AI for Science：重塑科学范式与潜力股解析

2024年，黄仁勋在英伟达GTC大会上，将大语言模型、具身智能、AI for Science并列为AI的三大关键发展方向。

对于前两者，如今已广为人知，而AI for Science，则可能仍是一个鲜为人知的领域。

01 变革科学研究的未来

AI for Science，即人工智能驱动的科学研究，利用AI替代人力进行科学研究。

在此之前，科学研究经历了实验科学、理论科学、计算科学和数据科学四个阶段，前两个阶段完全由人类主导，后两个阶段中计算机成为关键助手但仍由人类驱动。

AI for Science是一个全新的突破，AI的介入使得科学研究变得更快、更好且更经济。过去，新技术的开发可能需要10年并花费10亿美元，而现在可能只需1年花1亿美元就能实现。例如，今年5月，通过“AI+机器人”结合的“超级隔热材料”仅用7个月就完成了催化剂材料及配方筛选，而传统方法仅筛选材料配方就需要10年。

从长远来看，AI通过智能体协作将完全取代人力，自主完成从提出构想、设计实验、形成假设到执行证伪等科学研究全过程，引领人类进入科学探索的第五阶段——智能科学范式时代。

尽管大模型和具身智能正在改变生产和生活，但AI for Science对整个科学事业的根基产生了更深远的影响。从这个角度看，后者对世界的影响力与重要性远超前者。

幸运的是，中国在这一领域已经占据领先地位并获得了话语权。

2015年，三位来自麻省理工学院的博士后物理学家共同创立了晶泰科技。该公司依托基于量子物理的第一性原理计算及人工智能能力，致力于更高效的药物及新材料设计与发现。

至今，晶泰科技已成为全球AI for Science领域的领军者，服务了全球前20大药企中的16家，并在全球人工智能赋能的药物发现公司中排名第一。COVID-19期间，晶泰科技仅用六周就帮助辉瑞完成了口服药晶体结构预测，使Paxlovid提前6个月上市。2024年，晶泰与协鑫集团签署战略合作协议，正式进军新材料产业。

从制药到材料领域，晶泰科技展现了其卓越的实力和真功夫。

首先，“读”的能力：晶泰的PatSight专利数据挖掘平台能在1小时内完成过去需几天甚至几周的文献和专利数据提取工作，准确率高达95%。其次，“算”的能力：晶泰拥有超过200个AI模型，通过算法大幅提升研发速度和精度。最后是“做”的能力：晶泰的自动化工作站将数据收集能力提升了40倍，目前公司已部署超过300台机器人实验工站，积累了大量标准化、高质量的实验数据。

02 被低估的AI潜力股

市值不到250亿港币显然未能体现晶泰科技的真正潜力。

国盛证券曾进行过一项计算，包括化工、医药、新能源等在内的六大领域，AI for Science可覆盖的下游市场规模接近11万亿美元。以中信分类下各行业内企业2023年研发支出占总收入的中位数作为计算依据，当AI渗透率达到2.5%时，AI for Science的产业规模约为149亿美元（千亿人民币），而当AI渗透率提升至25%时，AI for Science的年产值将突破1400亿美元（万亿人民币）。

别觉得这是遥不可及的未来。技术发展向来不是线性的。以医药行业为例，《2024年中国医疗大健康产业发展白皮书》显示，AI医学影像领域已有超过60个三类证产品获批上市，行业渗透率预计将从2020年的0.7%迅速提升至2030年的41.3%。由此推断，各产业的AI for Science进程都将同步加速。

一旦行业进入爆发期，晶泰科技在全球市场都将具有巨大潜力。

一方面，从行业第一性原理出发，AI for Science的发展需要产业底层数据支持。中国作为全球第一制造大国，拥有完整的工业门类体系，这为中国诞生AI for Science巨头提供了先天优势。另一方面，AI for Science是人才和技术密集型的产业，壁垒极高。截至今年4月，晶泰科技已积累了650万+高精度量化数据、10万+分子力场参数和约50万分子对FEP数据，覆盖80%的药化常用反应类型。此外，公司的机器人科学家每天以7×24小时的节奏运转，每月积累超过20万条反应过程数据。

2024年，晶泰控股的营收为2.66亿。但去年公司与协鑫签订的一笔订单总合作金额就高达约10亿。今年又先后获得了方大炭素、广东恒建、寿光蔬菜等客户。6月23日，晶泰控股宣布与美国哈佛大学终身教授Gregory Verdine所设立的DoveTree LLC签署合作意向书。公司将在最终协议签署的10日及180日内分别获得5100万及4900万美元的首付款，并有资格获得金额达数十亿美元的潜在开发里程及销售里程碑付款。

在盈利基数极低的情况下，一个大单就可能让公司腾飞。因此尽管晶泰科技目前不显山露水但未来随时可能迎来大爆发。

过去两年大模型和具身智能等AI细分赛道经历了多次炒作估值飙升而相比之下AI for Science受到的关注度仍明显不足这恰恰是机遇所在。