智能驱动科研变革：半年吸金44亿，生命科学与新物料引领风潮
近一年来，一个全新的AI细分领域正飞速升温——AI for Science（AI4S）。
据智药局初步统计，仅过去半年多，全球AI for Science领域融资规模已突破44.3亿美元。
资本蜂拥而至，独角兽企业批量涌现。
AI+材料科学平台CuspAI在不足一年内估值飙升四倍，攀升至26亿美元；
AI+药物研发企业Isomorphic Labs官宣完成21亿美元B轮融资，公司正构建AI通用引擎，彻底变革药物发现模式；
Recursive尚未推出产品、未产生营收便成功融资6.5亿美元，估值高达46.5亿美元；
更值得关注的是，OpenAI、Anthropic等通用大模型领军企业也纷纷入场，推出GPT-Rosalind、Fable 5等赋能科学研究的模型，并与行业头部企业达成深度合作。
AI for Science之所以成为资本竞相追逐的焦点，在于其同时处于技术革新、范式迭代、产业升级与国家科技博弈的交汇核心。
特别是AI模型+自动化实验机器人+Agent的闭环体系日趋成熟，使AI for Science正从理念迈向实际应用。
这不仅是科研方法的演进，更是关乎未来产业话语权的关键要素。
在这场新变局中，各方势力都力图抢占AI for Science的底层入口。
以下是近期AI for Science融资概况：
AI for Science
全球核心科技战略赛道
2024年，诺贝尔物理学奖与化学奖破天荒地同时授予人工智能领域学者。
尤其是AlphaFold2的问世，直接印证了一个事实：AI能够实质性介入基础科学发现。
在此事件的推动下，AI for Science这一理念开始被业界广泛传播与认可。
与大语言模型相异，AI for Science，即人工智能赋能的科学研究，是一个更具根源性与革命性的新范式。
传统科研遵循假设→实验→验证→理论的循环路径，周期长、投入高、不确定性大。
而AI for Science借助大规模AI预测与实验闭环，将以往依赖天才灵感与长期试错方能获得的稀缺性发现，转化为可规模化、可预测、可复制的工业化生产流程。
未来的智能AI科学家或将基于科学专用大模型+科学数据库+自动化实验室+科研工具+反馈学习等核心要素构建。
这些技术将大幅加速化工、医药、新能源、半导体、粮食等行业发展，并由此孕育多个万亿级规模的新兴领域。
不仅如此，AI与科技能力深度绑定后，正演变为一场围绕国家未来科技命脉的战略博弈。
例如美国启动国家级科研攻坚计划"创世纪计划"，锋芒直指AI驱动的科学发现；
中国国务院印发《关于深入实施"人工智能+"行动的意见》，将"人工智能+科学技术"列为重点行动之首，并配套设立系列专项计划；
欧盟委员会同步发布《应用AI战略》与《欧洲科学AI战略：为欧洲AI科学资源铺平道路》两份重要文件，捍卫欧盟在科技领域的主权地位；
今年以来，日本、新加坡等发达国家亦相继出台系列引导政策与科研项目。
尽管各国路径各有侧重，但底层逻辑高度趋同：
AI4S已上升为国家核心竞争力的关键组成；
算力、数据、人才为三大必备投入；
政府+科研+产业的协同联动成为标准配置。
争夺AI科研底层入口
自2026年起，AI4S不再停留于学术期刊，而是加速产业化进程，瞄准解决高研发行业的核心痛点。
倘若科研与AI深度融合，那么真正掌握产业话语权的并非单一应用，而是底层科研生态入口。
行业确定性持续增强，吸引OpenAI、Anthropic等大模型巨头纷纷入局，发布GPT-Rosalind、Fable 5等赋能科学研发的模型，同时与跨国药企、国家实验室、顶尖研究机构建立合作。
因此，智药局梳理了若干创业与融资观察及趋势，与读者分享交流，欢迎探讨。
此前AI for Science资金主要汇聚于AI制药、AI材料等垂直赛道，但近一年来，海外批量涌现通用科学智能企业，如Lila Sciences、Recursive、Mirendil、Edison Scientific等，国内则有晶泰科技、深势科技、英灵殿、津渡生科等公司，同步布局医药、材料、能源等多个领域。
未来，通用AI科学智能有望自主提出假设、设计实验、分析数据，实现科学发现全流程自动化。该模式一旦跑通，其潜在市场价值与影响力将极为可观，有望重塑全球科技创新版图。
