文章核心观点 - 文章核心观点是探讨AI for Science（人工智能驱动的科学研究）赛道的价值、发展现状、商业潜力及未来愿景，认为该领域将重塑科研范式，降低参与门槛，并孕育巨大的商业机会 [4][5][6] AI for Science的概念与愿景 - AI for Science的终极愿景是创造能像人类一样进行科学发现的AI科学家或自主科学发现系统 [6] - 该领域旨在将科学研究转变为“流水线”式的高效生产活动，从而批量产生高价值的科学成果 [7][8] - 其核心价值在于：1) 提升科研效率，批量产出成果；2) 助力解决全人类关注的衰老、无限能源等终极问题；3) 极大降低大众参与科研的门槛，实现“知识平权”和“科学平权” [8][9][10] 行业发展现状与中美对比 - 中国在AI for Science的理念提出和行业图景构建上比美国更系统，整体发展不落后 [15] - 美国的模式倾向于集中大量资源打造如AlphaFold的亮点项目，而中国选择了一条更注重基础设施建设的路径，包括科学知识库、科学计算和自动化实验室 [15] - 中国的独特优势包括：1) 全球AI领域50%的人才和基础科学50%以上的论文来自华人/中国；2) 完整且高效的实体产业与供应链体系；3) 国家政策对科技自立自强的支持，以及在上一代科学基础设施上的“后发优势” [17][18] - 预计到2035年后，基于AI for Science的基础设施，中国有望批量产生诺贝尔奖级别的科学成果 [18] 商业价值与市场潜力 - 全球每年在科学研究上的投入约为2.8万亿美元，中国投入约为3.6万亿元人民币，占GDP的2.7%，本身就是一个巨大的市场 [22] - AI for Science的现实商业模式主要围绕科研的四大基础设施展开：科研数据库、科研软件、科研仪器和外包研发服务（CRO），这些领域的现有商业都值得用AI技术重做一遍 [22] - 该赛道能产出非常确定的科研结果，效果明确，市场清晰，是一个“金矿”而非“清贫的行业” [23] - 行业内已有高估值公司出现，例如OpenEvidence估值超过60亿美元，2023年成立的几家对标公司估值也纷纷超过10亿美元 [30] - 未来十年内，预计80%以上的科学成果将由AI发现，相关公司的商业价值潜力巨大 [30] 创业公司机遇与竞争 - 尽管大公司在不计成本的前沿技术布局上有优势，但所有大公司都从小公司成长起来，关键在于谁能更快完成“冷启动”和“增长飞轮”的迭代 [20] - AI for Science领域非常适合年轻创业者，因为该行业更依赖智力与技术杠杆，且下游应用场景多样，抓住一个点打透就可能诞生价值数十亿美元的公司 [31] - 对于创业者，建议是：1) 看见火箭起飞先坐上去；2) 尽管基础设施壁垒会变高，但利用AI for Science工具解决具体问题的机会永远存在，现在就是最好的时机 [31] 未来展望与影响 - 未来，科学发现可能变得像使用搜索引擎一样简单，到2035年，预计全球可能有数亿人真正参与科学研究，远超目前的约1000万人 [25] - 在AI和机器人充分融入生活后，人类追求的核心将集中在体育、艺术和科学三大领域，科学将成为人们实现自我价值的重要方向 [26] - AI for Science的本质是“用最短路径把人类未知的知识告诉我们”，同时具备降低科研门槛和提升科学发现天花板的双重巨大意义 [24][32]

核心技术创新 - 提出名为Context-Aware Kernel Evolution (CAKE)的新方法，利用大语言模型的推理与生成能力，在贝叶斯优化过程中自动、动态地设计最优的高斯过程核函数[5][6] - 该方法将核函数设计问题重新构想为一个"进化过程"，LLM作为生成新核函数的引擎，执行交叉和变异两类遗传操作，并根据贝叶斯信息准则评估性能[15][17][19] - 提出BIC-Acquisition Kernel Ranking (BAKER)方法，通过加权平衡模型拟合度和采样潜力两个指标对核函数进行排序，在优化代理模型与实际推进最优解之间取得稳健平衡[21][22] 技术性能优势 - 在超参数优化任务中，CAKE在60个HPO任务上所有测试的ML模型中均取得最高最终准确率，在优化早期（如前25%预算内）能迅速收敛到高性能区域[27] - 在控制器调优任务中，CAKE显著优于所有基线，能更快收敛至高回报控制策略，在月球着陆任务中是少数能成功达到200分目标分数的BO方法之一[28] - 