将生命科学研发周期压缩十倍"）也相继切入AI生命科学。 行业仍处早期萌芽成长阶段，总体空间"万亿美元级别"，但绝大多数细分方向的商业化路径尚未清晰。 据预测，AI+生命科学（未来三年）和AI+材料科学（未来五年）未来将率先进入商业化验证阶段，AI+地球科学和AI+能源科学更多处于基础设施建设期。 以AI制药（AIDD）为例，市场目前争议不在于方向，而在于"商业化拐点何时实质到来"。 乐观派认为2026-27年AI制药平台进入规模化授权阶段； 审慎派认为从早期授权到临床成功率验证还有2-3年滞后，当前收入质量仍高度依赖BD首付款，可持续性有待检验。 这条逻辑链的最大前提是：AI原研药物能够通过临床验证——目前几乎所有AI制药公司的高估值，都建立在"AI研发的分子未来临床成功率高于传统方法"这一假设上。 这个假设迄今仍缺乏足够的III期临床数据支撑。Rentosertib是目前全球最接近"证伪或验证"这一假设的项目，2026年下半年启动III期，预计2028-2029年出数据。 一旦该项目或同类AI原研FIC药物在III期遭遇重大挫折，板块估值逻辑将面临系统性重估。