科研 AI
报告日期：2025 年 3 月
1 三秒看懂：科研 AI 的本质与雄心
科研 AI 不是某个单一算法的简单落地，而是一股将人工智能——尤其是深度学习、生成式模型与大语言模型——作为新工具、新范式，系统性地注入基础科学研究全流程的颠覆性浪潮。它覆盖生命科学、材料、物理、化学、气候、数学乃至天体物理，目标远不止于“帮科学家省时间”——它要成为科学假设的提出者、实验路径的规划者、新知识的共同创作者，以及自然界隐藏秩序的解码者。
其核心图像是：让 AI 长出“眼睛”来观测人类无法直观感知的高维数据空间，再赋予它一个“脑”来推理因果、反向设计、跨越尺度联想。过去，一个药物分子从先导化合物优化到候选分子，需要十几年与数十亿美元；今天，AI 驱动的闭环流程有望将这一周期压缩一半，成本降至十分之一。在材料领域，传统“试错-修正”的循环已被“性质预测-逆向生成-自动化合成”取代，具备指定带隙、机械强度或催化活性的新材料可以在几天内被设计出来。
一句话：科研 AI 让人类探索未知科学边界的运动方式，从“步行”跨入“飞行”时代。它的终极野心是实现“AI 科学家”——一个能够在特定领域自主提出问题、设计实验、解读结果并迭代理论的智能体。这一愿景虽然遥远，但其雏形已经在蛋白质结构预测、数学猜想性证明和自驱动材料实验室中出现。
2 三分钟产业解释：从“计算辅助”到“AI 驱动”的范式革命
表面上看，科学计算与 AI 结合并非新事。过去数十年，计算机主要承担物理模拟与数值求解的角色——无论是密度泛函理论（DFT）计算电子结构，还是分子动力学模拟蛋白折叠。这类方法的本质，是在已知物理定律边界内跑程序，受到维度灾难、时空分辨率与昂贵计算成本的扼制。
科研 AI 带来的深层变革，在于从“计算辅助”迈向“AI 驱动”。它不再单纯解方程，而是从海量、异构、高噪的科学数据中直接学习隐藏规律、提出可验证假设、逆向创造新实体，并在实验环境中自主验证。这从根本上重塑了科研流程，使其由经典的“观察-假设-验证-理论”线性路径，转变为“数据-模型-洞察-验证-再学习”的螺旋式演进。
2.1 产业背景：三浪叠加
这场革命受三大力量共同推动：
数据海啸：人类科学进入了数据密集时代。基因测序成本降至不足 1000 美元/人，英国生物库（UK Biobank）已收集 50 万人多组学数据；同步辐射光源、冷冻电镜和高通量实验每年产生 PB 甚至 EB 级数据。这些数据量已远远超过任何个人或团队的“手工”分析极限，为 AI 模型提供了前所未有的燃料。
算法引擎升级：以 Transformer 为核心的架构席卷了序列到物理世界的各个角落。图神经网络（GNN）让分子与晶体结构学习成为可能；扩散模型与流匹配在生成任务中超越传统方法；物理信息神经网络（PINNs）将微分方程直接嵌入学习过程；等变网络则将三维空间的几何对称性锻造成归纳偏置。这些进步使 AI 能处理结构化、非结构化，甚至在极端稀疏标签下的科学数据，捕捉人类难以靠直觉把握的复杂关联。
算力与软件栈成熟：千卡级 GPU/TPU 集群的高速互联、专为科学计算优化的库（如 Open Catalyst、DeepChem、DGL、PyTorch Geometric）以及预训练模型权重的开放，让训练数十亿参数的科学大模型成为可能。云计算和联邦学习也加速了学界与产业界的合作，降低了进入门槛。
2.2 产业全价值链重构
科研 AI 正在重塑从基础研究到产业落地的每一个环节：
