本白皮书由上海仪电、上海思朗科技、上海市人工智能行业协会于 2026 年 7 月联合编制，聚焦 AI4S（科学智能）与配套算力基础设施，系统梳理行业背景、核心矛盾、国产技术方案、市场现状、落地案例并给出顶层发展建议，核心结论：高质量端到端科研数据集是行业最大卡脖子瓶颈，国产专用超算是生成仿真数据的核心支撑，科学计算与 AI 融合将成为主流科研范式，打造自主可控产业生态是我国科技竞争关键抓手。
一、行业发展时代背景
科研范式迭代：人类科研历经实验、理论、计算、数据密集型四大阶段，现已进入第五范式 AI4S，依靠 AI、大数据、高性能计算实现全自动科学发现，弥补传统科研效率低、难以解析复杂系统、依赖人工建模等短板。
产业颠覆性价值：AI4S 重塑生物医药、新材料研发模式，新药研发周期、新材料试错成本大幅压缩；航空、半导体领域依托仿真显著降低实验与制造成本。
全球战略布局：欧美日将 AI4S 列为国家级科技战略，美国出台 “创世纪计划” 并把科学数据定为国家战略资产；国内依托 “人工智能 +” 行动、十五五规划、八部委专项政策，明确布局科研智能算力与高质量数据集建设，打造世界级科创中心。
二、AI4S 核心概念与核心矛盾
AI4S 完整闭环：分为数据生成、模型训练、产业反馈三环节，科学计算负责产出微观仿真数据，是 AI 模型训练的核心数据来源；AI4S 垂类模型区别于通用大模型，不追求泛化生成，专注解决生物医药、材料领域精准量化产业难题。
三大要素发展不均衡
算力：AI 模型训练算力需求可控，仅分子动力学、量子仿真的数据生成环节存在极端算力缺口；
模型：基于现有大模型微调即可，研发门槛适中，主要短板是跨学科复合型专业人才；
数据：行业首要瓶颈。国内科研数据分散、企业核心研发数据不对外共享，存量数据碎片化、标准化缺失，仅搭建平台无法解决底层数据供给不足；AI 模型性能完全由训练数据质量决定。
高质量数据集核心标准：要求精准无错、全链路端到端覆盖，生物医药需贯通分子到临床数据，新材料覆盖微观结构至产业化应用全流程；白皮书提出逆向构建思路，以上市药物、临床失败药物为基底，搭配仿真补齐微观机理数据，形成包含正负样本的完整数据集。同时数据集建设成本极高、创新门槛大，单一企业无力承担，需要国家统筹推进。
三、算力瓶颈与国产 “天穹” 专用超算方案
通用超算局限性：生物医药长时分子动力学、材料跨尺度仿真计算量极大，通用 CPU/GPU 存在运算效率低、内存与功耗受限、节点通信延迟高等问题；国外 ANTON 专用超算对国内封锁，我国长期缺失大体系长时仿真能力。
全球专用超算格局：美国、日本在生物分子仿真专用算力领域技术领先，欧洲布局 AI 优化超算；国内通用 AI 算力发展快，但材料领域专用整机体系滞后，思朗科技自研 “天穹” 专用超算填补国内生物 MD 仿真算力空白。
天穹三层自研核心技术：以算法全局协同优化为核心，一是自研 MaPU 专用芯片，重构存储、互联、运算架构，大幅提升科学算法执行效率；二是搭建 3D 环形专用组网系统，实现纳秒级低延迟通信；三是底层优化全套仿真软件栈，适配量子、分子、工程多尺度计算需求。
四、市场规模分析
全球 AI4S 市场：2020 年规模 378 亿美元，预计 2035 年接近 5 万亿美元，15 年增长超 130 倍，2025-2030 年复合增速达 60.5%，生命科学、高端制造为两大增长引擎。
国内 AI4S 市场：2020 年 98 亿美元，2035 年预计达 1.8 万亿美元，生物医药、新能源、高端制造是核心赛道。
国内科学计算市场：2025 年规模 1347 亿元，2029 年将增至 2682.8 亿元，年均复合增速 18.8%；下游需求高度集中，高端装备、新材料、集成电路、医药、新能源合计占比 94.1%；按计算类型划分，工程仿真 CAE 占比最高，其次为量子计算 QM、分子动力学 MD。
五、行业典型落地应用案例
公共基建：上海仪电牵头打造爱赛思 OpenAI4S 开放式科学智能社区，整合算力、数据集、仿真工具、科研智能体，搭建产学研协同研发平台，打通理论、计算、实验全链路。
生物医药：谷歌 IsoDDE 引擎迭代 AlphaFold 技术，可挖掘全新药物靶点，与跨国药企达成数十亿美元合作；英伟达联合礼来搭建千卡 GPU 制药 AI 工厂，缩短药物早期研发周期；思朗天穹 sDDE 新药引擎依托国产超算完成靶点识别、分子胶设计，多款候选化合物进入研发阶段。
新能源新材料：巴斯夫使用工业超算优化化工配方、催化反应，研发效率提升 20 倍；字节跳动推出 BAMBOO 分子模拟框架，加速锂电池电解质研发；思朗基于天穹超算构建上万组电解液高精度仿真数据集，支撑材料 AI 模型训练。
高端制造与半导体：波音依靠数字化仿真大幅削减风洞试验次数，缩短新机研发周期；台积电搭载英伟达计算光刻平台，大幅提升先进制程光刻仿真效率。
六、总结展望与政策行动建议
行业整体判断
科学计算与 AI4S 融合是下一代主流科研范式，能够破解各行业底层科学难题、赋能新质生产力；全球市场长期高速增长，自主可控的算力、数据、软件全产业链是我国科技自立自强的战略必争领域，当前核心短板集中在标准化端到端科研数据集与国产专用超算生态。
政策落地建议
建设国家级科学数据中心，将生物医药、新材料端到端数据集纳入重点建设，统一行业数据标准；
依托东数西算算力枢纽，增设适配分子、量子、工程仿真的专用异构算力集群；
设立 AI4S 揭榜挂帅专项，以产业真实技术难题为导向，推动企业、高校、科研院所联合攻关；
持续扶持国产专用芯片、整机、仿真软件研发，打破海外算力与软件垄断；
完善交叉学科人才培养，搭建开放共享科研生态，降低中小企业科研智能使用门槛。
文琳编辑
免责声明：转载内容仅供读者参考，观点仅代表作者本人，不构成投资意见，也不代表本平台立场。若文章涉及版权问题，敬请原作者添加wenlin-swl 微信联系删除。
为便于研究人员查找相关行业研究报告，特将2018年以来各期文章汇总。欢迎点击下面红色字体查阅！
提供每日最新财经资讯，判断经济形势，做有价值的传播者。欢迎关注
公众号：就业与创业
提供宏观经济下的行业现状及区域地方经济发展机遇的信息；分享案例，为就业与创业的选择、定位解决疑惑，并提供帮助。
