核心观点
- AI for Science 的重要性: 中美政府和智库高度重视 AI for Science,将其视为加速科研创新的关键领域。该领域目前处于早期阶段,主要聚焦于创新药研发、部分诊疗检测和影像图像分析等节点。
- AI for Science 的应用领域: 医药是 AI for Science 最重要和最成熟的领域,其次是化学和材料领域,半导体领域也值得关注。其他领域如中医、地理、地质等也有应用潜力。
- AI for Science 的技术框架: AI for Science 主要基于微观层(分子动力学)、介观层(统计力学)和宏观层(物理仿真)三个层次。中国在该领域具有优势,将自动化实验室与分子动力学和密度泛函理论相结合。
- AI for Science 的商业模式: 上游主要涉及算力基础设施,中游涉及 AI 算法和软件平台,下游则包括 BD 模式、项目制模式、里程碑模式以及 SaaS 模式等。
关键数据
- 预计到 2027 年底,将有 10 家左右公司上市,其中 A+H 股市场已有 3 家公司上市。
- AI for Science 可将研发成本降低 50% 至 75%,研发时间缩短 2 至 3 倍。
研究结论
- AI for Science 是一个具有广阔应用前景的领域,未来将渗透到更多行业和领域。
- 中国在该领域具有优势,应积极布局相关技术和产业。
- AI for Science 的商业模式清晰,未来发展潜力巨大。