- 上游——科学数据：数据获取、标准化、清洗、标注以及数据治理规则成为核心瓶颈和壁垒。谁拥有高质量、体系化的科学数据库（如 Materials Project、Protein Data Bank），谁就掌握源头优势。
- 中游——模型与平台：包括面向科学的 AI 基础模型、专用芯片架构（如支持等变运算的加速器）、自动化实验控制软件，以及支持高通量计算的云平台。此层是技术密集与资本密集的汇聚点。
- 下游——应用与产品：AI 驱动的药物发现与临床试验优化、材料逆向筛选与设计、储能方案、先进半导体工艺、气候预测，以及数学定理证明、引力波探测等前沿基础科学应用。
2.3 科学家角色的跃迁
科学家的核心职能随之发生深刻转变：从“一线操作员”变为“科学问题的定义者、AI 产出的裁判者和人机协同系统的设计师”。未来的顶尖实验室管理者，不仅要懂领域知识，更需要具备“与 AI 协作”的元技能，懂得如何向基础模型提出正确问题，并设计实验来检验 AI 的猜想。
3 技术原理：科学世界的内在对称性、物理约束与数据驱动融于一炉
科研 AI 的技术基底，是将科学世界的结构对称性、严格的物理定律与数据驱动的表征学习能力深度融合，解决传统方法在面对高维、非线性、多尺度、标签稀疏等问题时的困境。
3.1 全局架构
一个典型的先进科学发现系统，其计算引擎可被概括为以下流程：
graph TD
A[重大科学问题] --> B[多模态数据获取与表征]
B --> C{核心AI模型层}
subgraph C [核心AI模型层]
C1[等变图神经网络
分子/晶体/蛋白质]
C2[Transformer与大语言模型
序列/文献/多模态]
C3[扩散/流匹配模型
逆向生成与设计]
C4[物理信息/PDE嵌入网络
方程约束与求解]
C5[主动学习与贝叶斯优化
实验设计]
end
C --> D[科学输出与认知]
D --> E[候选分子/材料结构]
D --> F[隐含物理规律/相互作用图谱]
D --> G[最优实验方案与条件]
G --> H[自动化实验验证]
H -- 迭代反馈 --> A
其工作机制深度解析如下：
3.2 对称性与等变性：让网络“懂”物理
蛋白质、分子和晶体存在于三维空间，它们的势能面与性质应当独立于分子旋转、平移和反演。顶尖模型如 Allegro、MACE、Equiformer 等，将 E(3) 群的等变性直接编码进网络结构：当输入几何发生旋转时，网络输出（如力场或能量）按相同规则变换。这一设计不仅极大提升了数据效率，还天然保证了预测的物理一致性，避免了数据增强带来的冗余。
3.3 生成式逆向设计：从条件到实体
传统材料或药物发现本质是“正向筛选”——从海量候选分子库中，通过计算筛选得到满足指标的少数分子。生成式逆向设计翻转了这一逻辑：扩散模型或流匹配模型从随机噪声出发，在接受“化学条件信号”（如目标带隙 1.5 eV、对某靶点结合亲和力优于 10 nM）的引导后，逐步去噪，直接输出具有指定性质的全新分子结构。这种方式绕过了组合爆炸，使得探索化学空间的能力跃升几个数量级。
3.4 物理损失函数与科学机器学习
物理信息神经网络（PINNs）将偏微分方程（如纳维-斯托克斯方程、薛定谔方程）作为神经网络训练的约束项或正则化项。这让模型在数据稀疏区域（如裂纹尖端或湍流边界层）依然遵循第一性原理，不仅能够求解正向问题，还能从观测数据中推断未知参数甚至恢复隐含场——这为气候建模、流体动力学与量子问题提供了统一的解决方案。
3.5 自监督预训练与少样本泛化
