夜雨聆风导语
当人工智能（AI）的浪潮席卷内容创作、自动驾驶等领域时，一场更为深刻、更为底层的变革正在科学研究的疆域内悄然发生。过去，科学家依靠理论和实验探索未知；如今，AI正从辅助工具进化为驱动科学发现的核心引擎。这场被称为“AI4S”（AI for Science，科学智能）的范式革命，不仅关乎前沿科技的突破速度，更已成为大国博弈的战略制高点。它将如何重塑我们的世界？谁又在为这场变革打造坚实的数字基座？
一、什么是AI4S？从“计算机辅助”到“自主科研”的范式跃迁
AI4SAI For Science（科学智能），是面向科学研究的人工智能创新与人工智能驱动的科学研究的深度融合。其核心目标，是实现AI技术与科学发现的双向促进，从而彻底变革传统科研范式。
回顾科学发展史，人类经历了经验归纳、理论建模、计算模拟和数据密集型科学四大范式。然而，面对当今系统复杂性日益增加的科研挑战——如蛋白质折叠、气候变化预测、新材料设计等——传统范式逐渐触及天花板。AI4S的出现提供了全新解题思路：通过因果推断、生成式AI、融合先验知识的深度学习等技术，AI正在从“超级计算器”进化为能够提出假设、设计实验、分析数据的“AI科学家”伙伴。
二、AI4S的重要性：何以成为大国科技竞争的胜负手？
AI4S的重要性已远超出学术圈，上升为全球科技竞争的战略焦点。
1. 战略层面：全球科技竞争的“新战场”
近两年来，世界主要经济体在AI4S领域的布局可谓“紧锣密鼓、真金白银”。
· 美国在2025年启动了被誉为“人工智能时代曼哈顿计划”的“创世纪计划”，由能源部牵头，整合17个国家实验室的超算资源、政府科学数据和顶尖AI模型，投入超3.2亿美元抢占先进材料、生物医药等领域的制高点。
· 中国在“十五五”规划中将“人工智能+”行动放在突出位置，明确以AI引领科研范式变革，北京、上海、四川等地密集出台专项政策，构建从算力、数据到模型应用的系统性支撑。
· 欧盟、英国、日本也相继发布国家级AI4S战略，投入数十亿乃至上百亿欧元或英镑，力图在这场竞赛中不掉队。
这场竞争的实质，已从单一技术比拼演变为“算力、数据、算法、人才”四位一体的创新体系较量。
2. 产业应用层面：降本增效成果显著，商业化验证加速
AI4S并非停留在理论层面，而是已经在医药、材料、能源等领域产生实实在在的效益。
在医药研发领域，AI正在大幅压缩研发周期与成本。以英矽智能为例，其Pharma.AI平台将靶点发现至临床前候选化合物的周期从数年压缩至12—18个月；晶泰科技2025年实现营收8.03亿元、净利1.35亿元，成为港股AI4S首家盈利企业。据《Nature》2023年研究，AI可使药物研发时间和成本至少降低25%—50%。
在材料科学领域，AI替代传统“试错式”研发的效果同样惊人。志特新材部署AI新材料研发平台后，产品交付周期缩短70%，签订4200万美元海外大单；方大炭素引入AI材料研发系统后产品良率提升超15%，成功进入宁德时代、比亚迪供应链。
这些案例充分说明，AI4S不仅是科研工具的革命，更是产业效率的革命。
三、AI4S的市场前景：万亿级赛道的崛起
1. 战略机遇：覆盖领域广、涉及产业多
AI4S的应用版图正在快速扩张。从生命科学的蛋白质结构预测、药物研发，到材料科学的新能源电池、半导体材料设计，再到地球科学的气候预测、碳中和，以及航空航天、工程制造等领域，AI4S几乎覆盖了所有依赖高复杂度计算的科研与工业场景。这种全域渗透的特性，使其具备成为长期主线的战略价值。
2. 产业应用成果：降本增效驱动需求爆发
产业界对AI4S的投入正从“试水”走向“标配”。海外，英伟达与礼来2026年宣布五年投10亿美元建联合实验室专注AI药物研发；国内，腾讯成立生命科学实验室，阿里巴巴推出生物大模型LucaOne，字节跳动设立AI for Science团队并与比亚迪共建联合实验室。百亿级商业合作频频落地——晶泰科技与DoveTree签下近60亿美元AI制药合作协议，标志着AI4S已进入大规模商业化验证阶段。