在光子芯片设计的多目标优化中，CAKE使用预期的超体积改进作为获取函数，求得高质量解的速度提升近十倍，大幅节省设计时间与成本[29][32] 方法比较验证 - 与三大类基线方法比较：固定核（SE或M5）、自适应核（随机选择、按获取函数值选择或按BIC选择）、组合与高级方法（深度高斯过程、高斯过程集成等）[25][26] - 消融研究证实CAKE和BAKER两个组件的必要性，完整模型效果远超CKS + BAKER（证明LLM优于传统搜索）和CAKE + BIC（证明BAKER平衡策略优于单独BIC）[35] - 实验证明LLM作为遗传算子能更迅速引导核函数种群朝更高适应度方向进化，与随机重组或传统遗传算法相比，适应度分布曲线能更快向高分区域移动[31] 计算成本分析 - 使用LLM会增加每次迭代的"墙上时钟时间"至8.3秒，而固定核方法仅需0.6秒，自适应方法需3.7秒[40] - 在贝叶斯优化典型应用场景（如药物研发、芯片设计）中，函数评估成本（数小时或数天）远高于LLM推理成本（秒级），CAKE通过减少函数评估次数总体上极大节约优化总成本[39] - 性能随着LLM能力提升而提升，使用gemini-2.0-flash在LR、SVM、RF、XGB、MLP任务上分别达到0.8253、0.8720、0.9056、0.9310、0.8780准确率，证明框架具有良好的"未来兼容性"[41] 应用前景拓展 - CAKE标志着AI for Science范式下的一次根本性跃迁，将大语言模型角色从文本生成工具提升为参与算法级结构设计的智能协作者[42] - 未来计划扩展CAKE框架，引入更具通用性的核函数语法，并将其核心思想推广至其他基于核方法的机器学习任务，如支持向量机、核主成分分析以及度量学习等[42] - 这项工作为构建更加自主、可解释且持续进化的智能优化系统开辟新路径，有望成为推动自动化实验室与加速科学发现进程的关键技术之一[42]

焦点回顾：上周资本市场主要赛道投融资概况 - 硬科技赛道中，半导体与芯片仍是主流，研微半导体完成数亿元A轮融资，立鼎微电子完成近亿元A轮融资[4] - 大健康赛道中，医疗器械受关注，精微视达完成新一轮超亿元融资，臻亿医疗完成C轮数亿元融资[4] - 互联网赛道中，AI迈向深水区，深度原理完成超亿元A轮融资，开物纪完成亿元级天使轮融资[5] 新消费赛道投融资详情 - 极壳科技完成7000万美元Pre-B及B轮融资，投后估值近4亿美元[7] - 福建锦峰食品旗下品牌“陶芒鲜茶”完成1500万元人民币A轮融资[8] - 智能割草机器人企业来牟科技完成数千万A+轮融资，2025年以来累计融资额达数亿元[9] 硬科技赛道投融资详情 - 森工新材料完成Pre-A轮融资，获数千万元投资[11] - 全球灵巧手企业灵心巧手完成数亿元人民币A+轮融资[12] - 极豆科技再获近亿元新融资，由国际芯片巨头领投[13] - 天基智能计算提供商中科天算完成数千万元天使轮融资[14] - 研微半导体完成数亿元A轮融资[15] - 北京人形机器人企业松延动力完成近2亿元Pre-B+轮融资[16] - 光客科技完成近亿元人民币Pre-A轮融资[17] - 锐泰微完成近亿元B3轮融资[18] - 半导体装备企业精电光科完成数千万元Pre-A轮融资[19] - 立鼎微电子完成近亿元A轮融资[20] - 沃飞长空完成数亿元人民币C轮融资[21] - 聚焦具身智能与脑机接口的傲意科技完成亿元B3轮战略融资，为本年度内第三轮过亿元融资[22][23] 大健康赛道投融资详情 - 精微视达完成新一轮超亿元融资[25] - 得印科技完成数千万元Pre-A轮融资[26] - 拉索生物完成B轮融资，由央企乡村基金领投[27] - 唯可生物完成近亿元A轮融资[28] - 睿璟生物完成近亿元B轮融资[29] - 臻亿医疗完成C轮数亿元融资[30] 互联网/企业服务赛道投融资详情 - 商业连锁企业智能服务平台天天百应完成数千万元A轮融资[32] - AI for Science企业深度原理完成超亿元A轮融资[33][34] - 视觉大模型企业视启未来完成近亿元天使轮融资[35] - AI4Materials领域公司开物纪完成亿元级天使轮融资[36] - 库兰织梦完成千万元天使轮融资[37] - 无问芯穹完成近5亿元A+轮融资[38] - AI资产管理平台无破科技连续完成两轮数千万元融资[39] - 瑞云冷链完成近亿元人民币A+轮融资[40]

