1. AI For Science：科学发现的“第五范式”与历史性转折

人类探索自然规律的方法论正在经历一场前所未有的代际跨越。如果说从经验科学（第一范式）到理论科学（第二范式），再到计算科学（第三范式）和数据密集型科学（第四范式）的演进历程跨越了数千年，那么向“第五范式”（The Fifth Paradigm）的跃迁则是在短短几年内由人工智能（AI）强力催化的爆发。

这一范式的改变远超工具层面的迭代，它正在重塑我们认识科学的方式——AI的角色从辅助工具（Tool）跃升为具备一定自主性的合作者（Collaborator），成为了能够自主提出假设、设计实验、并通过机器人验证假设的“硅基科学家”。

1.1 为什么现在是AI For Science的爆发点？

2025年至2026年，AI4Science将逐步从概念验证阶段进入工业化落地阶段，主要驱动力来自三个方面：

· 算法突破：似于GPT之于语言，科学界诞生了理解自然的语言（如材料结构、DNA、蛋白质序列等）的大模型。Transformer架构、图神经网络（GNN）、扩散模型（Diffusion Models）在科学数据上的适配性得到了验证。

· 算力与数据基础设施：高通量、标准化甚至自动化湿实验技术的发展，为新一代科学大模型提供了大量数据。大规模智算中心的建设，便利了科学大模型的训练。

· 紧迫的外部需求：气候变化、能源危机、人口老龄化等全球性挑战，迫切需要比传统试错法快10倍甚至100倍的研发速度 。

2. 国家战略博弈新高地：“创世纪计划”与“新质生产力”的对撞

AI4Science早已跨越了学术研讨的边界，成为大国科技博弈的制高点。中美两国均将其视为未来十年决定经济霸权与科技主导权的关键变量。

2.1 中国战略：国家级新质生产力的核心引擎

对于中国而言，AI4Science是实现“新质生产力”落地的具体抓手。我国政府明确提出了“人工智能+”（AI+）行动计划，并将AI4Science列为重中之重。

我国拥有全球最完整的工业门类，为AI在科学领域的落地提供了丰富的场景。不同于传统的规模扩张，新质生产力强调通过技术革命性突破来提升全要素生产率。在2025年的政策语境中，AI4Science被赋予了改造传统制造业（如化工、材料）和培育新兴产业（如生物制造、商业航天）的双重使命。

2.2 美国战略：“创世纪计划”的举国体制

2025年11月，美国白宫签署了代号为“创世纪计划”（Genesis Mission）的行政令，将AI描述为争夺“全球技术主导权”的关键，并将其紧迫性与雄心比作“曼哈顿计划”，意图通过“全政府”（Whole-of-Government）的方式确立绝对优势。

这标志着美国政府对AI4Sci的认知已超越了商业范畴，上升到了国家安全与生存发展的高度。行政令要求美国能源部（DOE）牵头，通过整合联邦科学数据集（涵盖基因组学、蛋白质组学、材料科学等），利用国家实验室（如橡树岭、阿贡等）的顶级超算资源，构建专用于科学发现的AI基础模型。

3. AI For Science行业图谱深度梳理：重塑物质世界

AI4Science的影响力已经渗透到科学发现的每一个毛细血管。

3.1 AI+材料科学（Materials Science）：从“试错”到“生成”

材料科学面临的核心挑战是组合爆炸，理论上存在的稳定材料数量高达10^180种，而人类至今发现的仅有数十万种。传统材料研发周期长达17-20年，被称为“长波周期”行业。

2025年，Google DeepMind的GNoME模型已发现了超过220万种新晶体结构，其中38万种被认为是热力学稳定的，这相当于人类过去800年积累的知识总和。这些新材料包括潜在的超导体、下一代电池阴极材料和高效率的热电材料。

对于半导体、新能源汽车、航空航天等战略产业，这意味着关键材料的研发周期可能从10年缩短至1-2年，直接改变了技术迭代的节奏。

3.2 AI+物理学/能源（Physics & Energy）：控制极端复杂系统

在核聚变这一终极能源的探索中，AI展现了惊人的控制能力。2025年，DeepMind与Commonwealth Fusion Systems (CFS)的合作取得了里程碑式进展。利用强化学习（Reinforcement Learning），AI能够以微秒级的反应速度调整托卡马克装置的磁场线圈，防止等离子体破裂。这种非线性控制能力远超传统控制理论这种技术已被Commonwealth Fusion Systems (CFS)等商业聚变公司采用，用于优化SPARC等下一代反应堆的设计和运行控制，大大加速了核聚变能源并网的时间表。

而在高能物理领域，AI模型（如LorentzNet）能够在LHC（大型强子对撞机）中从每秒数亿次的碰撞数据中筛选希格斯玻色子等稀有粒子，其效率比传统方法提高了一个数量级。

和流体力学领域，基于AI的神经算子（如DeepVortexNe），能够加速纳维-斯托克斯方程的求解。这意味着气动外形设计的迭代速度可以提高千倍，直接缩短航空航天飞行器的研发周期。

3.3 AI+气候与地球科学（Climate Science）：预报能力的代际跨越

气候变化的紧迫性要求我们拥有更精确、更快速的预测模型。传统的数值天气预报（NWP）依赖超级计算机求解大气物理方程，耗时且昂贵。而AI大模型（如华为盘古 Pangu-Weather、Google GraphCast、NVIDIA FourCastNet）基于历史数据训练，推理速度快10,000倍以上，且能耗极低。

