北美科技大厂近期密集加码AI4S（AI for Science，AI 科学研究），释放出明确的产业信号。OpenAI 已招聘生命科学领域 FDE，下一代模型 Astra 被定位为科研模型；Anthropic 成立科学团队并获诺奖人才加盟；Google 凭借 AlphaFold 深厚积淀持续推进；亚马逊 AWS 上线集成 40 余个生物模型的 Amazon Bio Discovery。
与此同时，产业验证的里程碑开始落地。由 AI 发现并设计的 Rentosertib 于 2026 年 7 月进入 III 期临床，晶泰科技 2025 年实现首次全年盈利，AI 发现药物的临床成功率有了第一批同行评审统计。
财联社 VIP 特联合蜂网火线直连"AI4S"领域专家，讨论 AI4S 产业阶段判断与产业链的兑现路径。
专家：AI4S 更准确的位置是产业化早期，从商业订单向临床 / 工业验证过渡，即从 0 → 1 进入 1 → 10，但远未到 10 → 100 的全面渗透期。从行业应用来看，医药走得最远，材料紧随其后，气象是例外—— AI 预测已进入生产型服务场景。
当前 AI 工具化已大面积发生，比如 ClaudeScience 已作为科研工作台 Beta 推出，英伟达与礼来在建设 24/7 持续学习系统。不过最大的瓶颈不是增加模型参数，而是高质量、端到端、标准化、可持续产生的数据。行业瓶颈正在迁移：2022 – 2024 年是模型能力不足，2024 – 2026 年是数据与工具整合不足，2026 年以后物理实验、临床与工业验证成为瓶颈。
问题二：哪些国际 AI 大厂有所投入，有什么具体的方向？
专家：国际大厂已分化为三条路线，谷歌 / 微软主攻科学模型（AlphaFold 数据库覆盖超 2 亿蛋白结构、服务超 300 万研究者；MatterGen/MatterSim 完成材料 " 生成—模拟—实验 " 闭环），OpenAI/Anthropic 主攻科研智能体与工作流，英伟达主攻算力与物理实验基础设施（与礼来设立 5 年最高 10 亿美元联合实验室）。
三条路线可以概括为：谷歌 / 微软回答 " 自然世界是什么、什么分子和材料可能存在 "，OpenAI/Anthropic 回答 " 科研人员如何让 Agent 组织整个科研流程 "，英伟达回答 " 这些模型、Agent 和机器人运行在哪里 "。2026 年的竞争重点已从大模型参数转向科学模型 + 专业工具 + 数据 + 实验执行 +Agent 编排。
问题三：AI 制药的经济价值能否量化体现，是否对 CXO 企业形成利好？
专家：经济价值已经可以量化，但目前被证明的主要是临床前效率和 I 期临床阶段。比如，Recursion 平台先进项目平均约 17 个月、合成约 330 个化合物形成 development candidate，其引用的行业比较值为约 42 个月和超 2500 个化合物，相当于合成数量减少约 87%、时间减少约 60%。
对 CXO 的利好不是 "AI 替代实验 "，而是短中期很可能出现的 " 实验需求通胀 "。AI 能廉价地产生更多靶点、序列、蛋白和候选分子，但这些预测仍需合成、蛋白表达、活性检测、DMPK、药效、毒理、模式动物和 CMC 验证。目前泓博医药、皓元医药、百普赛斯已有明确的 AI 业务证据。
真正的公式是：CXO 增量需求≈ AI 创造的新项目数量增长 × 每项目进入湿实验的概率 × 每次实验价值 AI 带来的单项目实验降本。能否受益，取决于项目总数的增长能否超过单项目的降本。
同时存在反向风险：AI 可能压低按人头计费的低附加值药化工作价值，受益最大的未必是员工最多的 CRO，而是机器人化、高通量化、数据标准化程度最高、能形成自有数据飞轮的平台。
问题四：随着 AI4S 渗透率的提高，增量订单首先会落到哪一段链条？
专家：未来 1 – 2 年最确定的传导路径是：更多 AI 设计→更多候选物需要现实验证→合成 / 蛋白 / 试剂与药物发现 CRO 先放量→ DMPK/ 动物 / 毒理随后放量→ IND 增加→ CDMO 和临床 CRO 再放量。
从产业链受益映射来看，药石科技（分子砌块）、义翘神州（蛋白 / 抗体试剂）、百奥赛图（模式动物）、奥浦迈（培养基）、康龙化成（一体化承接）、凯莱英（CDMO）、毕得医药（砌块 / 试剂）都属于这一环节。
问题五：除了医药之外，AI4S 还在哪些领域有所应用？
专家：材料科学最接近第二增长极：谷歌 DeepMind 的 GNoME 已预测 220 万种新晶体、约 38 万种被认为稳定，把材料发现从逐个试错变成大规模机器搜索；微软完成 " 生成—模拟—实验 " 闭环，MatterGen 生成的 TaCr O 实测性质与设计目标误差低于 20%，MatterSim 筛出的 TaP 真实合成后热导率 152W/m/K，材料 AI 第一次具备与 AI 制药 "PCC →临床 " 相似的模型→实体样品→实测性能证据链。
气象领域商业化最快，因为不存在药品审批或产线认证瓶颈：WeatherNext2 用单个 TPU 一分钟内生成数百个预测情景、较上一代快 8 倍，已进入 EarthEngine、BigQuery、VertexAI 及谷歌多项产品。
半导体方向，EDA 优化与物理仿真的工具化已成熟；能源 / 电池方向处于工业概念验证阶段，材料导入通常还需 2 – 5 年认证周期。
从商业化难度排序：AI 原生新药获批 <AI 材料工业量产 < 材料研发服务 < 科研工作流智能体 <AI 制药发现工具 < 气象 / 计算型科学。
风险提示 : 财联社 VIP 均为内容资讯产品，并非投资建议，栏目发布的所有内容仅供参考据此做出的任何投资决策与本公司及栏目作者无关。
购买提醒：专栏资讯产品为虚拟内容服务，一经订阅成功概不退款，请您理解。
若您对付费产品感兴趣，可通过下图扫码添加财联社 VIP 官方客服，了解财联社 VIP 资讯栏目特点，找到适合您的投资资讯。
