【主持人开场】
各位机构投资者，大家晚上好。今天我们来一起聊聊 AI for Science 和量子计算。我们团队今天发布了AI for Science 的深度报告，经过大量的一级、二级项目产业调研，我们非常看好这个赛道。在去年的英伟达 GTC 大会中，黄仁勋把 AI4S 和具身智能、大语言模型并列成为 AI 的三大关键方向，可见其高度。
我们团队可以说是全市场最早投入 AI for Science 研究的团队之一， 在这里我想先讲几个观点：
1）AI4S 是我们目前看到 AI 与化学结合最好的方向，甚至有可能成为化学研发的未来。经过我们的产业调研，我们发现 AI 建模+机器人自动化实验的模式是确实能给企业赋能的，不仅可以替代大量重复性的劳动， 而且做很多事情效率都比传统方式快几倍甚至十倍以上。
2）原先，大部分化学制造企业对这个模式还不太了解，但这几年 AI 发展非常快，传统行业很多细分子行业又面临非常严重的内卷，企业求变，加上 DeepSeek 引爆了对于 AI 应用端 的关注， 已经有不少企业开始想要主动寻求与 AI 结合探索新路径。
3）我们认为，未来全球最大的 AI4S 平台型企业大概率诞生在中国，这是为什么？因为我们中国拥有全世界最齐全的化学制造门类、最完整的产业链，比如像化工，我们已经占据了全球接近一半的份额。这意味着我们发展 AI4S 拥有大量的公司可以一起协同，也意味着大量的数据将产生在中国，所以至少说，我们拥有一个基础，来训练出最好的 AI 化学研发模型。
4）引用深势科技创始人的观点“AI4S 未来可能成长为千亿美金级别的巨大市场”。
AI4S 是切切实实能为生产企业增效赋能的，是 to B 的 AI 应用， 而且具有很好的规模效益， 边际新增业务的净利率很高。我们看到国内目前已经有一批优秀的企业涌现出来，包括已经拥有 270 港元市值的全球 AI4S 标杆企业晶泰科技， 公司正在由医药进军新材料星辰大海。以及近期公告携手中科大孵化企业正在进军 AI4S 赛道的产业新锐志特新材。
鉴于市场对于 AI4S 刚刚开始了解，我们团队打算举办系列电话会议，与市场一同探讨这个新领域的投研价值。那么今天我们请到 AI4S 以及量子计算领域的两位产业专家，与我一同对话。
【问答环节】
从原理上来看，为什么 AI 效率比传统研发更高？
传统化学研发来看，经历最开始的常识、自然界的观察得到初步的结论，然后进行小范围改性进行材料研发，后面可能会总结经验，去定制化。到现在，需要用计算去赋能。AI 首先计算环节效率很高,包括第一类 AI4S（直接预测材料性质）， 第二类是材料性能计算（产线、力 学、反应）类似 Agent。AI4S 来看，站在第一性原理计算的肩膀上，首先能够规模上算的更大，传统就是解薛定谔方程，对于复杂体系，比如高熵合金，用 AI 学习关键点数据进行合理外推，可以和第一性原理计算结合。比如小米 SU7 ultra 车架泰坦合金就是这么做出来的。同时 AI 可以算的更精确，比如算水的运动， 可以用 AI 学习单个时间点性质、力学特性，可以得到整体运动的状态，省去重复劳动。
第一性原理运算的优势？
第一性原理来看，在解决这一类化学问题的时候，从最底层原理出发，再演绎到宏观。第一 性原理从最底层的薛定谔方程开始，去解材料的性质。打个比方，在大规模的问题上，可以找计算专家控制超算集群，可以算千万种材料，但是找不到这么多实验人员。另外比如在极端环境，如钻石是高压环境，昂贵且危险，用计算模拟可以避免。成本方面，计算金、稀有金属方面成本大大降低，和计算氧氮碳成本是一样的。
AI 适合研发哪些类型的新材料?
