2026科学计算与AI4S基础设施白皮书

AI4S 发展现状与趋势

科研范式演进与 AI4S 的兴起

• 人类科学研究经历了五大范式演进：实验科学、理论科学、计算科学、数据密集型科学、AI驱动的科学发现（AI4S，科学智能）。
• AI4S 是当前全球科技竞争的核心赛道，通过融合人工智能、大数据、高性能计算与领域科学，实现全自动、智能化的科学发现，推动科研范式迈入第五发展阶段。
• AI4S 带来的颠覆性科研变革体现在生物医药（如 AlphaFold、IsoDDE）、新材料等领域，大幅缩短研发周期、降低试错成本。

AI4S 的概念与内涵

• 科学智能是面向科学研究领域的新兴方向，包含数据生成、模型训练、生态反馈三个环节，其中科学计算定位于数据生成阶段，是高质量科研数据的重要来源。
• AI4S 的核心价值在于基础研究、应用攻关、生态变革三大维度，通过打破传统科研边界，重塑科学发现、技术攻关、产业转化的全链路逻辑。
• AI4S 需要精准解决产业核心科学问题的模型，而非通用大模型，其研发需聚焦产业真实存在的关键研发卡点，坚持“产业出题、AI解题、共同验证、落地迭代”的闭环研发模式。

AI4S 的挑战：高质量数据集的缺乏

• AI4S 的三大核心要素为算力、模型、数据，其中高质量“端到端”数据集是当前行业最大“卡脖子”瓶颈。
• 算力需求与通用大模型相比相对可控，垂类模型研发难度适中，数据短板成为制约技术规模化落地的首要因素。
• 科学计算是生成高精度科研数据、补齐数据短板的核心手段，通过数值仿真与微观机理模拟，可获取传统实验方式所无法观测的底层数据，构建 AI4S 所需的标准化数据集。

构建 AI4S 的精准、端到端的高质量数据集

• AI4S 的数据核心要求是精准无错、“端到端”串联，即数据需覆盖科研全流程，形成完整的数据链条，确保数据之间的逻辑连贯性与关联性。
• “端到端”数据集的构建思路是转变传统思路，逆向构建高质量科研数据“教材”，以既有上市药物或临床失败药物为基底，结合物理计算手段，补全研发链路中缺失的微观机理维度数据。
• 端到端数据集的构建成本极高，需要国家层面牵头推进，通过政策号召、资源集中，整合产业界、科学界、企业、医院、国有实验室等多方力量，形成协同推进的工作格局。

科学计算与 AI4S 落地应用关键技术分析

• 科学计算是获得高质量数据集的关键手段，通过仿真模拟计算，可突破传统实验的尺度限制，精准表征实验不可见的微观维度，实现对微观世界底层规律的清晰揭示。
• 生物仿真计算和新材料研发面临庞大的计算量，传统通用超算存在效率低、通信延迟高、能耗大等局限性，专用超算成为支撑高端科学计算的核心底座。
• 国产“天穹”专用超算通过算法级全局优化计算、专用芯片、专用系统架构、专用计算软件等关键技术，成为打通数据生成链路、保障 AI4S 技术落地与产业发展的关键支撑。

科学计算与 AI4S 市场规模分析

• 全球科学智能市场预计将从 2020 年的 378 亿美元爆发式增长至 2035 年的近 5 万亿美元，中短期（2025-2030 年）复合增长率高达 60.5%。
• 中国科学智能市场预计规模将从 2020 年的 98 亿美元快速至约 1.8 万亿美元，增长近 160 倍。
• 中国科学计算市场规模预计 2025 年约 1347.0 亿元，预计 2029 年增至约 2682.8 亿元，2025—2029 年复合年均增长率约 18.8%。

科学计算与 AI4S 典型应用案例

• 爱赛思 OpenAI4S 社区：开放式科学智能基础设施，构建覆盖模型广场、数据集市、智能体库、工具链、实验资源的“科学智能要素即服务”基础设施。
• 生物医药领域：谷歌 AlphaFold、IsoDDE 推动 AI 制药落地；礼来携手英伟达共建 AI 联合实验室；思朗科技打造基于“天穹”的制药新引擎 sDDE。
• 新材料/新能源领域：BASF 引入 Quriosity 超算赋能新产品研发；字节跳动推出 BAMBOO 助力新型电解质设计；思朗科技基于“天穹”打造电解液 AI 数据平台。
• 半导体/航空航天领域：美国波音公司以虚拟仿真计算加速新机型研发；台积电采用英伟达计算光刻平台突破先进芯片制程。

总结与展望

• 新一代科研范式将由科学计算与 AI4S 深度融合驱动，成为引领科技创新的核心引擎。
• AI4S 能力跃升将持续释放产业创新效能，为新质生产力形成提供关键技术路径。
• 科学计算与 AI4S 的市场潜力将持续释放，形成规模增长与生态共赢的良性发展格局。
• 构建自主可控的 AI4S 生态是实现大国科技自立自强的战略必争方向。
• 建议：国家层面统筹布局科学数据中心、专用算力集群与产学研攻关体系，加快打造自主可控的 AI4S 全产业链生态。