过去一年半，大模型越来越强，但强的领域高度集中在闭环任务中，编程、翻译、下棋，这些任务有明确目标、有及时反馈、边界清晰。而科学研究恰恰相反，它是开放任务，没有标准答案，反馈周期长，失败是常态。上海人工智能实验室领军科学家、复旦大学特聘教授漆远在WAIC 2026期间面对数百位与会者说出了一句掷地有声的判断："Science是下一个Coding，AI4S不是通用人工智能的应用，而是人工智能的终极考题。"
这番话并非空谈。在2026年7月的WAIC上，中国AI4S领域密集发布了一系列里程碑式的成果，从分子之心的AI环肽设计到晶泰科技的虚实融合平台，从上海交大的轻合金大模型到中科大的AtomWorld晶体基准，多个维度的技术突破正在汇聚成一条清晰的产业演进路径。
WAIC期间，分子之心宣布其自主研发的AI生物药设计平台MMDesign在环肽从头设计领域取得关键突破。实验数据显示，在p53-MDM2靶点上，MMDesign首轮设计的21条候选环肽中有16条获得实验命中，命中率超过70%。其中最优候选分子的结合亲和力达到13.7微摩尔，优于同期实验阳性对照。在PD-L1靶点上，首轮19条候选环肽中有6条经实验确认可与靶点结合。
值得注意的是，就在一个月前，分子之心刚公布AI纳米抗体从头设计的重磅突破。30天内连破两类差异显著且均具产业价值的生物药物模态，这组数据从一个侧面表明了AI4S技术在生物医药领域的跨模态拓展能力正在快速成熟。分子之心的案例同时也印证了一个趋势：AI药物设计正从"海量筛选"走向"理性生成"，研发效率出现数量级提升。
分子之心创始人许锦波教授在接受采访时指出，过去药企主要依赖大规模肽库筛选等传统实验方法，动辄需要从数以百万计的分子中"大海捞针"。而AI设计仅需生成20条左右的分子就能精准命中多个高质量候选物，这种效率提升正在改写创新药的研发规则。单个样本的成功率从传统方法的1%左右提升至30%以上，研发周期从2至5年缩短到2至6个月。
上海交大材料科学与工程学院副教授饶梓元在WAIC上发布了"深量智研"轻合金大模型多智能体平台。该平台面向镁合金、铝合金等关键轻合金材料体系，构建了AI原生的材料研发方式。与传统的"试错法"不同，该平台将工艺、设备、成本、安全与规模化制造等真实约束全部纳入推理过程，每次研发成果都能沉淀为可复用的知识资产。
在另一边，天鹜科技在WAIC十大镇馆之宝中展示了"晓鹜"智能体平台。用户通过自然语言描述功能需求，AI就能完成蛋白质序列设计，随后自动衔接自动化实验室，驱动机器人完成样品制备、蛋白纯化、功能检测，实验结果直接回流到下一轮AI迭代。天鹜科技创始人、上海交通大学特聘教授洪亮介绍，晓鹜可以直接从蛋白质序列预测其功能，通过干湿迭代实现端到端交付，将传统蛋白质研发周期从2到5年大幅缩短至2到6个月。
漆远在WAIC的演讲中用一个框架解释了为什么Science是AI的终极考题。他分析指出，Coding在过去一年半中提升了基础模型的全面推理能力和治理水平，而AI4S将反过来推动AI本身的上限突破。原因在于科学研究的本质是"失败学习"，大量的实验失败信号对AI的训练价值甚至超过成功信号，因为"知道什么不行"和"知道什么行"同样重要。
当前AI4S正处于从辅助计算到自主发现的范式跨越期。上智院已经构建了覆盖文献调研、假设提出、实验设计、数据分析和结果验证的全链条AI科研平台。漆远将其总结为"数字与物理世界的闭环"：AI从文献和数据中学习知识，提出假说，设计虚拟实验验证，再由自动化实验室执行物理实验，结果反馈回模型进行迭代优化。这个闭环一旦跑通，科学发现的速度将出现质的飞跃。
在产业层面，AI4S的投资热度也持续升温。2026年上半年全球AI4S领域的投融资已超过100亿美元，中国、美国和欧洲形成了三极格局。从分子之心到晶泰科技，从深势科技到天鹜科技，中国AI4S企业在多个细分赛道上已与海外企业并跑甚至领跑。正如漆远所言，真正的科学智能不是让AI变成本地搜索工具，而是让AI能够压缩高维空间、发现简洁机理，这才是超级智能的真正起点。
从一个更广泛的视角来看，中国AI4S产业的发展路径正在形成鲜明的特色。不同于美国以OpenAI和DeepMind等巨头为主导的模式，中国的AI4S呈现出"高校实验室创业+产业资本加速"的独特生态系统。分子之心源自许锦波教授的学术积累，天鹜科技扎根于上海交大洪亮教授的课题组研究，深势科技由张林峰等青年科学家创立。这些案例的共性是学术创业者在AI4S领域扮演着核心推动者的角色，北京、上海等地也陆续出台了AI4S专项扶持政策，产业生态正在加速形成中。