AI 重塑科研范式：半年融資 44 億美元，生物醫藥、新材料成核心主戰場

近一年來，一個新的AI賽道正在迅速崛起——AI for ScIence（AI4S）。

據智藥局不完全統計，僅半年多以來，全球AI for Science融資已經超過44.3億美元。

大量資金涌入，批量制造獨角獸。

AI+材料科學平臺CuspAI在不到一年內估值翻四倍，達到26億美元；

AI+藥物研發公司Isomorphic Labs宣布已籌集到21億美元的B輪融資，公司正在打造AI通用引擎，重塑藥物發現；

Recursive在無產品無收入的情況下融資6.5億美元，估值達46.5億美元；

不僅如此，OpenAI，Anthropic等通用大模型巨頭也選擇入局，發布了GPT-Rosalind、Fable 5等一系列能夠賦能科學研發的模型，并且合作了行業頂尖公司。

AI for Science之所以成為資本爭相布局的關鍵，是因為它同時占據了技術革命、范式革命、產業革命和國家科技競爭的交匯點。

尤其是AI 模型+自動化實驗機器人+ Agent的閉環平臺逐漸完善，讓AI for Science正從概念走向現實。

它不僅是科學研究，更是關乎未來產業主導權的關鍵變量。

在新一輪變革中，所有人都希望爭奪AI for Science的底層入口。

以下是近期AI for Science融資情況：

AI for Science

全球核心科技戰略賽道

2024年，諾貝爾物理學獎和化學獎史無前例的地授予了人工智能領域的科學家。

尤其是AlphaFold2的出現，直接證明了一件事：AI可以直接參與基礎科學發現。

這一事件的催生下，AI for Science這一概念開始被廣泛傳播和接受。

和大語言模型不同，AI for Science，即人工智能驅動的科學研究，而是一個更具根本性和顛覆性的新范式。

傳統科研是假設→實驗→驗證→理論的循環，周期長、成本高、隨機性大。

而AI for Science通過大規模AI預測+實驗閉環，將這項過去依賴天才靈感和長期試錯的稀缺性發現，轉變為可規模化、可預測、可復制的工業化流程。

未來的智能AI科學家或將建立在科學專用大模型+科學數據庫+自動化實驗室+科研工具+反饋學習這些要素之上。

這些技術，將大幅度加速化工、醫藥、新能源、半導體、糧食等領域，并由此催生出多個萬億級的新領域。

不僅如此，AI與科技能力深度關聯后，正在上升為一場圍繞國家未來科技命脈的戰略押注。

例如美國啟動了“創世紀計劃”的國家級科研攻堅計劃，矛頭直指AI驅動的科學發現領域；

中國國務院發布的《關于深入實施“人工智能+”行動的意見》，將“人工智能+科學技術”列在重點行動的首位，并設立了一系列專項計劃；

歐盟委員會同步拋出《應用AI戰略》與《歐洲科學AI戰略：為歐洲AI科學資源鋪平道路》兩份重磅文件，捍衛歐盟在科技領域的主權；

今年以來，日本、新加坡等發達國家，也發布了一系列引導政策和科技項目。

盡管各國策略差異明顯，但底層共識高度一致：

AI4S已上升為國家核心競爭力；

算力、數據、人才是三大剛性投入；

政府+科研+產業的協同成為標配。

爭奪AI科研底層入口

2026年開始，AI4S并非停留在論文中，它正在快速產業化，希望精準解決高研發行業的核心痛點。

未來如果科研深度結合AI，那么真正擁有產業控制力的，并非是單個應用，而是底層科研生態入口。

行業確定性越來越高，吸引了包括OpenAI，Anthropic等大模型巨頭公司入局，發布了GPT-Rosalind、Fable 5等一系列能夠賦能科學研發的模型，同時與跨國藥企、國家實驗室、頂級實驗室合作。

因此，智藥局總結幾大創業與融資觀察與趨勢，與讀者共享，歡迎討論。

趨勢1：通用科學智能成為資本新主線

此前AI for Science資金集中在AI制藥、AI 材料垂直賽道，但近一年來，海外批量誕生通用科學智能公司，如Lila Sciences、Recursive、Mirendil、Edison Scientific等，國內則有晶泰科技、深勢科技、英靈殿，津渡生科等公司，同時布局醫藥、材料、能源等多個領域。

未來，通用AI科學智能有望能自主提出假設、設計實驗、分析數據，實現科學發現全流程的自動化。這種模式一旦跑通，其潛在的市場價值和影響力巨大，有望重塑全球科技創新的格局。