北京人工智能产业现状 - 2025年上半年全市人工智能核心产业规模达2152.2亿元，同比增长25.3% [2] - 初步估算2025年全年产业规模有望超过4500亿元 [2] - AI企业数量超过2500家，已备案大模型183款，持续保持全国第一 [2] 产业生态与商业化进展 - 人工智能产业链日趋完整，形成具有全球竞争力的产业生态 [2] - 商业化路径逐渐清晰，百度、抖音等公司营收和产品活跃用户数均创新高 [2] - 豆包、文心一言、GLM、Kimi等模型在权威测评中表现优异，部分成果达国际顶尖水平 [3] 前沿技术成果 - 北京智源人工智能研究院发布FlagOS，实现"模芯协同"的纵向贯通 [3] - 北京通用人工智能研究院推出"通通2.0"，完成从理论创新到能力验证的重大跨越 [3] - 北京科学智能院发布全球首个覆盖"读文献-做计算-做实验-多学科协同"的AI科研平台玻尔科研空间站 [3] 未来发展趋势 - 能胜任个人助理、企业流程自动化、科学研究助手等角色的各类AI Agent将迎来爆发式增长 [1][3] - 具身智能发展将实现从信息处理到物理作业的跨越 [1][3] - 人工智能将拓展认知能力边界，世界模型将显著提升AI系统的泛化能力和可靠性 [3]

2025-2026年AI行业宏观趋势 - 行业呈现算力向少数核心参与者集中的趋势，算力是2026年的关键话题[7] - 开源社区涌现大量新参与者，中国新实验室训练出优秀模型成为重要现象[7] - 美国出现“开源重新兴起”现象，是对中国AI发展的反应，出现估值数十亿美元的新公司如Reflection[9] - 探索全新AI使用场景的初创公司倾向于从中国开源模型开始，以突破闭源模型的限制[9] - 在AI模型分析榜单中，排名第五的Minimax M2是表现强劲的开源模型[12] 大语言模型规模扩展的局限性 - LLM的泛化能力比预期弱得多，当前秘诀是尽可能多地对数据进行标注和在不同环境做强化学习[15] - 现有技术会遇到天花板，难以实现超级智能的跨越式提升，即模型做到“人做不到的事”[15] - 依赖不断标注数据、缓慢推动边界的方式，很难让AI具备定义新研究问题、挑战旧有假设的能力[18] - AI模型被训练成“唯唯诺诺的队伍”，会说“Yes”但不会提出好问题，缺乏真正创新能力[20] - 在数学领域，AI未能提出能让数学家投入数年研究的猜想，如费马大定理级别的创造力[22] AI行业估值与资本投入 - 尽管存在泡沫，但巨量资本投入可能催生意料之外的真正突破[25] - 资本投入可提升模拟环境的精确度和质量，从而间接推动科学进步[29] - AI需求推动GPU变得更强、更便宜、规模更大，这些GPU也将受益于科学模拟和工程领域[30][31] - 模拟和AI之间可能形成真正的“飞轮效应”，共同滚动发展[32] 开源与闭源的博弈 - 公司选择开源与否是吸引人才的重要策略，在西方做闭源更有吸引力，在中国则闭源实验室难挖到最优秀的人[36][37] - 开源模型便于调整、试验、定制，能更好地处理数据隐私场景，并提供部署自由度和可控性[39][40] - NVIDIA是Hugging Face上最大的开源模型和数据集贡献者之一，具备训练全球前两名模型的能力[43] - 在偏自由资本主义体系下，开源是美国构建健康AI生态的最佳方式[43] Hugging Face业务与战略 - 公司运营效率高，上一轮超2亿美元融资资金尚未动用，团队约250人，规模节制[46][47][48] - 业务从咨询服务转向推出Hub企业版，具备访问控制、权限管理等生产级安全需求，已有数千个组织使用[49][50] - 核心方向是服务“AI构建者”，企业版产品是未来长期重要、规模很大的产品[51] - 收购Humanoid Robotic并发布机器人Ritchie，旨在构建机器人领域的开源AI社区[52][53] - 发布售价100美元的SU-100机械臂和桌面型机器人Ritchie Mini，专注于探索人机交互方向[57][58][59] - 机器人产品卖出约150万美元，预计一个月内发货给用户[59][60]