模仿语言模型中的 BERT 与 GPT，科研 AI 构建了“分子 GPT”“蛋白 BERT”等基础模型。在十亿级别无标号分子构象数据上完成掩码重建或对比学习预训练后，这些模型将化学空间编码为高维连续表示。下游的任务，如毒性预测或溶解度分类，仅需数十个标记样本微调就能达到此前数百个样本训练的精度，这对于数据极度稀缺的科研领域意义深远。
4 核心驱动力深度解读：数据、算法、算力三角
科研 AI 呈现爆发式增长，根源在于数据、算法、算力三大要素同时迎来临界点，并形成强烈的正反馈循环。
4.1 数据：从稀缺到洪流
实验技术的进步使科学数据呈现指数级增长。第三代基因测序、空间转录组学、原位冷冻电镜等技术每天产出多维、多尺度的海量数据。但同时，科学数据存在严重的异构性、噪声、缺失与样本不平衡。产业的关键瓶颈不再是“有无数据”，而是“能否构建高质量标注、标准化的科学数据集”。因此，围绕数据清洗、主动学习标注策略、联邦数据共享协议的企业正在成为细分赛道的核心壁垒。许多顶级 AI 药物发现公司（如 Recursion、Insilico Medicine）的价值，一半在其模型，一半在其专属的、可被系统化扩增的生物学数据引擎。
4.2 算法：几何、序列与物理的深度融合
算法不再是简单的 ResNet 或 GBDT 迁移。新一代架构呈现出三大融合趋势：序列建模与结构理解的统一（如 AlphaFold 使用 Evoformer 同时处理多序列比对与对距离的几何约束）、物理对称性的原生实施（等变网络、群卷积）、概率生成与大语言模型的结合（如用 LLM 解析科学文献并生成实验方案，再结合扩散模型设计分子）。这些算法的通用性使得一个在蛋白质上训练的等变网络，稍作调整即可用于小分子或晶体。
4.3 算力与专用生态
高端 GPU 集群让训练百亿乃至千亿参数的科学基础模型成为现实。例如，微软的 AI4Science 团队与英伟达合作，为分子动力学部署数千块 A100/H100 进行毫秒级模拟。同时，出现了面向科学计算的领域专用架构趋势，例如支持高效球谐函数运算和张量积的硬件，或专为图稀疏通信优化的互联网络。更关键的是，软件生态的成熟——PyTorch Geometric、JAX MD、DeepMD-kit 等工具大大降低了科学家构建模型的门槛，促进“AI 平民化”。
5 关键算法框架一：等变神经网络与图世界
自然界的基础构造单元（原子、分子、蛋白质、晶体）天然具有空间几何结构。等变神经网络因此成为科研 AI 的支柱之一。
5.1 图表示与消息传递
分子可视为原子为节点、化学键或空间邻近为边的图。图神经网络通过多层消息传递，聚合邻居信息以更新节点表征，从而捕捉局部化学环境。然而，经典 GNN 对三维方向不敏感。等变网络则通过球谐函数展开和高阶张量积，使得消息不仅包含距离，还包含精确的方向信息，并确保所有表征在旋转下实现预定方式的变换——这就是“等变性”。
5.2 代表模型与突破
- NequIP / Allegro / MACE：通过高精度的等变消息传递，构建分子力场，仅用数百个 DFT 计算数据进行训练，便可达到从头计算级别的精度，且速度高出几个数量级。
- Equiformer：将 Transformer 注意力机制与等变特性结合，在蛋白质-配体相互作用与催化剂筛选任务上取得顶尖成绩，展示了“注意力+等变”的巨大潜力。
- SE(3)-Transformers 及其变体：直接处理点云，可用于粒子物理与天体模拟。
这些模型不仅加速模拟，更成为了生成式模型的 backbone。当逆向设计新分子时，等变网络能保证生成的分子在几何上物理合理（键长、键角不畸形），显著提高生成物的合成可行性。
