AI for Science 科学智能观察（2026-Q4）

发布机构：中教开源创新研究院 数据截止：2026-10-21

本观察按生命科学、物质科学、地球与环境科学、科研智能体与科学评测五个方向， 梳理科学智能的模型、工具、数据与评测，给出开放度、适用边界与选型参考， 不做单一模型跑分排名。

1. 一、核心判断

本期收录 19 个条目：公开/开源 17 个，闭源/专有 2 个；中国方案 1 个。科学智能从单一结构预测扩展到分子设计、材料生成、天气气候与实验自动化；开放权重与开源工具降低复现门槛，但数据许可、评测口径与实验验证仍是主要瓶颈。

2. 二、分层观察

生命科学与药物设计

• AlphaFold 3：蛋白质、核酸、配体与离子复合物结构预测模型，推动结构生物学与药物设计。 优点：复合物覆盖广。 限制：参数与商用受限。
• Boltz-2：开源结构预测与结合亲和力模型，面向蛋白-配体复合物与药物发现。 优点：开源可复现。 限制：精度与商用模型仍有差距。
• OpenFold3：开源蛋白质结构预测实现，面向训练复现与科研二次开发。 优点：开源可训练。 限制：工程复杂度高。
• ESM3：蛋白质语言模型与生成式蛋白设计工具，支持序列、结构与功能条件生成。 优点：蛋白生成能力强。 限制：社区许可有商用限制。
• RoseTTAFold All-Atom：全原子结构预测模型，覆盖蛋白、核酸、小分子与金属离子。 优点：全原子覆盖。 限制：许可证需核对。

材料与化学

• MatterGen：生成式无机材料设计模型，可按化学组成、对称性与性质条件生成候选材料。 优点：条件生成能力强。 限制：可合成性与稳定性仍需实验验证。
• MatterSim：材料原子模拟基础模型，面向势函数、分子动力学与性质预测。 优点：原子模拟精度高。 限制：体系覆盖需验证。
• GNoME：大规模材料发现模型，公开了大量候选稳定材料数据。 优点：候选规模大。 限制：代码与模型未完全开放。

地球与环境科学

• GraphCast：基于图神经网络的全球中期天气预报模型，支持 10 天预报。 优点：开源可复现。 限制：极端事件与业务化需验证。
• Aurora：面向大气、海洋与环境的多尺度基础模型，支持预报与污染等任务。 优点：多任务覆盖。 限制：许可证需核对。
• Pangu-Weather：基于 3D Transformer 的全球天气预报模型，推动 AI 气象业务化。 优点：业务化影响大。 限制：代码更新停滞。

科研智能体与工具

• ChemCrow：化学科研智能体，调用化学工具完成合成规划与性质查询。 优点：工具调用范式清晰。 限制：更新放缓。
• Coscientist：自主化学实验智能体，结合文献检索、代码执行与实验设备控制。 优点：实验闭环完整。 限制：设备与安全门槛高。
• DeepChem：面向药物发现、材料与生物信息的深度学习工具库。 优点：领域工具完整。 限制：版本兼容需管理。
• PyTorch Geometric：图神经网络库，广泛用于分子、材料与科学图结构建模。 优点：图模型生态完整。 限制：大规模图训练需工程优化。
• RDKit：化学信息学工具包，提供分子解析、描述符、指纹与反应处理。 优点：化学信息学标准工具。 限制：非 AI 模型。

科学评测

• ScienceAgentBench：面向科学任务的数据驱动智能体基准，覆盖多学科分析与代码执行。 优点：任务级评测。 限制：任务规模有限。
• LAB-Bench：面向生物学研究能力的语言模型基准，覆盖文献、序列与实验设计。 优点：生物科研任务贴近实际。 限制：以语言模型能力为主。
• SciCode：面向科学计算代码生成的基准，覆盖物理、化学、生物与数学任务。 优点：代码级科学评测。 限制：任务以代码为主。

3. 三、观察名单与趋势

• AlphaFold 3（mainstream）：复合物结构预测的参照模型，关注参数许可与商用限制。

• Boltz-2（rising）：开源结构预测与亲和力模型，社区活跃。

• ESM3（mainstream）：蛋白质语言模型与生成式设计，开放权重但商用受限。

• MatterGen（rising）：条件生成材料模型，关注可合成性与实验验证。

• Aurora（rising）：大气、海洋与环境多任务基础模型。

• Coscientist（watch）：自主化学实验智能体，关注实验安全与可复现性。

• ScienceAgentBench（rising）：多学科科学智能体任务级基准。

• SciCode（rising）：科学计算代码生成基准，覆盖多学科。

• 结构预测进入复合物与全原子阶段，开放模型与商业模型并存。

• 生成式材料模型从候选生成走向稳定性与可合成性联合优化。

• 气象与地球模型加速业务化，AI 预报与传统数值模式形成互补。

• 科研智能体从问答走向工具调用与实验闭环，安全与可复现性是落地前提。

• 科学评测向任务级、多步骤与实验验证演进，静态榜单的解释力下降。

4. 四、场景选型建议

蛋白质与药物设计

建议关注：AlphaFold 3、Boltz-2、OpenFold3、ESM3、RoseTTAFold All-Atom。判断要点：关注结构预测精度、复合物与配体支持、许可证与商用限制。

材料与化学发现

建议关注：MatterGen、MatterSim、GNoME、ChemCrow、RDKit、PyTorch Geometric。判断要点：关注生成可合成性、稳定性预测、实验验证与数据许可。

地球与环境

建议关注：GraphCast、Aurora、Pangu-Weather。判断要点：关注分辨率、预报时效、极端事件与业务化运行。

科研智能体与自动化实验

建议关注：Coscientist、ChemCrow、ScienceAgentBench、LAB-Bench。判断要点：关注工具调用、实验安全、可复现性与人类监督。

5. 五、数据说明

• 本期收录 19 个条目，覆盖生命科学与药物设计、材料与化学、地球与环境科学、科研智能体与工具、科学评测。
• 科学基准本期建立台账，分数、数据版本与实验条件由后续版本补充；不同任务集不做直接比较。
• 本观察仅作产业研究参考，不构成采购或投资建议。

🌟 开源赋能教育 · AI驱动创新 🚀

🏛️ 中教开源创新研究院 中国首个聚焦数据产业与开源教育交叉领域的科研机构，由天津天开发展集团、中教乐恩、国科开源、蚂蚁云创联合发起，致力于推动开源人才教育体系发展、创新开源人才评价机制，促进开源体系在数据科学、人工智能等领域的研究与应用。 📝 本文由研究院产业资讯组编发