大致包括:高熵合金、高分子材料、新能源材料（如钙钛矿）、生物材料（如煤， Baker 诺奖得主就是 AI 这个方向）、航空航天材料、核能材料。
DeepSeek 对我们行业的赋能？
首先它解决了大模型美国垄断的问题，实现了平权，使得新兴小企业有机会拥有门票。并且 DS 开源，有很多企业本地部署， 我们相信会持续有新模型出现。对于我们的领域，我们沿着材料的方向，解决了我们对 AI 方面的投入问题，比如我们做一个高分子材料，原来需要买很多卡+10 个人，现在3 个人+没有被禁止卡有个几张就够了，并且研发进度还加快了。
量子计算和超算有什么区别？
计算机在执行数学程序，背后是图灵完备，一部分可计算的步骤可以一步一步的做出来，传统、量子计算机都能算同样的问题，量子背后也是图灵完备。但是对于复杂度难题（NP 难）， 经典计算机不能通过多项式求解，但是在量子计算机可以多项式求解，在传统计算机难度指数增长，量子计算机线性增长。传统计算机用 01 的比特，量子计算机用量子比特，存在于一种状态，可以是 0 或 1 或叠加。量子比特有天然的叠加性，加法的时候可以实现同时计算。另外，计算集来看，传统是与或非，量子运算门级不同，所以遇到一些 NP 难的问题在量子不是 NP 难，比如解加密算法。经典计算机发展了很多年，大部分问题都能解决，量子计算机目前主要为了解决经典计算机解决不了的 NP 难问题。
量子如何和 AI4S 结合，赋能材料研发？
现在产业侧逐步用 AI 和量子取代传统方法，以前我们发展了很多经典计算技术，但是目前第一性原理计算还没有解决实际的问题，很多产学研基地都在面对这个问题。经典计算机发 展速度比较慢，现在能算 100 多个原子，实际解决能力有限， 但 CPU 能力增长一年多如 5 个原子计算。但是量子计算每多做一个比特， 或多做一代，比如今年算 10 个原子，明年可以算 100 个原子。量子首先要实现对经典计算的取代，再指导实验。如何与 AI4S 结合来看， AI 和经典第一性计算互补，经典计算得到严格求解薛定谔方程的精确数据， AI 其实从数据 中获得人类难感知的经验，更多的应用到更多领域，这一方面量子计算逻辑也是一致。另一方面，AI Agent 方面，计算和实验结合方面，有很多节点，有量子计算部分（处理化学问题 、硬件处理、噪声处理）、经典计算节点（比如动力学、能量计算、解波函数获得激发态性质）、实验室自动化节点（包括机器人自动化实验），这么多节点如何管理，这么多数据怎么理解，最后整合需要靠 AI。之前算力没有触到这个瓶颈，但是伴随 AI 和量子计算的发展，可能 5 年内就会发生，是不可避免的产业趋势。
量子计算和量子模拟赋能 AI4S 多快可以应用？
首先有人说量子计算离实际应用很遥远， 这个指的是通用量子计算，就是达到当前 AI 这种能力，解决大规模的问题，这么看确实很遥远。假设还要 15 年才能实现通用量子计算， 但是量子模拟和 AI 的结合在几年内实现突破是可以期待的。我们和国外 500 强企业研究院接 触了很多年，他们认为有几年可以用量子计算应用在他们实际业务中。他们认为 2027 年会 用纯量子计算解决 P to C 问题， 然后在 3 年内解决他们 10%的实际问题。意味着 2027 年我 们用一些量子方法和 AI 结合可以实现突破国内潘建伟院士提出，要谨慎乐观，也要沿途下蛋。举个例子，现在的 AI 四小龙，一旦算法突破，可以迅速突破某个巨大市场（人脸识别），但是这个过程中人脸识别算法不断迭代，最早的人脸识别门禁十几万，现在最便宜的几百块。说明技术发展过程中，一定会有新的价值产生，我们不需要等它进入到很通用的阶段再进入这个赛道。
目前看量子计算结合 AI4S 在材料端，可以实现哪些突破？
目前国际上有几个热的方向：新能源材料：道达尔和一个新能源公司在做钙钛矿，提升转换效率；高分子材料：我们从前年开始在做，是一款高附加值材料，可以用来在自然界补集二氧化碳、水、特殊气体，我们已经做出小样； 生物材料： 比如煤，AI 已经做的不错了,但是仍然有一些问题没有解决,国外有些公司在做；MRA 核酸类药物：我们合作做了 3 款 MRA 药物进入到临床，我们今年还会深入继续做。
量子计算领域有哪些领先的企业和团队？
硬件方面：
· 潘建伟院士牵头国家量子实验室解决量子前沿方向，近期发布了祖冲之三号，对标谷歌， 走超导路线；团队里陆朝阳做光量子计算机，九章，也发了三代；
· 郭光灿院士国内早期做量子计算，超导路线；
· 清华段路明院士做离子阱路线硬件；
· 薛其坤院士去年拿到了科学奖，在深圳那边做凝聚态物理，也在做超导方向。
软件及应用方面：
· 陆军院士，是中电科首席科学家，在苏州做量子产业化（产业应用高地）。很多科学家都在研究技术前沿，转化为实验装置，我们可以把量子计算机理解为实验装置。陆军院士是把这些实验装置标准化和产业化，目前国内只有他在做。同时标准化之后，会和我们这些做算法和应用的公司结合，供给超算中心或者一些做新材料、药研发的公司使用。
· 微观纪元：中国做软件的公司特别少，有一家微观纪元，是国内唯一一家做量子算法和应用的，和海内外客户在推进，并且和陆军院士在合作。
当前产业现状如何？
我们对标美国来看，美国量子公司硬件侧如制冷机、光学器件， 以及几个主流路线来看，中美在同一水平线。在算法和应用领域，比国内走得更前面，包括合作案例、企业人数等。中国很多专家都是物理出身，所以聚焦硬件比较强，软件和应用方面，除了陆院士以外，没有别的国家队。微观纪元是国内唯一做这个赛道的玩家。生物材料方面，我们在改造酶，就是合成生物学，我们会使得性能改造到现在酶的 5 倍，用来吃二氧化碳，转化成高附加值产品。MRA 方面，我们今年预计还能拿到2个临床批件，预计还会新增2个世界 500 强客户。
一些新材料被国外垄断，如果通过 AI，国内可以将差距缩减到多少？
举例来看，目前只有美国和北欧有高纯石英砂，可以做半导体的坩埚，和钙钛矿的吹膜。前两年开始价格飙升了 10 倍，国内没有高纯度矿。现在有两个方法可以做，我们在做一种路线，确定可行，通过人工合成的方法。从别的矿里，计算反应路径和反应能量，得到高纯石英砂。
本文来源：财经报道网
暂无评论内容