人工智能与科技创造 - AI正从优化流程的工具演变为重构产业逻辑的核心生产力，智能形态经历三重升维：从云端集中式智能走向终端与边缘的泛在智能；从处理信息的数字模型进化为理解物理规律的精确世界模型；从执行预设任务的自动化程序蜕变为自主决策、主动协作的智能伙伴，标志从"使用AI"时代步入"与AI共生"的起点[3] - 具身智能生产力追求通用本体与具身大模型融合的整体范式变革，机器人能在零售、工业、药房、生活服务等多元环境中自主学习、自主操作，将AI价值从数字空间延展到城市与产业的肌理之中，成为社会生产力的一部分[4] - 大模型突破云端边界向终端侧奔涌，开启"智涌端边"时代，手机、耳机、眼镜等终端被注入灵魂，实现实时感知、即时决策，数据不出端兼顾隐私与效率，边缘节点觉醒形成云端与终端协同进化的去中心化智能再分配[5] - 打造"AI科学家"成为科学发现新纪元使命，通过底层海量科学数据、数理建模与求解算法、科学大模型体系、科研智能体系统与配套智能自动化实验室，将工具模块化赋予科研智能体组合能力，快速覆盖科研领域全能AI科学家并落地实际研发场景[6] - 人工智能行业进入产品化关键阶段，产品化过程需融合企业具体数据知识形成精准岗位模型产品，结合多模态模型技术和多模态数据处理技术，对接多种软硬件生产工具作为Agent，并与具身智能结合培育落地场景，实现数据、模型与Agent高精度融合[7] - 物理精确世界模型GS-World将类似Sora视频生成的"看起来像真的世界"变为"遵循物理规律可计算的世界"，支撑人形机器人快速学习技能实现不同场景迁移泛化，从给各国政要做咖啡到工厂复杂精细双臂协同操作，更好解放人类劳动[9] - 2025年是Agentic AI元年，AI从被动响应工具演变为主动协作伙伴，汽车金融行业推出首个Agentic大模型XinMM-AM1，以Multi-Agent架构重构全链路，实现从"单点智能"到"全局聪明"关键跨越，让复杂决策更精准、长链协同更高效[11] - 人机交互实现从语音助手到AI伙伴关键跨越，AI伙伴能察言观色、想你所想、懂你所需，完成全系、全量、全生态上线并为千万台已售设备免费升级，追求让每一位用户都不掉队的技术价值[12] - AI原生企业以AI驱动公司避免人成为AI运行瓶颈，通过Happy Work AIOS与Happy Life AIOS双系统驱动，前者将客户、用户、技术、产品、员工、资产注册进系统构建企业价值AI生产线，后者统筹家庭成员、设备、外部服务消除家庭认知差与信息差，实现从赚钱到花钱快乐闭环[13] - AI已成为商业进化加速度引擎，带来营销及商业流程数字化加速迭代、数字内容生产指数级增长、数据衡量从不可能变为皆有可能，不仅是效率提升更是决策范式根本变革，在全球品牌竞争中成为弯道超车核心竞争力[14] - 中国AI黄金机会在垂直领域，企业对AI降本增效真实需求在细分场景中爆发，未来五年最大赢家是将技术与行业Know-how结合最深并实现可持续商业价值的"深耕者"，企业买单的不再是单纯工具而是能交付结果的"AI劳动力"[15] - AI全球化正式升维，从"技术单向输出"浅层认知指向全球AI产业从"资源割裂"到"价值循环"底层变革，算力层全球资源余缺互补优质算力加速模型优化，应用层Token从API调用计量演进为算力结算与生态激励复合价值载体，形成模型、应用、场景、算力价值正循环[16] - 工业AI重塑全球工业格局，构建融合能效、安全与绿色可持续发展技术体系与智能制造新路径，通过全自主运行工厂系统FAP推动工厂实现从"自动控制"到"全局自主决策"系统性跨越，展现中国企业在全球工业智能化进程中引领力量[19] - 影像创作告别"重装备"时代，以轻量化、智能化、AI化产品设计理念让专业能力普惠每一个创作者，整合科技创新资源用"新质轻创力"让更多人跨越技术门槛成为世界讲述者与创作者[20] - 共生智能追求更懂生命温度，AI Empathy不是取代人类的爱而是放大理解力量，让科技成为宠物与人之间桥梁，让数据跳动转化为被理解与被关爱瞬间[21] - 人工智能根本性重塑创作格局，AI作为"超级助手"允许创作者跳出繁琐流程抵达核心环节，驱动聚焦消费级感官体验的连台好戏开场[23] - 利用计算能力通用方法最终最有效且优势显著，算法远胜人类设计特征，人为设计特征限制AI能力模式，应以发展眼光看问题不为工程设限也不为AI设限[24] - "AI+N"是AI技术与千行百业深度融合核心范式，打破单一应用边界赋能产业升级、生活服务等多元场景，通过技术协同释放乘数效应，以AI为基础联动N个垂直领域资源与需求催生新业态、新动能，推动各行业效率跃升实现从虚拟到物理世界全场景智能升级[50] - 柔软科技重新定义人机关系，AI不应是冰冷参数而是可触摸温暖，以"柔软"为内核用AI模拟生命温度与成长，让机器人成为读懂情绪伙伴，是对人性化未来温柔探索[51] - 