AI4S产业更新-0809 ❶市场高度关注Coding之后的下一个场景，包括但不限于办公Agent/多模态/机器人/FDE/AI4S。本周Jeff Dean从谷
- 序号：161
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
AI4S产业更新-0809
❶市场高度关注Coding之后的下一个场景，包括但不限于办公Agent/多模态/机器人/FDE/AI4S。本周Jeff Dean从谷歌离职创办Discovery Loop、国内CXO龙头药明康德业绩/订单/指引全面超预期、美股DNA合成龙头Twist收入指引超预期（公司预计AI-enabled drug discovery订单FY26实现三位数增长，并预计FY27继续三位数增长），资本市场对AI4S的关注度持续升温。在AI制药领域，市场现阶段看到的叙事是AI显著加速前端干实验的靶点/分子设计，从而导致PCC/临床前后选分子的Make-Test验证需求增加（例如抗体/蛋白合成及体外测试）；如果后续进一步观察到AI还带来了PCC数量的显著增长，那么需求将进一步向药理药效、DMPK、毒理等临床前开发环节，以及临床CRO和CDMO等高价值环节传导。
❷RSI（递归自我改进）与Loop（闭环迭代）正让AI4S从"工具辅助"升级到"自主科学发现"，Loop解决的是Research如何7×24小时无监督运转，RSI解决的是AI模型和策略自我优化的问题，不断加速L3迭代回环（Design-Execute-Observe-Reflect）。因此，我们看到AI4S领域的showcase和benchmark已经成为顶级AI大模型发布的必备课题。OpenAI Astra为了展示科研能力，推进了10个顶级的数学分析/量子研究/理论计算机科学问题；Kimi-K3设计一款早期概念验证的芯片、复现和计算天体物理中的I-Love-Q普适关系；Mythos/Fable 5自主训练新模型用于识别不同物种的功能细胞，Claude Science能接入60+数据库/科学工具
❸AI4S在生物医药/油气/化工/找矿/气象/芯片/材料等领域的商业化正在加速。在制药领域，AI正从"预测结构"迈入"AI生成生命"，沿基因组语言模型/AI虚拟细胞（AIVC）/AI制药智能体三大方向推进。例如Arc Institute于《》展示AI基因组语言模型Evo生成16株自然界不存在的功能性噬菌体，系AI首次完成全基因组级生命系统设计；腾讯与中南大学的AI虚拟细胞算法UniPert-G2CP登上《》主刊，首次将基因与药物两类干预统一建模、直击临床核心痛点；在芯片设计领域，DAC 2026上Synopsys/Cadence/Siemens同时宣布从"任务级AI辅助"迈向"长周期自主执行"；Synopsys联合微软发布2条自主EDA工作，覆盖RTL设计、验证与物理实现，AMD称正积极评估用于下一代产品加速研发；AI for 油气/化工/气象领域还有诸多落地案例我们暂不赘述。
❹总结来说，AI4S需满足的商业飞轮要素包括：1）业务核心瓶颈是信息处理/搜索/组合，研究数据和结果数据可收集；2）输出可校验且结果不对称，能设计Loop进行验证；3）价值密度足够高，且科研的ROI无法甚至无需衡量，比如涉及生命安全和驱动全要素生产力提升的科学进步。考虑到GERD研发总支出已接近4万亿美金，AI在科学研究和业务工程的加速渗透有望进一步打开GRED的上限，以供给创造新需求推动AI全产业链的繁荣。
DJN/Colin
总体总结
主题正文
- ❶市场高度关注Coding之后的下一个场景，包括但不限于办公Agent/多模态/机器人/FDE/AI4S。
- 本周Jeff Dean从谷歌离职创办Discovery Loop、国内CXO龙头药明康德业绩/订单/指引全面超预期、美股DNA合成龙头Twist收入指引超预期（公司预计AI-enabled drug discovery订单FY26实现三位数增长，并预计FY27继续三位数增长），资本市场对AI4S的关注度持续升温。
- 在AI制药领域，市场现阶段看到的叙事是AI显著加速前端干实验的靶点/分子设计，从而导致PCC/临床前后选分子的Make-Test验证需求增加（例如抗体/蛋白合成及体外测试）；
- 如果后续进一步观察到AI还带来了PCC数量的显著增长，那么需求将进一步向药理药效、DMPK、毒理等临床前开发环节，以及临床CRO和CDMO等高价值环节传导。
- ❷RSI（递归自我改进）与Loop（闭环迭代）正让AI4S从"工具辅助"升级到"自主科学发现"，Loop解决的是Research如何7×24小时无监督运转，RSI解决的是AI模型和策略自我优化的问题，不断加速L3迭代回环（Design-Execute-Observe-Reflect）。
- 腾讯与中南大学的AI虚拟细胞算法UniPert-G2CP登上《》主刊，首次将基因与药物两类干预统一建模、直击临床核心痛点；
- ❹总结来说，AI4S需满足的商业飞轮要素包括：1）业务核心瓶颈是信息处理/搜索/组合，研究数据和结果数据可收集；
- 考虑到GERD研发总支出已接近4万亿美金，AI在科学研究和业务工程的加速渗透有望进一步打开GRED的上限，以供给创造新需求推动AI全产业链的繁荣。