前10个月国内AI4S赛道融资超80笔,总额逾200亿元,大厂与创业公司竞逐科研智能化

现在的AI科研类似于辅助驾驶,能够完成相对固定、标准化的实验流程,但还需要科学家下达指令、检查结果,并在遇到复杂情况时进行干预。

今年以来,AI for Science(AI4S,人工智能驱动科学研究)赛道融资热度显著上升。据媒体报道,今年前10个月,国内AI4S赛道发生超过80笔融资,已披露融资总额超过200亿元。科理新序、元材新界等成立不久的创业公司接连获得融资,资本正加速涌入生命科学、材料研发等方向。

AI4S指利用人工智能技术介入科学研究流程,涵盖文献查阅、数据分析、分子设计、实验规划等环节,部分创业者的目标更进一步,希望让AI独立提出科学问题、发现新知识。在创业公司一侧,智源深澜将AI模型与自动化实验平台结合,试图把原本依赖科研人员反复试错的分子设计与筛选工作交给算法和机器。据该公司创始人王承志介绍,一种帮助药物进入细胞的肽分子,从开始设计到进入实验验证,过去仅从海量候选分子中筛选有希望的几个就可能耗时一年甚至更久,如今在AI模型与自动化实验平台的配合下被压缩至两三个月。深度原理则推出科研大模型Hydrogen-1.0,尝试让AI参与实验设计和新材料发现。

大厂同步加速布局。11月16日,阿里发布的Qwen4-Max展示了自主设计新型冷却液分子,并调用自动化实验平台完成合成与测试的能力。此前,Anthropic的Claude Fable 5.2和Mythos 5.2、腾讯的混元Hy4正式版也相继展示了通用大模型解决理论物理、数学研究等领域复杂问题的能力。通用大模型在推理、代码生成和工具调用方面的能力提升,使AI能够理解并拆解复杂研究任务;蛋白质、分子、细胞等领域的专业模型逐渐成熟,为具体科学问题提供了对应的AI工具;实验室自动化设备逐步积累到位,能够执行实验操作并将结果反馈给AI。科理新序联创兼COO Erik认为,这三股力量的汇合构成了今年赛道升温的技术基础。

从AI参与科研的深度看,王承志将其划分为辅助科研、指导科研和自主科研三个阶段。辅助阶段,AI主要帮助科学家处理信息,例如将已发表论文中涉及的基因、疾病、药物和分子等信息连成知识图谱,解决科学知识分散的问题。指导阶段,AI开始参与研究任务的组织和执行,科研智能体可以串联文献检索、模型调用、计算任务执行等步骤,并根据中间结果安排下一步,但研究方向和关键决策仍由人把关。自主阶段要求AI独立完成科学发现,目前尚未实现。王承志以自动驾驶作比,认为当前AI科研类似辅助驾驶,可完成相对固定、标准化的实验流程,但需要科学家下达指令、检查结果并在复杂情况下干预。

AI独立承担科研仍面临多重障碍。在提出假设环节,王承志认为AI总结已有知识的能力已远超人类,但创造新知识的能力尚未及格。AI本质上是一台概率机器,擅长从海量数据中找出普遍规律,却容易忽略偏离规律的细微现象,而科学发现有时就藏在意料之外的结果里,分辨误差与突破需要科学家的经验和直觉。Erik将这种判断力称为科学品味,在算力和实验资源有限的情况下,判断哪些问题值得投入,其价值远大于研究多个无意义的问题。在方案设计环节,AI同样存在局限。科理新序曾与北京大学生命科学课题组合作,尝试利用基于通用大语言模型的科研智能体完成复杂分子对接任务,智能体给出初步结果后,研究人员认为不够好并要求继续优化,智能体连续进行了多轮调整。

从应用场景看,AI4S的价值不仅体现在提升计算效率,也体现在降低跨学科研究门槛。科理新序与北京大学植物育种科研团队的合作中,该团队具有植物科学研究积累,但蛋白质设计涉及另一套专业模型与计算流程,借助科研智能体,研究人员可通过自然语言描述研究目标,由AI协助调用蛋白质设计及分析工具。Erik将这一变化称为科研平权,认为AI让更多非AI背景的研究人员获得先进的科研计算能力,在口腔医学、类器官、植物育种等过去缺乏专门AI工具的细分方向,效率提升尤为明显。

融资数据表明资本对AI4S的商业前景持积极预期,但从技术成熟度看,该赛道仍处于辅助科研向指导科研过渡的阶段。AI在标准化实验流程和跨学科工具调用上的能力已初步验证,而在提出科学问题、判断研究价值、处理异常结果等环节,科学家的角色尚不可替代。随着通用大模型能力迭代、专业科学模型丰富以及实验室自动化设备普及,AI4S的覆盖范围有望继续扩大,但距离AI独立完成科学发现仍有距离。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
朗特智能6.63亿元收购奥捷51%股权,切入光互连领?
上一篇 3小时前
国元证券联合工银资本设立10亿元产业基金,聚焦量子科技与算力芯片
下一篇 2小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部