6 关键算法框架二：生成式 AI 与逆向设计
生成式模型将化学空间探索从“寻找针”变为“制造针”。核心技术链路包括变分自编码器、生成对抗网络、自回归模型、扩散模型与流匹配，其中后两者当前占据主导。
6.1 扩散模型：逐步雕刻分子
扩散模型通过前向过程向数据添加噪声，再学习反向去噪，从高斯分布中恢复出合理样本。在科研中，条件扩散模型接受性质标签（如 HOMO-LUMO 能隙、水溶性、生物活性），引导生成过程。EDM、GeoDiff 等模型直接在三维原子坐标上运行，与等变网络结合，确保生成结构的物理合理性（如手性保持）。扩散模型的一大优势是能够产出多样化的候选集，覆盖广阔的化学空间，避免了单一点估计的局限性。
6.2 流匹配与 SE(3) 生成
流匹配通过连续归一化流构建从简单分布到复杂数据分布的精确映射，具有训练更稳定、采样速度更快的潜力。其与等变网络的结合还可以保证生成概率密度在旋转下不变，这对生成晶体材料或蛋白质主链至关重要。RFdiffusion 等利用流匹配在蛋白质骨架设计上取得突破，产生了自然界中未曾见过的、具有高度可折叠性的全新蛋白质。
6.3 多目标优化的挑战
科学研究中往往需要同时优化多个相互拮抗的性质，如药物的高活性与低毒性、材料的高强度与良好韧性。单一条件生成难以满足，业界正引入基于强化学习的反馈优化（使用 AI 评分器作为奖励模型）和帕累托前沿学习框架，使模型能够自动探索多目标约束下的最优化学空间区域。
7 关键算法框架三：物理信息网络与科学机器学习
许多物理现象由偏微分方程（PDE）描述。然而，高维 PDE 的数值求解存在维度灾难，且边界条件和参数的获取常常不完备。科学机器学习（SciML）将知识与数据融合，提供了一条新路。
7.1 物理信息神经网络 (PINNs)
PINNs 将 PDE 的残差作为额外损失项加入网络训练。一张网络即可同时表示场量（如速度、压力、温度），并满足控制方程。其创新性应用包括：从稀疏速度测量数据中重建全流场、从 MRI 数据反演材料弹性模量、从疫情数据推断传染病模型的隐含参数。PINNs 的优势在于无网格、无缝融合观测数据与第一性原理，非常适合反问题。
7.2 算子学习与高效仿真
傅里叶神经算子（FNO）和 DeepONet 学习无限维函数空间之间的映射，即学习 PDE 的解算子。一旦训练完成，对于新的输入函数（如不同渗透率场），可在毫秒级时间内预测全解，速度比传统有限元方法快数万倍。这被用于二氧化碳封存模拟、天气预报（如英伟达 FourCastNet）及工程优化。
7.3 混合建模与灰盒系统
在工业场景中，纯黑盒模型难以被信任。最新的实践是将已知的物理机理（如质量守恒）作为“骨架”硬约束，而用神经网络仅去拟合未知的闭合项（如湍流雷诺应力）。这种灰盒模型既保证了外推的可靠性，又在数据驱动下捕捉复杂效应，成为工业数字孪生中的核心技术。
8 科学基础模型：迈向统一的多模态科学智能
大语言模型（LLM）的成功启发人们构建能够处理多模态科学数据的统一基础模型，它们被期望在一个模型内执行文献理解、结构预测、实验规划等多项任务。
8.1 分子与蛋白基础模型
- 分子 GPT 类：如 MolGPT、ChemGPT，在数十亿分子 SMILES 或图结构上使用自回归预训练，学习化学语言语法。微调后可用于性质预测、逆合成路线规划。
- ProstT5、ESM 系列：在成亿蛋白质序列上训练，捕获了进化信息与结构约束。ESM-2 可直接从单一序列预测三维结构，并产生高分辨率蛋白设计。ESM-3 更进一步，将序列、结构、功能统一在一个生成框架内。