机器人行业突破体现为整个范式加速改变，机器人从幕后走进场景在真实空间里连续运行、承担任务、创造价值，竞争逻辑从拼结构、堆料、噱头红海进入拼场景深度、商业可复制性硬仗，胜负由"价值"决定[53] 新零售与消费创新 - 消费市场经历深刻价值观重构，消费者同时持有极度理性标尺精准衡量"质价比"拒绝虚高溢价，和极度感性标尺愿为文化认同、情感共鸣和确定性体验支付溢价，倒逼商业逻辑从"满足所有人"转向"为一部分人创造不可替代价值"[25] - 品质零售坚持胖东来模式调改走品质零售路线，以遍布全国20多个省大范围、彻底程度推进改革，追求走出属于自己特色的品质零售之路[26] - "质价比"不是简单比价而是让好品质有合理价、合理价配足好品质，消费者愿为真材实料、匠心工艺买单但拒绝虚高溢价，餐饮行业需把成本花在食材溯源、口味打磨、服务细节上，让每一分价格都锚定价值[27] - 2025年中国消费品市场接受新常态体现三方面重构：消费者需求重构从追求极致性价比到愿为情感和体验支付溢价；消费行为重构场景消费带来O2O购买模式重大发展机遇创造全触点全时段购买生态；零售渠道重构线上线下激烈竞争倒逼供应链整体重构催化折扣店、自有品牌快速发展[28][29] - 基于二十年锤炼供应链基础设施能力打造"超级供应链"，实现"又好又便宜"消费承诺促进经济结构优化升级，PLUS企业会员是深耕企业采购市场产物助力企业稳定、有序、高效、健康增长[30] - 国运品牌契合中国人基因里好感品类，满足亚健康人群轻养身需求，是多巴胺饮食狂欢后心灵忏悔，本身作为快餐质价比高价格接地气，传承4300年传统文化伴随中国文化自信与复兴崛起[31] - 行业告别野蛮生长与剧烈震荡进入结构升级、效率提升和用户留存驱动稳健发展阶段，消费者从冲动消费转向"买对"偏好真实价值与长期体验小焕新，情绪成为新锚点，AI智能从技术热点变为基础能力深度融入产品、营销与生活场景实现更精准自动化、个性化体验[32] 生物科技与健康 - 当AI计算深度遇见生命复杂系统，健康管理定义被重新书写，前沿探索致力于解码每个个体独特生命语言从基因构成到肠道菌群动态，将生命视为独特智能系统并通过"碳硅结合"对话开启与生命本身共同进化新征程[33] - "生物智能"源于AI与生物学深度融合，生命是亿万年演化复杂智能系统，当人工智能算力与解码生命奥秘能力结合，不再简单"研究"生物而是开始"对话"和"共创"，引领从"认知生命"走向"碳硅结合"为疾病治疗、物种演化乃至人类认知宇宙终极命题开启全新"共进"征程[34] - "共生"是自然底层规律也是文明最高智慧，透明质酸与胶原蛋白共生于生命组织，工程与生命在原理上同构，企业与社会共生、科学与人文共生、个体与时代共生，追求参与更大生命体系让中国制造从宏观钢铁桥梁延伸到微观生命活性物连接人与人、生命与文明共生之桥[35][36] - "个性化益生菌"是精准营养与健康管理领域前沿关键词，通过基因组学、肠道微生物学和生物信息技术科学检测识别每个人独特肠道菌群构成及动态变化，结合人工智能赋能使益生菌补充从"千人一方"演化为"一人一方"，代表从"普适营养"迈向"精准营养"认知升级[37] 营销与品牌战略 - 品牌建设心智域发生根本改变，增长核心引擎从外部流量获取转向内部信任资产累积，创始人成为品牌"信任导体"，产品成为价值观"实体载体"，长期主义成为穿越周期"战略罗盘"，出海叙事从"远渡重洋"相互竞争转变为"全球共生"价值循环，品效共进是DTC时代增长本质[38] - 消费行业从流量追逐转向价值沉淀，"长期主义"成为穿越周期底层逻辑，真正品牌成长在于对核心领域持续投入与深耕，聚焦长期价值创造在市场变化中筑牢根基实现长久信赖[39] - 企业需以AI技术为支点撬动消费变革深层叙事，利用新技术新能力重构消费场景、精准捕捉需求、创新产品形态以及重塑企业运营逻辑，实现从"存量博弈"到"增量创造"转型[40] - 面对需求、渠道、竞争三重碎片化，广谱通投"大单品"时代正在落幕，"细分"是企业主动将市场做"厚"战略选择，从"满足所有人"转向"深度服务一类人"在细分功能、特定人群或独特场景中构建新品牌壁垒[41] - 文化是一种确定性是月饼行业不可撼动价值根基，将好产品与好故事结合是中国品牌走向世界方向，文化赋能不仅关乎讲好中国故事更是当下不确定性和内卷竞争环境中破局关键[42] - 出海营销从"流量驱动"迈向"品牌驱动"，单纯追逐转化率难以支撑长期增长，品牌资产是穿越周期护城河，"品效共进"是DTC时代增长本质，品牌内容与商业转化必须双向赋能形成"内容触达—用户信任—持续转化—品牌沉淀"闭环[43] - 