趋势2：生物医药、新材料是全球AI4S两大核心赛道
当前，全球AI for Science一级市场资金与产业订单均高度向生物医药、先进材料两大赛道集中，量子、可控核聚变等前沿底层领域仅作补充布局，整体融资规模与项目数量差距显著。
医药领域，由DeepMind孵化的AI药物研发平台Isomorphic Labs斩获21亿美元B轮融资，国内百奥几何、分子之心亦获得数亿元融资，聚焦AI+蛋白质平台。
材料领域，Periodic Labs、CuspAI分别获得3亿美元种子轮、4亿美元追加融资，主攻固态电池、超导、催化新材料方向。
相较而言，通用全学科科学智能企业虽关注度攀升，但整体融资数量与累计金额尚不及医药、材料赛道。
趋势3：中国以高校成果转化为主，海外则是顶尖AI科学家创业
海外，尤其美国，创业者多由顶尖AI实验室或科技巨头的"明星科学家"领衔，兼具顶尖AI大模型与基础科学双重能力，其创业公司常在产品发布前即获巨额融资。
例如Recursive由前Meta AI研究总监田栋渊主导创办；Periodic Labs由OpenAI前研究副总裁与DeepMind材料科学专家联合创立；Mirendil由两位前Anthropic研究员联合创建等。
中国AI for Science创业的显著特征在于深度依托高校及科研院所的科研成果，形成"教授团队发起-高校基金孵化-产业资本接力"的发展路径，其中以清华、中科院、复旦等高校及研究院所居多。
AI预测结果须经湿实验验证，缺乏实验闭环即缺乏核心壁垒，客户如药企、材料企业等不会长期仅为软件工具付费。
海外头部企业已充分验证该逻辑：Lila Sciences、Periodic Labs、Autoscience等明星企业，均依托自研科学大模型+全自动无人实验室+自主科研Agent的完整架构，获得英伟达、a16z、主权基金的顶级大额投资。
国内头部上市公司晶泰科技等亦走向AI+自动化机器人+Agent+量子计算的多技术融合路线，深度革新底层平台，赋能医药、材料、能源等领域。
由此可见，AI for Science企业的核心支撑在于可落地的全链路预测—实验—反馈的科研闭环能力，而非单一算法优势。
谁在投？中美之间有何差异
从金额与事件维度看，AI for Science投融资主要集中于中美两国。
但具体分析，中美AI for Science呈现出差异化发展态势。
中国在融资早期阶段，如种子轮、天使轮等，TMT基金、高校校友基金表现活跃。
进入中后期后，国内国资+政府产业引导基金占据极高出资比例。
鉴于AI for Science资产较重且融资规模较大，中后轮次、上亿元轮次几乎由国资牵头主导。
北京人工智能产业基金、上海生物医药转化基金、北京国资创投、各地产业基金是国内大额融资的常客，如深势科技、百奥几何、耀速科技均有地方国资参与。
少量本土产业资本介入，包括复星医药、凯赛生物、国汽投资、百度等本土产业方。
而海外AI for Science领域政府基金参与度较低，主要由一线美元VC、科技巨头风投、主权基金、家族办公室主导。
a16z、Thrive、Flagship Pioneering、Index Ventures等美元基金以大胆激进见长，敢于巨额押注早期通用科研智能体；
其次英伟达、谷歌等算力厂商，将科学智能视为重要下游应用场景，有望长期深度绑定算力需求，正大规模"扫货"AI for Science公司。
不仅如此，海外投资方还出现了阿布扎比、淡马锡主权基金、贝佐斯家族办公室等长线资本，能够承受10年以上的超长回报周期。
从投资风格来看，中美之间亦存在明显差异。
中国依托制造业、生物医药产业优势，AI for Science投资以产业落地为导向，国资+产业资本持续加码生物医药、材料、合成生物等赛道，逐步向量子、可控核聚变等底层基础科学延伸，更侧重短期商业化落地。
海外尤其美国，凭借全球顶尖AI人才与长线资本优势，持续攻坚通用全学科AI智能体、全自动自主实验室，目标垄断全球科研工具底层生态。
笔者认为，无论中美，"AI大模型+自动化实验闭环"是行业唯一长期壁垒。算力厂商将持续深度绑定赛道，通用智能科学平台将持续获得市场最多融资。
这场竞赛的本质，已不仅是技术突破，更是对未来科研主导权的战略卡位。