科学发现的第五范式_AI4S从基础模型_算力底座到产业落地_35页_3mb

科学发现的第五范式：AI4S 从基础模型、算力底座到产业落地

核心内容

AI for Science（AI4S）被定义为科学研究的第五范式，它以人工智能为核心驱动力，重塑科研全流程，从文献调研、假设生成、实验设计、计算模拟到结果验证，具备解决复杂科学问题的能力。AI4S 不仅在技术上具备科学机理约束、多模态统一表征、长时序推理三大核心能力，还因技术能力要求高、产出价值大，成为全球主要经济体的战略重点。

主要观点

• AI4S 的价值与趋势：AI4S 是当前大模型迭代的“下一站”，具有高价值落地场景，尤其在生命科学、地球科学、能源材料等领域已有广泛应用。随着技术发展，AI4S 正逐步进入规模化价值变现阶段。

• 模型能力要求：AI4S 模型需具备科学机理约束、多模态统一表征、长周期时序推理与端到端决策能力，以适配科学研究的复杂性和多样性。当前行业正从专用模型向通用科学一体化模型演进，实现“通专融合”。

• 算力需求变化：AI4S 要求新型异构算力架构，融合超算与智算，实现多精度计算、长周期稳定性、双生态软件栈的兼容与协同。中科曙光推出的“曙光8000”十万卡集群，是目前国内领先的全国产算力底座。

• 多领域应用落地：AI4S 已在生物医药、工业仿真、气象环境、农业育种等多个领域实现技术落地，推动从试错实验向预测优先的科研模式转变，形成科学发现与产业应用的闭环。

关键信息

• 科研范式：AI4S 是继实验、理论、计算、数据科学之后的第五范式，代表科学研究的新方向。

• 技术架构演进：AI4S 模型从专用模型、工具增强模型逐步发展为科学基础模型与领域专用模型的融合架构。

• 算力需求：AI4S 需要超算-智算深度融合的异构算力体系，支持多精度计算、长周期任务与复杂数据处理。

• 应用领域：

  • AI制药：覆盖靶点挖掘、分子生成、临床试验等全流程，显著压缩研发周期与成本。
  • 工业设计与仿真：构建“数据+物理”双驱动范式，推动 CAD/CAE/EDA 工具链革新。
  • 气象领域：AI 模型实现业务化预报，提升新能源功率预测能力。
  • 农业育种：借助 AI 实现表型解析、智能环境调控，缩短育种周期，提高品种改良效率。

投资建议与标的

• 模型层：中科闻歌（01956，未评级）、智谱（02513，未评级）。
• 算力层：中科曙光（603019，买入）。
• 应用层：
  • AI制药：剂泰科技-P（07666，未评级）、英矽智能（03696，未评级）、晶泰控股（02228，未评级）。
  • 工业仿真：国能日新（301162，增持）、华大九天（301269，买入）、中望软件（688083，买入）。
  • 气象与农业：托普云农（301556，未评级）。

风险提示

• 政策风险：监管政策可能动态调整，影响 AI4S 发展。
• 技术转化风险：AI 技术在科学场景的转化可能不及预期。
• 竞争加剧风险：随着 AI4S 趋势发展，赛道竞争可能加剧。

行业评级

• 评级：看好（维持）
• 国家/地区：中国
• 行业：计算机行业
• 报告发布日期：2026年08月18日

重要图表与数据

• 图1：科研范式正逐步走向 AI4S 为代表的“第五范式”。
• 图2：AI4S 在诸多领域加速科学研究过程和推动创新。
• 图3：同等性能模型对应的 Token 定价持续下降。
• 图4：药物研发等领域可接受更高的 Token 价格。
• 图5：生物药研发周期长、成本高，AI 能显著降本。
• 图6：AI4S 在能源、材料、地球科学及生命科学等领域有广泛应用。
• 图7：AI4S 模型能力涵盖多模态表征、科学机理约束、长周期推理与决策。
• 图8：上海交通大学提出科学基础模型 + 专项能力实现 AI4S 架构。
• 图9：中科院推出“磐石”科学基础大模型。
• 图10：上海人工智能实验室推出“书生”科学多模态模型。
• 图11：通过科学大模型 + 学科领域模型，磐石可处理多领域科学问题。
• 图12：中科院推出科学多模态统一推理模型 S1-Omni。
• 图13：上海人工智能实验室提出“通专融合” SAGE 架构。
• 图14：中科院推出依托磐石科学大模型的一体化智能科研平台。
• 图15：上海人工智能实验室推出以科学基础模型为底座的一站式科学发现平台。
• 图16：太初元碁推出新一代国产 AI4S 计算平台。
• 图17：中科曙光推出“曙光8000”十万卡超智融合计算集群。
• 图18：中科曙光超智融合方案架构。
• 图19：AI 从小分子药物发现向端到端与多模态应用拓展。
• 图20：靶点发现是药物发现的核心难题。
• 图21：大语言模型在药物靶点发现中的应用。
• 图22：REINVENT4 实现从头分子设计、连接子设计等任务。
• 图23：AI 使得临床试验从传统事后审查走向实时连续审评。
• 图24：Autodesk 生成式 CAD 完整工作流。
• 图25：Autodesk Neural CAD 支持文本驱动生成设计方案。
• 图26：浩辰软件推出 AI 图片转 CAD、AI 设计助手等产品。
• 图27：Ansys 推出 SIMAI 代理模型平台。
• 图28：Ansys 推出 AnsysGPT 仿真助手。
• 图29：Cadence 通过 AI 实现从芯片到系统的整体加速。
• 图30：EDA 的 AI 能力将持续迭代，Agentic AI 将完成 IC 设计任务。
• 图31：广立微构建 AI 赋能的全新产品生态。
• 图32：GraphCast 模型首次证明 AI 气象可对标顶尖传统数值模式。
• 图33：WeatherNext Cyclones 迭代预测全球天气模式和细尺度气旋路径。
• 图34：盘古气象大模型精度超过传统数值预报方法。
• 图35：中科天机研发全球-区域一体化数值气象模式动力内核。
• 图36：国能日新旷冥模型精准服务能源数智化场景。
• 图37：常规育种面临瓶颈。
• 图38：“人工智能+”产业发展内容。
• 图39：AI 赋能植物表型解析。
• 图40：拓扑云农打造智能人工环境缩短育种周期、加速作物品种改良。

表格数据

• 表1：AlphaFold 在生命科学领域取得突出成果。
• 表2：2025 年以来各国政府密集制定政策推动 AI4S 发展。
• 表3：通用大模型与 AI4S 科学智能模型在诸多方面存在不同。
• 表4：科学领域专用模型、工具增强型模型和科学基础模型对比。
• 表5：AI 算力、超算算力以及 AI4S 所需要的算力比较。
• 表6：AI 在临床开发应用快速发展，聚焦数据整合与患者管理。

投资建议总结

AI4S 在科学模型、算力基础设施、产业应用等方面均具备显著投资机会，推荐关注以下领域：

• 模型层：中科闻歌、智谱。
• 算力层：中科曙光（买入）。
• 应用层：剂泰科技-P、英矽智能、晶泰控股、国能日新（增持）、华大九天、中望软件。