技术重塑世界当下步入"信任经济"时代，信任无法外包只能靠长期真实与一致性累积，创始人个人品牌是企业价值观与战略方向最清晰载体，是企业关键周期中"信任引擎"，价值体现在更高效获取流量、更强品牌信任、更深度用户运营，并最终转化为企业估值显著加成[44] - 面对全球不确定性与流量红利终结，品牌从"规模至上"转向"利润为王"，以终局思维重构增长路径放弃依赖头部主播烧钱换流水"虚假繁荣"，追求健康、可持续、内生式增长，用科技优化供应链效率、提升复购率、品牌自播矩阵精细化运营实现每一分预算都产生GMV且每一分GMV都有利润[45] 创新思维与创业 - 创新内核回归恒久商业本质，创业者在前瞻视野布局未来产业与行业老兵严谨判断价值基本面间找到平衡，创新焦点从"堆砌功能"转向"有效创新"，从追求"参数领先"转向创造"可触摸价值"，"柔软科技"思潮兴起提醒科技终点是情感抵达[46] - "生息"体现艺术与科技生态循环，"生"是让创造力生长一往无前先锋探索，"息"是停下来思考人文精神潜在续力，生息之间是可以呼吸充满想象风景[47] - 秉持"仰望星空，脚踏实地"信念，以前瞻视野布局定义时代未来产业，以行业老兵穿越周期严谨坚持稳健投资与价值创造，将高远战略洞察与务实基本面判断相结合行稳致远创造长期价值[48] - 进化不只是产品迭代、算法升级、机器人能力跃升，更是对世界、技术、自身使命再次看清的深层自我认知，技术是日复一日精进，进化是无数微小但稳固前行，让未来一点点变得更清晰[49] - 当科技消费品被功能堆砌和参数内卷裹挟，"有效创新"比"更多创新"更重要，真正进步不在于塞进多少功能而在于保留多少必要，不是把产品做成万能而是把关键一点做到更准、更稳、更有用，在选择过载时代最奢侈不是拥有无数选项而是简化选择[52]

融资信息 - 公司完成超亿元人民币A轮融资 [1] - 融资由戈壁创投管理的阿里巴巴创业者基金大湾区基金与蚂蚁集团共同领投 [1] - 现有股东联想创投、Taihill Venture超额加注，BV百度风投继续加注，多家机构参与 [1] - 融资资金将用于加速材料发现智能体Agent Mira™的研发、推进L4高通量自主实验室AI Materials Factory™建设、深化与头部客户合作 [1] 技术实力 - 公司创始团队拥有麻省理工学院背景，在AI for Science交叉领域有深厚积淀 [4] - 首创的扩散生成模型OA-ReactDiff在单个GPU上6秒内完成过渡态结构预测，解决传统量子化学计算耗时数天甚至数月的痛点 [4] - 迭代模型React-OT将预测时间提升至0.4秒，误差降低超25% [4] - 主导开发LLM-EO工作流程，利用大语言模型进行过渡金属配合物的生成式设计，相关成果以封面论文形式发表于顶尖期刊 [5] - 形成“Diffusion + LLM”并进的生成式AI技术架构 [5] 产品与平台 - 公司研发了ReactGen、Reactify、ReactControl、ReactBO、ReactNet、ReactHTE六大算法模块，并集成于ReactiveAI平台 [6] - 平台已升级为材料发现智能体Agent Mira，具备分子结构设计、化学反应预测、材料配方优化等能力，可通过自然语言指令调度全流程任务 [6] - 启动打造L4高通量自主实验室AI Materials Factory，由智能体Agent Mira统筹，覆盖从分子设计到实验验证的全链路闭环 [10] 商业化进展 - 公司成立仅一年便获得超千万元人民币商业订单 [2][9] - 在超分子材料领域，与杉海创新共建AI超分子材料平台“超屿Synthrix™ 1.0”，通过AI计算筛选百万级候选结构 [9] - 在日化领域，与欧莱雅合作，利用ReactiveAI平台预测成分对配方性能的影响，带来研发周期缩短、预测命中率提升等可量化收益 [9] - 与战略股东晶泰科技持续共创，聚焦化学材料领域智能化自动化研发 [9] - 在新能源、精细化工等领域推进多个重点项目 [9] 行业与战略 - AI for Science正将材料研发从“试错式实验”推向“智能化设计”，引领产业变革 [2] - 公司提出的ECML范式与AI Materials Factory旨在打通材料研发“最后一公里”，为规模化落地奠定基础 [2][10] - 公司看好中国市场完备的产业链、庞大的研发需求及高效的产业应用环境 [6]