趨勢2：生物醫藥、新材料是全球AI4S兩大核心賽道

目前，全球AI for Science一級市場資金、產業訂單均高度向生物醫藥、先進材料兩大賽道傾斜，量子、可控核聚變等前沿底層領域僅作為補充布局，整體融資體量與項目數量差距懸殊。

醫藥領域，由DeepMind孵化的AI藥物研發平臺Isomorphic Labs獲得21億美元的B輪融資，國內也有百奧幾何、分子之心拿下數億元的AI+蛋白質平臺。

材料領域，Periodic Labs、CuspAI，分別拿下 3 億美元種子輪、4 億美元追加融資，主攻固態電池、超導、催化新材料。

與之相比，通用全學科科學智能企業雖熱度走高，但整體融資數量、累計融資金額不及醫藥、材料賽道。

趨勢3：中國以高校成果轉化為主，海外則是頂尖AI科學家創業

海外，尤其是美國，創業者更多由來自頂尖AI實驗室或科技巨頭的“明星科學家”主導，具備具頂尖AI大模型+基礎科學能力，他們的創業公司往往在產品問世前就能獲得巨額融資

例如Recursive由前Meta AI研究總監田棟淵領銜創辦；Periodic Labs由OpenAI前研究副總裁與DeepMind材料科學大牛聯合創立；Mirendil由兩位前Anthropic研究員創立等。

中國的AI for Science創業，一個顯著特點是深度依托高校和科研院所的科研成果，形成“教授團隊發起-高?；鸱趸?/strong>-產業資本接力”的路徑，其中以清華、中科院、復旦等高校和研究院居多。

趨勢4「底層大模型+自動化實驗室+Agent是融資分水嶺

AI預測結果必須通過濕實驗復現，缺少實驗閉環等于缺少核心壁壘，客戶如藥企、材料企業等不會長期單純為軟件工具買單。

海外頭部標的已全面驗證該邏輯：Lila Sciences、Periodic Labs、Autoscience 等明星企業，全部依托自研科學大模型 + 全自動無人實驗室 + 自主科研 Agent的完整體系，拿下英偉達、a16z、主權基金的頂級大額融資。

國內頭部上市公司晶泰科技等也走向了AI+自動化機器人+Agent+量子計算的多技術融合，深度革新底層平臺，賦能醫藥、材料、能源等領域。

由此可見，AI for Science公司的核心支撐是可落地的全鏈路預測—實驗—反饋的科研閉環能力，而非單一算法優勢。

誰在投？中美之間有何差異

從金額和事件來看，AI for Science投融資主要發生在中美兩國。

但具體分析，中美AI for Science走出了差異化情況。

中國在融資早期，如種子輪和天使輪等，TMT基金、高校校友基金活躍。

到了中后期，國內方國資+政府產業引導基金占據了極高的出資比例。

由于AI for Science資產較重且融資額較大，中后輪次、上億元輪次幾乎由國資牽頭。

北京人工智能產業基金、上海生物醫藥轉化基金、北京國資創投、各地產業基金是國內大額融資?？?，如深勢科技、百奧幾何、耀速科技均有地方國資入局。

少部分有本土產業資本參與，包括復星醫藥、凱賽生物、國汽投資、百度等本土產業方等。

而海外AI for Science政府基金存在感較低，以一線美元VC、科技大廠風投、主權基金、家族辦公室主導。

a16z、Thrive、Flagship Pioneering、Index Ventures 等美元基金以大膽激進著稱，敢于用巨額押注早期通用科研智能體；

其次英偉達、谷歌等算力方，將科學智能視為重要的下游場景，有望長期深度綁定算力需求，正在大范圍“掃貨”AI for ScIence公司。

不僅如此，海外投資方還出現了阿布扎比、淡馬錫主權基金、貝佐斯家族辦公室等長線資金，能承受10年以上超長回報周期。

從投資風格來看，中美之間也有不小的差異。

中國依托制造業、生物醫藥產業優勢，AI for Science投資以產業落地為主，國資 + 產業資本持續加碼生物醫藥、材料、合成生物等賽道，逐步向量子、可控核聚變等底層基礎科學滲透，更看重短期商業化落地。

海外尤其是美國，依靠全球頂級AI人才和長線資本，持續攻堅通用全學科AI智能體、全自動自主實驗室，目標壟斷全球科研工具底層生態。

筆者認為，無論中美「AI大模型 +自動化實驗閉環」是行業唯一長期壁壘。算力廠商會持續深度綁定賽道，通用智能科學平臺將持續拿到市場最多融資。

這場競賽的本質，已不僅是技術突破，更是對未來科研主導權的戰略卡位。

加入讀者交流群：

聯 系 我 們 ：wbfsh@staff.weibo.com