锋行链盟推荐阅读
来源：算力产业发展方阵/中国信通院
以下是内容详情
报告系统阐述了科学计算作为科学智能（AI for Science）核心底座的关键作用、产业链生态、技术趋势与市场前景。以下是对报告的深度解读与分析：
一、 科学计算：驱动科研“第五范式”的核心引擎
报告开宗明义，指出在大模型与科学智能时代，高质量数据已成为决定模型能力上限的关键生产要素。然而，受实验成本、周期、合规性等制约，真实数据长期稀缺。科学计算正是破解这一瓶颈的核心路径。
核心定位：科学计算定位于科学智能“数据生成-模型训练-生态反馈”闭环中的数据生成环节。它通过高性能计算（HPC）和高精度数值仿真，在虚拟环境中重建真实科学过程，批量生成机理可信、可控可验证的高质量合成数据，为AI模型训练提供“数据工厂”。
范式变革：报告将“科学智能”定义为继实验、理论、计算和数据密集型科学之后的“第五范式”。在这一范式中，模型驱动的仿真方法与数据驱动的学习方法双向融合，科学计算是支撑这一新范式的机理引擎和可信底座。
与传统超算、AI计算的差异：报告通过对比（见表1）清晰区分了三者：
科学计算：模型驱动，基于理论方程仿真，核心目标是重建真实规律、生成高质量数据，服务于CFD、分子动力学等科研与工程仿真。
AI计算（智算）：数据驱动，基于样本训练，核心目标是提升模型识别与预测能力，服务于大模型训练、图像识别等。
传统超算：侧重通用算力供给，普适性强，但在特定高复杂度科学场景中算效有限。
二、 产业链全景：从硬件基石到场景赋能
报告构建了“上游-中游-下游”的清晰产业链图谱（见图1），并分析了各环节的竞争态势与关键玩家。
环节 | 核心构成 | 主要参与者与现状 |
|---|---|---|
上游：基础设施层 | 基础硬件（CPU、GPU、加速器芯片）、基础软件（OS、编译器、算法库）、配套设备（供电、冷却） | 国际主导：英特尔、AMD、NVIDIA、ANSYS等。国内追赶：华为昇腾、龙芯、飞腾等芯片厂商；银河麒麟等OS；盈建科、霍莱沃等仿真软件企业。核心硬件与高端软件仍存差距。 |
中游：计算平台与服务层 | 1. 整机厂商：系统集成型（中科曙光、浪潮）与软硬件一体化自研型（如思朗科技的“天穹”）。2. 垂类算力企业：面向特定领域（如深势科技、晶泰科技）。3. 公有云算力服务商：阿里云、腾讯云、并行科技等。4. 互联网企业：自用算力体系的技术外溢（阿里、腾讯、百度）。5. 第三方软件厂商：仿真与算法工具（ANSYS、COMSOL；国内有天洑、鸿之微）。 | 关键趋势：从通用集成走向深度垂直优化。思朗科技基于自研MaPU架构推出“天穹”3D科学计算机，是软硬件一体化自研整机的典型代表，通过架构创新实现特定负载的性能跃升。 |
下游：应用场景层 | 1. 政府与公共服务：超算/智算中心运营方。2. 基础科研用户：高校、科研院所、国家实验室。3. 产业研发用户：医药、材料、高端制造等企业研发部门。 | 需求驱动：产业研发需求爆发式增长，成为市场主要引擎。用户需求差异决定了中游交付形态（一体化整机、私有化平台、算力服务）。 |
三、 技术趋势：从通用堆叠到软硬协同的体系创新
报告指出，传统通用CPU/GPU架构面临“算力虚耗、内存墙、通信效率递减”三大瓶颈，科学计算正经历深刻变革。
演进路径：
异构集群：组合CPU、GPU、FPGA等，但带来软件适配与调度复杂性。
专用一体机：针对特定领域深度定制（如美国Anton用于分子动力学），性能卓越但通用性窄。
“软件定义硬件”架构：报告重点提及的MaPU（代数运算处理器）架构是这一方向的代表。它通过底层微架构创新，在保持较好通用性的同时实现极致计算效率，融合了ASIC的高效性与CPU/GPU的灵活可编程性。基于MaPU的“天穹”计算机实现了比传统二维架构超算2-4个数量级的计算加速。
核心门槛：报告总结了五大技术门槛（见表2）：
内核自主研发：底层架构自主可控是基石。MaPU架构的突破是典型案例。
大规模互联体系：解决超大规模并行时的通信瓶颈。
软件生态系统：缺乏配套OS、编译器、算法库和应用软件，硬件将成为“性能孤岛”。
产业应用门槛：与行业仿真软件深度融合、建立“产学协同”反馈闭环。
整机能耗门槛：“性能功耗比”成为关键指标，需芯片级与系统级协同节能。
四、 市场规模：高速增长，结构优化