行业投资评级 - 报告未明确给出具体的行业投资评级 [1] 核心观点 - 美国“创世纪计划”是一项由能源部主导、定位堪比“曼哈顿计划”的国家级科技战略行动，旨在通过整合联邦科学数据集、国家实验室超级计算资源及人工智能基础模型，加速关键领域的科研突破 [1] - 该计划标志着美国AI战略重心从“监管”转向“国家级科研赋能”，将“AI for Science”提升至国家安全最高优先级 [2] - 计划核心是构建“美国科学与安全平台”，整合超级计算机、云端AI算力及联邦科学数据资源，形成“国家级数据+顶尖算力+领域专用模型”的三位一体战略壁垒 [3] - 计划明确了先进制造、生物技术、关键材料、核能、量子科学及半导体等六大优先领域，将为上游算力基础设施及能深度整合AI的行业龙头带来直接利好 [4] - 计划强调“公私合作”机制，为拥有先进AI模型或高质量数据的科技企业参与国家项目打开窗口，并设定了紧凑的执行时间表以加速技术转化 [4] 战略定位与目标 - 该计划被定位为国家级历史行动，其紧迫性和雄心直接对标二战时期的“曼哈顿计划” [11] - 核心目标是利用AI加速科学发现，系统性强化美国在全球科技竞争中的核心优势与领导地位，特别是在“AI+硬科技”结合的领域 [1][11] 核心载体与基础设施 - 计划的核心载体是构建统一的“美国科学与安全平台”，该系统将整合能源部国家实验室的超级计算机与云端AI算力环境 [1][11] - 平台将汇集联邦政府数十年积累的大规模科研数据集，包括专有数据与合成数据，构成其数据资产 [3][11] - 技术工具方面，将开发科学领域的基础模型和AI Agents，用于自动化实验设计与验证，并明确提及“机器人实验室”与自动化科研工作流 [3][11] 优先领域与产业影响 - 首批明确的六大优先攻关方向为：半导体与微电子、核裂变与聚变能源、先进制造、生物技术、关键材料、量子信息科学 [4][11] - 此举将持续驱动上游算力基础设施（如GPU、数据中心）的需求 [4] - 能够深度整合AI以加速研发进程的细分行业龙头将直接受益，例如依托先进EDA工具提升设计效率的半导体企业、运用AI缩短药物发现周期的生物医药公司，以及致力于核能、新材料等前沿方向的清洁科技企业 [4] 实施机制与时间表 - 能源部被指定为牵头负责具体执行与平台搭建的部门，总统科技助理通过国家科技委员会进行统筹协调 [11] - 实施主体强调跨部门协同，参与方包括国家实验室、顶尖大学以及私营企业（科技巨头/初创公司） [11] - 计划设定了明确的倒排工期：90天内完成联邦算力与数据资源的盘点；120天内确定首批用于训练的模型与数据集并制定网络安全计划；240天内审查“机器人实验室”设施；270天内平台需具备初步运行能力并针对至少一个挑战领域开展工作 [4][11] 公私合作与商业化 - 行政命令第5节明确强调了与私营部门及高校的合作机制，内容涵盖数据与模型共享以及商业化路径设计 [4] - 将建立机制允许经审查的外部合作伙伴访问联邦数据与算力平台，并明确了通过该计划产生的知识产权归属、许可和商业化路径，以鼓励技术转化 [11] - 计划还包括设立奖学金与实习项目，向国家实验室输送AI人才 [11]

公司技术发展历程 - 2014年公司创始人提出使用大规模机器学习系统搭建推荐系统，以解决图片、文字、视频等多种媒体形式的推荐问题，并设定了万亿级别特征规模的激进目标[1][5] - 公司早期在优化算法上进行了多路径探索，包括CDN优化器项目和SGD-FTRL项目，最终SGD-FTRL方案在几个月内成功上线，实现了稀疏化万亿特征的目标[8] - 2014年底公司引入FM类算法，并演化为更通用的深度学习体系，从上线第一天起就是一个流式训练系统[9] 科学计算领域探索 - 2020年左右公司开始探索AI在科学计算领域的应用，认为通过求解薛定谔方程可以模拟世界绝大部分现象，并利用模拟产生有价值数据驱动机器学习进步[10] - 公司在神经网络量子蒙特卡洛方法领域进行投入，2021年后的多项工作已达到业界前沿，其中LAVA项目显示出该问题与大模型一样存在Scaling Law[16] - 公司提出首个能适用于固体体系的NNQMC方法DeepSolid，并用于研究拓扑绝缘体等材料，发现MoTe2二维材料在特定条件下会变为拓扑绝缘体[17] - 在分子动力学领域，公司开发了GPU4PySCF实现GPU加速DFT计算，达到1GPU≈500~1000CPU