- 跨域基础模型：微软的 BioGPT、DeepMind 的 AlphaFold 均展现出跨蛋白质、核酸到小分子的能力。最新的趋势是使用Token化一切科学实体（原子、残基、SMILES、光谱、图像）的范式，在统一 Transformer 下进行掩码预训练，构建“科学 GPT”。
8.2 科学文献挖掘与知识整合
LLM 已能阅读和理解数百万科学论文。通过检索增强生成，模型可回答跨材料、催化、生物医学的前沿问题，甚至指出文献中的矛盾并提出新的假设。例如，利用 Graph RAG 将论文中的化合物、性质、关系构建为知识图谱，再由 LLM 进行推理，可辅助发现新药靶点或材料配方。
8.3 自主实验室与智能体
基础模型正在进化为科学智能体，结合执行代码、调用 API、控制实验室设备的能力。例如，在化学合成中，智能体可根据目标产物调用逆合成预测器、价格数据库与机器人臂，自动下单试剂、规划步骤并执行合成。这种人机协同的“闭环智能体”正被视作科研 AI 的下一圣杯。
9 数据基础设施：科研 AI 的氧气和护城河
如果说模型是发动机，数据就是燃料与润滑剂。当前，数据基础设施的健全程度直接决定一个国家或企业在科研 AI 竞赛中的后劲。
9.1 高质量数据库的稀缺性
科研数据分公共、半公开与专属三层。公共库如 Protein Data Bank、Materials Project 和人类蛋白质图谱，已成为全球 AI 训练的公共知识底座。但这些数据往往存在采样偏差（偏向已发表“正面”结果）、注释不完整、格式不统一等问题。构建经过严格清洗、标准化、版本化的“黄金数据集”，需要大量领域专家与数据工程师协作，是沉没成本极高的壁垒。例如，Open Catalyst 项目耗费了数百万 GPU 小时计算 2 亿个催化界面吸附能，这种独家数据集使后续的模型创新拥有了强大的训练和基准测试基础。
9.2 主动学习与数据高效获取
实验产出数据昂贵，因而主动学习成为关键策略。模型不被动接受所有数据，而是主动选择最有信息量的下一个实验。贝叶斯优化和不确定性估计方法被用于指导合成化学家或自动化实验室，在极少的实验迭代内找到最优条件。这种策略使数据生产从“撒网”变为“钓鱼”，大幅降低发现成本。
9.3 数据飞轮与联邦生态
领先企业正构建“数据飞轮”：AI 预测 -> 定向实验 -> 实验结果自动回注训练集 -> 模型升级 -> 更精准预测。这种闭环一旦转动，就会产生难以复制的先发优势。与此同时，为兼顾数据隐私与合规，联邦学习技术被引入多机构联合建模，使多家制药公司能够在共享一个安全、加密的全局模型的同时，不暴露各自的敏感患者数据或化合物库，构建科研数据的协作网络。
10 应用纵深一：生命科学与药物发现
生命科学是科研 AI 商业化最前沿、资本密度最高、成果最显著的领域。
10.1 靶点发现与验证
通过分析基因组、转录组、蛋白质组等多模态数据，AI 能够识别疾病相关的全新靶点。例如，利用图神经网络融合蛋白质-蛋白质相互作用网络和单细胞数据，筛选出拓扑上关键、且可成药的节点。在此基础上，自然语言处理技术对海量文献与临床试验数据进行挖掘，交叉验证靶点与疾病的因果性，极大降低靶点验证失败的风险。
10.2 苗头化合物发现至先导物优化
传统高通量筛选（HTS）耗费数月至年，命中率低。AI 模型能利用数十亿级虚拟分子库，在数天内筛选并排序出最具成药潜力的分子。扩散模型和分子生成模型直接设计结构新颖、满足多参数优化（活性、选择性、ADMET、可合成性）的先导物。以 Insilico Medicine 为代表，其 AI 发现的抗纤维化新靶点的全新小分子从靶点发现到提名前临床候选仅用 18 个月、花费约 260 万美元，远低于行业平均的 42 个月和数千万美元。