2025年，AI模型在中短期预报（如10天路径预测）的准确率上已全面超越传统NWP。例如，GraphCast在预测降水分布和台风路径上表现出惊人的准确性。这些模型正在被保险公司、农业部门和城市规划者广泛使用，用于评估气候风险和制定适应性策略。

3.4 AI+生物医药：AI4Sci 首个穿越现实的主战场，从“概念验证”到“临床突围”的历史性跨越

2026年，全球制药行业正站在一个充满机遇的十字路口，行业经历了从“概念炒作”到“临床验证”的洗牌，AI制药（AIDD）也成为AI For Science目前商业模式最清晰、落地确定性最强的“皇冠明珠”。

为什么AI制药是AI4Science最重要的落地场景？

3.4.1 产业周期的拐点：当传统研发模式触碰天花板

根据最新行业数据分析，未来五年内，全球将有超过3000亿美元销售额的重磅药物面临专利悬崖（Patent Cliff）的冲击。与此同时，传统药物研发的“三十定律”（即耗时10年、耗资10亿美元、且临床成功率不足10%）导致新药研发的内部回报率（IRR）在过去十年间持续走低，这是一把始终悬在制药巨头头顶的达摩克利斯之剑，迫使制药巨头寻找新的生产范式。

在JPM 2026的主会场上，辉瑞、诺华、阿斯利康等跨国药企（MNC）的CEO们在演讲中流露出明显的共识：传统的试错式、劳动密集型研发模式已难以为继。辉瑞与赛诺菲等公司强调，单纯依靠扩大实验规模已无法解决生物学的复杂性问题，必须引入高维度的计算能力。

AI，正是这一关键的核心变量。

3.4.2 技术突破：AI制药的技术栈已发生根本性重构

· AlphaFold 3的全面应用： 2025年底，Google DeepMind开源了AlphaFold 3（非商业用途），其最大的突破在于预测范围从蛋白质扩展到了所有生命分子，这让人类可以首次大规模预测蛋白质与小分子配体（Ligands）、DNA、RNA的结合模式。这一全新的能力，对于理解生物机制、设计创新药物有重要的推动作用。

· 生成式AI的成熟： 类似于Midjourney生成图像，现在的AI模型能够根据靶点口袋的3D结构，从零开始生成具有特定理化性质（如溶解度、代谢稳定性）的全新分子结构，而不仅仅是在既有分子库中筛选。在抗体领域，针对传统方法长期未突破的难成药靶点，现在的AI算法（如Chai-2、BoltzGen和国内的GeoFlow、IgGM）可以快速生成候选分子，并数十次尝试内锁定结合抗体。

· 实验室闭环（Lab-in-a-Loop）： NVIDIA在2026年初更新了BioNeMo平台，重点增强了与湿实验数据的实时交互能力。AI生成的分子被合成测试后，数据立即回馈给模型进行微调，形成“生成-验证-优化”的高速飞轮。

3.4.3 临床价值兑现打破了长久以来的“黑盒”质疑，行业进入“去伪存真”的良性周期

2025年是AI制药的“临床大考年”，几家头部企业的里程碑事件证明了AI并非空中楼阁，这也是为什么将2026年定义为行业“新风口”的核心依据。

· Insilico Medicine：ISM001-055 的里程碑式胜利

2025年中，其针对特发性肺纤维化（IPF）的候选药物ISM001-055公布了积极的IIa期临床数据。数据显示，药物在患者身上表现出良好的安全性，并观察到肺功能指标（FVC）的剂量依赖性改善。这是全球首款由AI发现靶点并设计分子的药物在II期临床中取得积极结果，具有里程碑意义。

· Recurion Pharmaceuticals：安全性验证与平台逻辑

Recursion在脑海绵状血管畸形（CCM）药物REC-994的二期临床中，疗效信号在高剂量组（400mg）展现出了50%的患者病灶体积缩小（对比安慰剂组的28%），试验成功达到了安全性和耐受性的主要终点。

· Generate:Biomedicine：生成式抗体的临床突围

Generate:Biomedicine利用生成式AI设计的长效单抗分子GB-0895已进入临床阶段。该药物靶向哮喘炎症的关键上游驱动因子TSLP，将给药频率从每4周一次延长至每6个月一次。2025年底，Generate宣布启动两项全球III期临床试验（SOLAIRIA-1和SOLAIRIA-2），计划招募1600名患者，这是目前AI设计抗体领域规模最大、推进最快的III期临床项目。

· 2025-2026年AI制药领域关键战略交易一览

4. AI+生物医药：AI For Science中率先登陆的“诺曼底”

AI4Science是科学发展的必然历史阶段，其本质是一场关于人类如何“获取知识”的认知革命。作为科学发现的“第五范式”，它正在将原本依赖灵感偶得与漫长试错的科学研究，重构为一种可预测、可工程化、可规模化的征程。这一范式不仅让材料、能源、气候、生命等宏大命题有了被重新求解的可能，更标志着人类文明正在从“观察与解释自然”向“模拟与创造自然”跨越。

未来的科学研发或将以过去人类无法企及的速度和精度推进，而 AI 制药将作为这场革命的先锋，不仅承载着万亿级的产业期望，更承载着人类战胜顽疾的梦想。我们有理由相信，一个人类健康更普及、更持续、拥有更多可能的未来，正在从代码与数据的洪流中加速走来。