报告对中国科学计算市场进行了量化测算与前瞻预测，揭示了强劲的增长势头和结构变化。
整体规模：2024年中国科学计算市场规模约为1040.6亿元，预计到2029年将增长至约2759.9亿元，年复合增长率（CAGR）达21.5%（见图4）。
市场结构：正从“硬件主导”转向“硬件+服务”双轮驱动。2024年硬件、服务、软件占比约为50%、38%、12%。未来，随着算力租赁等服务模式普及，服务占比将显著提升（见图5）。
需求侧分布：市场增长由高端制造与硬科技领域强力牵引（见图6）。2024年，高端装备（23.4%）、新材料（20.3%）、集成电路（19.8%）、医药制造（16.3%）、新能源（14.2%） 五大领域合计占比约94%。
技术类型分布：按学科工具划分，CAE（工程仿真）、QM（量子力学）、MD（分子动力学） 是市场规模最大的三类（见图7）。
五、 应用场景：八大领域，价值凸显
报告深入剖析了八大典型应用场景，其中生物医药领域的分析尤为深刻。
生物医药：是科学计算价值兑现的标杆领域。分子动力学（MD） 和分子对接/自由能微扰（Docking/FEP） 是两大核心技术。报告特别指出，百万原子级大体系的微秒/毫秒级模拟是MD领域的核心挑战与产业刚需。美国Anton系列专用超算在此领域保持领先（ANTON2效率达10微秒/天）。中国的“天穹”3D科学计算机实测效率达5-10微秒/天，成功实现了对标与突破，并已推动多款药物进入临床前试验。
其他关键领域：高端装备（CFD/FEM仿真替代物理试验）、集成电路（EDA与计算光刻）、新能源/新材料（电池材料、催化反应模拟）、合成生物（酶设计、代谢通路模拟）、地球科学（气候气象模拟）、低空经济（飞行器设计与空域管理）等领域，科学计算均通过虚拟仿真大幅降低研发成本与周期。
六、 全球视野与中国机遇
全球趋势：科学智能正从“算法工具”走向“科研体系级能力”。报告以美国2025年11月启动的“Genesis创世纪计划”为例，说明其正整合国家级科学计算资源，构建“算力-数据-模型-实验/制造”一体化体系，凸显了国家层面的战略布局。
中国机遇与路径：
市场高速增长：中国是全球增长最快的区域市场，受益于国家战略（如“东数西算”）和产业升级需求。
自主创新突破：以思朗科技MaPU架构和“天穹”3D科学计算机为代表，中国在科学计算底层架构和整机系统上实现了自主可控的重要突破，打破了该领域长期由国外主导的局面。该公司已于2026年初启动IPO进程。
挑战并存：在上游核心硬件、基础软件生态、部分高端工业软件方面，仍需持续追赶。
总结与展望
这份报告清晰地表明，科学计算已超越传统的算力供给，成为国家科技竞争与产业创新的战略制高点。其发展呈现三大核心趋势：
定位升级：从辅助工具变为驱动科学发现与产业研发的核心生产力和高质量数据源头。
技术革新：架构从通用走向专用与软硬件协同，追求极致算效与能效。
产业融合：与生物医药、新材料、集成电路等战略行业深度绑定，价值直接体现在研发效率提升和产业突破上。
对于中国而言，在巨大的市场机遇面前，必须坚持自主创新与开放合作并举。一方面，要大力支持像MaPU这样的底层架构创新，构建自主可控的算力底座；另一方面，需加速构建繁荣的软件生态和应用生态，推动科学计算能力在千行百业落地生根，真正赋能科技创新与高质量发展。
【锋行链盟】
锋行链盟一站式企业全周期赋能平台
已累计服务付费会员超 5000+，构建起高粘性、高价值的企业服务生态。依托由研究院、上市公司高管、创始人、投资人、券商投行、高校及政府机构组成的高端会员生态，为企业提供资源共享、专业人才对接、项目合作及港股 / 纳斯达克上市等全链条服务。
资源共享
汇聚企业、投资机构、政府部门、科研院所等核心资源，实现信息、渠道与机会互通。
项目合作与产业协同
提供产业链上下游匹配、技术合作、政企合作、园区落地、项目路演等合作机会。
专业化上市服务
由资深投行背景团队提供全流程上市辅导，助力企业登陆资本市场：
上市前期筹备
企业上市资质诊断、合规性梳理、财务规范指导、股权架构设计；
上市路径规划
结合企业实际情况，纳斯达克、香港联交所等多板块上市路径分析与选择建议；
中介机构对接
精准对接头部券商、知名律所、会计师事务所、保荐机构，降低沟通成本；
资本运作支持
涵盖上市融资、并购重组、再融资等全流程财务顾问服务，保障上市进程顺畅。