10.3 蛋白质设计与合成生物学
AI 正赋予人类“编写蛋白质代码”的能力。利用基于扩散或流匹配的骨架生成网络，可以设计具有全新折叠方式的蛋白，用于催化非天然反应、靶向特定癌细胞或作为分子机器。在合成生物学中，AI 被用于设计基因回路、优化代谢通路，以实现精准发酵生产高价值化合物。
11 应用纵深二：材料科学与化学
“材料基因组计划”早已提出，而 AI 将其扩展到全新维度：不仅是材料表征，更是材料创造。
11.1 材料正向筛选与性质预测
利用图神经网络或等变网络，可以从巨大虚拟材料空间（如包含数百万种钙钛矿、MOF 或合金）中，快速预测其电子带隙、弹性模量、热导率、离子电导率等关键性质。筛选后的 top 候选再进入 DFT 精细计算，使计算资源节省 99% 以上。这已被广泛应用于固态电解质、光伏材料和热电材料的开发。
11.2 逆向设计与新型材料创造
扩散模型能够直接生成具有指定表面催化活性或磁矩的催化剂表面。在合金设计中，AI 逆向设计已产出具有极高温蠕变强度的高熵合金，被用于航空航天发动机。更重要的是，生成式 AI 开始探索远离已知材料的全新化学计量比，而人类直觉从未考虑过这些区域，这开启了发现规则破缺型材料的可能性。
11.3 化学反应与合成规划
逆合成分析是化学的核心。基于 Transformer 和 GNN 的模型（如 Chematica）能够在数百万已知反应规则中搜索出多条可行路线，并综合成本、毒性、收率进行排序。结合自动化合成平台，AI 可自主优化反应条件（温度、溶剂、催化剂），在连续的参数空间中快速找到全局最优，大幅缩短工艺开发周期。
12 应用纵深三：物理、气候与天体物理
从最微观的粒子到宏观宇宙，AI 正重塑物理科学的认知边界。
12.1 量子多体问题与模拟
求解多电子薛定谔方程是理解化学和材料的基础。变分蒙特卡洛与神经网络结合产生的神经量子态，通过深度学习波函数 ansatz，实现了在精度与计算量之间更好的平衡（如 FermiNet、PauliNet）。这不仅有助于精确计算分子能谱，还为理解高温超导等强关联体系提供了新数值工具。
12.2 天气与气候预测
传统的数值天气预报依赖大型超级计算机。基于傅里叶神经算子和视觉 Transformer 的模型（如英伟达 FourCastNet、华为盘古气象）已能在几秒内给出 10 天全球预报，准确率可比肩甚至局部超过 IFS 系统，且成本降低千万倍。气候模型同样受益，AI 通过学习次网格物理过程（如云微物理、对流）的闭合项，可显著提升长期气候预估的可信度。
12.3 天文与粒子物理
AI 已深度参与引力波探测信号的实时去噪与波源分类、快速射电暴识别，以及大型强子对撞机中稀有事件触发。在宇宙学中，AI 驱动的模拟和逆问题求解加速了暗物质分布图的生成，以及从弱引力透镜数据中提取宇宙学参数。无监督异常检测算法同样被用于寻找超出标准模型的新物理信号。
13 应用纵深四：数学与基础科学发现
数学是高度逻辑的领域，但 AI 正通过模式识别和大语言推理，介入猜想提出与定理证明。
13.1 符号回归与规律发现
通过稀疏回归和神经网络结合，AI 从观测数据中发现简洁的数学表达式（如牛顿定律、薛定谔方程）。这使得研究者能从实验数据中自动提炼出守恒量和控制方程，对于研究新体系（如复杂流体、生命系统的集体行为）具有启迪意义。
13.2 定理证明与数学认知