3. 产业链条长：从算力到应用，市场总量巨大
AI4S产业链涵盖了上游的算力芯片、服务器、科学数据库；中游的科学大模型、自动化实验机器人、仿真平台；以及下游的医药研发、材料设计、能源勘探等应用场景。这种长链条特性意味着市场总量巨大、覆盖板块众多，能够形成持续增长的主线行情。据行业研究，仅AI制药领域，全球市场规模预计将在2030年突破数百亿美元，而AI4S整体带动的算力、软件和服务市场将是一个万亿级的蓝海。
四、为什么中科曙光能够在AI4S领域做得更好？
在AI4S产业链中，算力基础设施是决定科研效率与创新上限的核心底座。作为国内超算与AI算力领域的领军企业，中科曙光凭借30余年的技术积淀，以“开放架构、全栈自研、超智融合、超大规模工程”四大优势，精准匹配AI4S的多元需求，形成了难以复制的核心竞争力。
1. 开放架构：降低AI4S落地生态壁垒
AI4S涉及生物、材料、气象、能源等众多学科，不同领域对算力、模型和软件栈的需求千差万别。封闭的算力生态将严重阻碍技术适配与规模化落地。曙光于2025年联合20余家产业链伙伴发布AI计算开放架构，开放关键技术接口，全面兼容CUDA主流生态，支持多品牌国产加速卡混合部署，并适配400余种主流大模型。这种开放策略有效避免了客户的技术栈锁定，大幅降低迁移成本，为AI4S在各行业的快速渗透扫清了生态障碍。
2. 全栈自研：“七位一体”创新筑牢技术根基
AI4S场景对算力基础设施有着极致要求——既要高精度科学计算，又要大模型训练推理；既要海量数据吞吐，又要长周期稳定运行。曙光作为国内首个实现 “算、存、网、电、冷、管、软” 七位一体紧耦合自研的企业，系统性解决了这些痛点：
· 高速互连：自研scaleFabric原生RDMA高速网络，400Gb/s带宽、端侧时延低于1μs，完美解决AI4S跨节点密集通信瓶颈；
· 存算耦合：芯片-系统-应用三级优化，AI加速卡利用率提升55%，支撑万亿参数模型与PB级科学数据处理；
· 液冷高可靠：浸没相变液冷技术使单机柜算力密度提升20倍，PUE低至1.04，保障数天至数月的长周期训练稳定运行。
这种全栈自研能力，是国产AI4S算力底座的核心护城河，在规避供应链风险的同时形成了差异化竞争优势。
3. 超算+智算深度融通：精准匹配AI4S多元需求
AI4S的核心技术路径是超智融合——超算负责高精度科学计算，智算负责大模型拟合与推理，二者融合才能实现科学发现效率的跃升。曙光率先推出国内首个行业标准化超智融合平台Nebula800，以一套系统打通超算与智算的技术与生态壁垒，支持多精度、混精度计算，填补了国内产品空白。2026年4月14日，依托曙光scaleX万卡超集群系统构建的中国最大AI4S计算集群在国家超算互联网核心节点正式上线，成为破解AI4S算力供需脱节的重要基础设施，已吸引超3000位用户参与测试。
4. 超大规模工程：30年大系统集成经验沉淀
AI4S的规模化落地离不开成熟的工程交付能力。曙光已完成从万卡到6万卡规模的AI4S集群落地验证，具备可复制、可落地的工程交付能力。依托30年先进计算技术积累，曙光能够为AI4S客户提供可定制、一站式、全生命周期服务，进一步降低了落地成本。
结语
AI4S正在以不可逆转之势重塑科学发现与产业创新的底层逻辑。从医药研发到材料设计，从气候预测到能源勘探，这场范式革命的影响范围之广、产业链条之长、市场空间之大，使其成为不容忽视的长期战略主线。在这场变革中，算力基础设施是决定效率与上限的核心环节。中科曙光以开放架构降低生态壁垒、以全栈自研筑牢技术根基、以超智融合精准匹配需求、以工程经验保障规模落地——这些能力共同构成了其在AI4S产业链中的独特价值。随着AI4S从实验室走向产业规模化应用，筑基者的价值必将愈发凸显。
