AI4S产业更新-0809

RSI❷（递归自我改进）与Loop（闭环迭代）正让AI4S从"工具辅助"升级到"自主科学发现"，Loop解决的是Research如何7×24小时无监督运转，RSI解决的是AI模型和策略自我优化的问题，不断加速L3迭代回环（Design-Execute-Observe-Reflect）。因此，我们看到AI4S领域的showcase和benchmark已经成为顶级AI大模型发布的必备课题。OpenAIAstra为了展示科研能力，推进了10个顶级的数学分析/量子研究/理论计算机科学问题；Kimi-K3设计一款早期概念验证的芯片、复现和计算天体物理中的I-Love-Q普适关系；Mythos/Fable 5自主训练新模型用于识别不同物种的功能细胞，Claude Science能接入60+数据库/科学工具 AI4S❸在生物医药/油气/化工/找矿/气象/芯片/材料等领域的商业化正在加速。在制药领域，AI正从"预测结构"迈入"AI生成生命"，沿基因组语言模型/AI虚拟细胞（AIVC）/AI制药智能体三大方向推进。例如Arc Institute于《Science》展示AI基因组语言模型Evo生成16株自然界不存在的功能性噬菌体，系AI首次完成全基因组级生命系统设计；腾讯与中南大学的AI虚拟细胞算法UniPert-G2CP登上《Cell》主刊，首次将基因与药物两类干预统一建模、直击临床核心痛点；在芯片设计领域，DAC 2026 上Synopsys/Cadence/Siemens同时宣布从"任务级AI辅助"迈向"长周期自主执行"；Synopsys联合微软发布2条自主EDA工作，覆盖RTL设计、验证与物理实现，AMD称正积极评估用于下一代产品加速研发；AI for油气/化工/气象领域还有诸多落地案例我们暂不赘述。 ❹总结来说，AI4S需满足的商业飞轮要素包括：1）业务核心瓶颈是信息处理/搜索/组合，研究数据和结果数据可收集；2）输出可校验且结果不对称，能设计Loop进行验证；3）价值密度足够高，且科研的ROI无法甚至无需衡量，比如涉及生命安全和驱动全要素生产力提升的科学进步。考虑到GERD研发总支出已接近4万亿美金，AI在科学研究和业务工程的加速渗透有望进一步打开GRED的上限，以供给创造新需求推动AI全产业链的繁荣。 DJN/Colin