core的加速效果，算力成本降低1个数量级[20][21] - 公司开发了Bamboo-MLFF和ByteFF两类分子动力学力场，其中ByteFF-Pol在无实验数据zeroshot预测电解液性质上实现业界SOTA精度[21] - 公司与比亚迪成立联合实验室，将高通量自动化实验与科学计算算法结合，探索AI for Science在电池材料领域的工业落地应用[21] XR技术研发进展 - 2021年字节跳动收购Pico团队，最初有两条产品路线并行推进，2023年决定减少内容和营销投入，更坚定地投入技术路线[22] - 在清晰度方面，公司2022年启动MicroOLED定制，目标达到近4000PPI，最终成品平均PPD40，中心区域超过45，达到行业领先水平[24][26][29] - 公司为解决MR技术挑战，2022年6月立项全链路自研头显专用芯片，2024年回片并进入量产阶段，系统延迟可做到12毫秒左右[30][31] - 公司建设了专业的高精度测试系统用于环境识别和交互校准，并开发了专门的3D重建机制与高精度手势数据采集系统[33] - 新的MR产品计划于2026年发布[33] 大模型技术布局 - 公司在2021年曾有机会早期关注大语言模型，但当时评估认为LLM暂无实用价值，2022年ChatGPT发布后公司快速调整并加大投入[1][34] - 目前豆包是中国最流行的AI对话助手，火山引擎的大模型服务根据IDC报告是中国MaaS市场第一名[2][34] - 公司在Infra方面具备积累，大规模稳定训练系统MegaScale在训练任务上MFU超过55%，是当时主流开源框架的1.3倍以上[34] - 公司在模型结构、自研服务器上有很多探索，实现了大模型的低调用成本，能够打破业界价格下限同时保证不错毛利[35] - 公司的GenMedia模型、VLM、语音模型表现良好，长期属于国际一流水平，还在进行Seed Edge等前沿探索[35]

AI for Science (AI4S) 行业趋势 - 行业核心价值在于将科学研究从“人工设计”推向“自主智能”，让科学具备思考、推理和自我演化的能力 [1] - AI4S是一种跨领域的新范式，在数学、化学、材料科学、物理、生命科学及气候科学中应用 [3] - 2024年诺贝尔化学奖授予AI4S领域代表人物，行业已从实验室概念发展为产业热点并走入资本市场 [1] - 谷歌DeepMind的AlphaFold模型解决了50年历史的蛋白质结构预测难题，将准确率从40%提升至60%，可预测约2亿种蛋白质结构 [13] - 美国资本市场已开始兑现AI4S价值，例如CuspAI完成约1亿美元A轮融资，Periodic Labs获得3亿美元融资且估值达约15亿美元 [13][14] 深度原理公司概况 - 公司定位为AI for Chemistry / Materials的科技创新公司，致力于加速材料创新的全流程 [4] - 公司由麻省理工学院（MIT）博士领衔创办，核心团队来自MIT、斯坦福、浙江大学等顶尖高校及微软、Meta、陶氏化学等头部机构 [3] - 公司选择将主战场放在中国，认为中国具备全球最强的制造能力、巨大的市场体量及后端工业能力 [14][15] - 公司成立于2024年，成立不到一年即完成从0到1的落地，并已获得超千万元人民币商业订单 [4][10] 技术平台与核心能力 - 公司自研Reactive AI平台，旨在突破现有算法在材料化学模拟上的能力边界 [4] - 首创扩散生成模型系列OA-ReactDiff、React-OT，将过渡态结构预测时间从传统软件的数天或数周缩短至单个GPU上0.4秒，误差降低超25% [5][6] - 主导研发语言模型LLM-EO，科研人员可用自然语言提出需求，模型能自动产生分子候选并筛选高潜力结构 [9] - 构建“一横一纵”产品体系：横向为打通研发链路的Agent Mira，纵向为贯通模型与物理实验室的AI Materials Factory，实现从模型到材料的完整闭环 [10] 融资与商业进展 - 公司近日完成超1亿元人民币融资，由戈壁创投管理的阿里巴巴创业者基金大湾区基金与蚂蚁集团共同领投，此为蚂蚁集团在AI4S领域首次出手 [2] - 自成立以来，公司已完成数亿元人民币融资，投资方覆盖线性资本、祥峰投资、高瓴创投、联想创投等国内外顶尖机构 [14] - 客户已覆盖营养日化、新材料、新能源等核心领域，头部客户包括杉海创新、欧莱雅、晶泰科技等 [10]