DeepMind 的 AlphaGeometry 解决了国际数学奥林匹克几何问题，接近人类金牌水平。它通过合成数百万个定理来训练神经语言模型，再与符号推理引擎协同。在算子代数、组合数学等领域，AI 开始为数学家提供有洞见的猜想和反例，真正扮演了“数学协作者”角色。
13.3 基础物理中的概念关联
机器学习还在弦理论、散射振幅计算中发现了新的数学结构。通过对大量解析结果进行训练，神经网络提出新的对偶关系与代数结构，为理论物理学家提供全新视角。
14 竞争格局与产业生态
全球科研 AI 正呈现产学研高度协同、巨头与初创齐头并进的格局。
14.1 国际巨头的平台化战略
谷歌 DeepMind 以其 AlphaFold、GNoME、AlphaGeometry 等里程碑研究定义了领域高度；微软设立 AI4Science 研究院，创建大型科学基础模型并构建云计算工具链；英伟达不仅提供硬件，更通过 BioNeMo、Earth-2 等平台提供预训练模型和微服务。这些巨头正利用平台化优势，试图建立科学 AI 时代的操作系统。
14.2 独角兽与初创公司
药物发现方面，Recursion、Insilico Medicine、Exscientia、BenevolentAI 走在前列，多已管线进入临床。材料方面，Citrine Informatics、MaterialsZone 提供材料信息学平台。实验自动化方面，Arctoris、Synthace 等打通软硬件闭环。此外，针对科学文档、知识图谱和实验室物联网的创业公司也日趋活跃。
14.3 中国的科研 AI 力量
中国在科研 AI 上有独特的体制优势（大科学装置集中）和数据规模优势。华为盘古在气象大模型上取得突破；深势科技推出 DPA 系列势函数与药物设计平台；多家 AI 制药企业（晶泰、英矽智能）已在全球布局。中科院体系也在积极推动“科学智算”平台建设，旨在打破数据孤岛，推动统一模型发展。
15 挑战、展望与投资思考
尽管前景光辉，科研 AI 仍面临诸多结构性挑战，而这些挑战本身也指出了未来十年的演进方向。
15.1 可解释性与可信度
黑盒模型在高风险决策（如临床试验准入、核材料研发）面前仍面临信任危机。可解释 AI、因果推断和不确定性量化是必须攻克的关键技术，否则科学共同体的采纳将受阻。
15.2 数据孤岛与标准化
实验室数据的大量沉默、负面结果的缺失、跨模态对齐的困难，仍形成巨大的隐性成本。推动 FAIR 数据原则（可发现、可访问、可互操作、可复用）及构建全球化的数据联盟，是公共规划和产业发展的当务之急。
15.3 跨尺度模拟与统一范式
现实世界是多尺度、多物理场耦合的（如催化中电子转移-扩散-反应器尺度流动）。当前 AI 模型多为单尺度单领域，构建能跨尺度无缝传递信息的统一科学基础模型，是下一个巨大挑战。
15.4 投资逻辑
科研 AI 投资呈现“资本密集、长周期、高壁垒”特征。最受关注的是拥有专属高质量数据飞轮的生物技术公司，以及具备颠覆性基础模型能力的平台型公司。硬科技基金和 CVC 正加大布局，重点关注那些将 AI 与自动化硬件、自驱动实验室深度结合的企业，因为它们能够形成“实物资产+数据+模型”三重护城河。
展望未来十年，科研 AI 将从“点状突破”走向“系统集成”，从“工具赋能”走向“科学伙伴”。在材料、药物、能源、气候等关乎人类命运的领域，AI 将不再只是加速器，而是重新定义可能性的第一性原理。能够把握这一变局，在数据资产、算法创新与跨学科人才三方面建立优势的国家与组织，将站在下一场科学革命的潮头。