慧博智能投研发布的深度报告显示，AI4S是指以人工智能手段辅助或独立完成科学研究任务的新模式，被视为继实验科学、理论科学、计算科学和数据科学之后的科研“第五范式”。当前AI4S正从单一环节辅助工具，逐步发展为覆盖文献调研、假设生成、实验设计、计算模拟到结果验证的科研全流程体系。

从“回答问题”走向“发现问题”

AI4S快速升温，首先来自大模型能力边界的持续扩展。

传统科研在药物、材料等领域面临一个共同难题：候选空间极其庞大，而传统“数值模拟+人工实验”的筛选模式周期长、成本高。AI则可以利用模型进行高通量筛选和智能推演，从海量候选方案中快速寻找更具价值的研究方向，从而压缩研发周期、提高科学发现效率。

AlphaFold已经成为这一趋势的标志性案例。其利用AI预测蛋白质三维结构，并推动AI在生命科学领域的科研价值获得验证。随着AI能力不断增强，其角色正在从科研“辅助工具”向能够自主提出假设、设计实验并完成验证的“AI Scientist”演进。

AI4S正在跨过商业化拐点

过去AI4S难以规模化落地，核心瓶颈主要来自数据与模型两个方面。科学研究所需数据高度专业化，大量失败实验和中间过程数据没有得到系统沉淀，同时不同机构之间还存在明显的数据孤岛；另一方面，早期大模型在复杂科学推理任务上的能力也相对有限。

如今，这些限制正在逐步松动。

一方面，前沿模型的科学推理能力持续提高；另一方面，“自主实验室”开始成为AI4S的重要组成部分。模型负责提出预测和实验方案，自动化设备完成真实实验验证，实验结果再回流模型，由此形成“AI预测—自动化验证—数据回流—模型迭代”的闭环。

报告认为，模型、数据和算力构成AI4S的“数字大脑”，自动化实验系统则相当于“物理身体”。二者结合后，部分领先方向已经开始进入L3“单领域闭环”阶段。

产业链从算力底座向应用层全面延伸

从产业链看，AI4S正在形成覆盖算力基础设施、科学大模型、科研智能体、自动化实验平台以及垂直应用的完整体系。

其中，上游需要高性能计算、数据库等基础设施；中游包括科学基础模型、科研平台以及实验机器人；下游则深入AI制药、新材料、能源、工业软件等具体科研和产业场景。尤其值得关注的是自动化实验平台，其连接了虚拟世界中的AI预测与真实世界实验，使“计算预测—实验验证—数据回流—模型迭代”成为可能。

目前产业化已经开始出现代表性案例。报告梳理了中科闻歌、中科曙光、剂泰科技、英矽智能、晶泰控股、华大九天等不同环节参与者，产业机会正由单纯算力建设向科学模型、AI制药、AI+工业研发等方向扩散。

从Scaling Models走向Scaling Science

更长期来看，AI4S真正的想象空间并不仅是一个新的AI应用市场，而是人工智能能否真正改变科学发现效率。

报告认为，当前AI4S仍处于从萌芽走向加速发展的早期阶段，部分生命科学等领先领域开始向L3单领域闭环演进；随着模型、数据、算力和自动化实验平台持续突破，行业有望逐步迈向跨领域协同乃至通用科学智能。

这意味着，大模型竞争的下一阶段可能不再只是参数规模和Token数量的竞争，而是从“Scaling Models”进一步走向“Scaling Science”——AI创造价值的方式，也将从生成内容、提升办公效率，进一步迈向加速药物、新材料、新能源等真实科学发现。AI4S或许正成为人工智能从“生产力工具”走向“科学发现引擎”的关键一步。

注：更多研报请上慧博智能策略终端PC版或慧博投资分析APP。