AI for Science开启科研第五范式,探索从实验室到产业的落地路径
2026-11-17
4803


01
科研正经历第五次范式革命
十七世纪以前的经验试错、十七世纪至二十世纪中叶的理论推演、二十世纪中叶至二十一世纪初的计算仿真、二十一世纪初至2020年的数据挖掘,构成科研的前四次范式。1687年《自然哲学的数学原理》出版、1946年第一台通用电子计算机ENIAC问世、人类基因组计划启动,分别是这些阶段的标志。

02
第五范式重塑
“推理—发现—证实—沉淀”工作流
杜雨将科研工作拆解为四个环节,并对应AI当前的能力边界。推理环节,AI突破人脑的算力边界;发现环节,AI从既有数据中挖掘未知规律;实证环节,AI压缩验证与迭代周期;沉淀环节,AI把分散的科研知识规范化、形式化,使其可被复用与传播。

03
全球市场十年约翻七倍
据第三方机构测算,2025年全球AI for Science细分市场规模约340.8亿元,预计2035年达到2469.4亿元,十年约翻七倍。

04
四大赛道率先跑通商业化
在生物医药领域,行业长期受“反摩尔定律”制约,研发越往后周期越长、成本越高。AI把靶点预测、分子生成、活性预判前置到虚拟空间,减少进入实验室的错误选项。海外,AlphaFold3已成为药企的基础工具,Recursion有4条管线进入临床II期;国内,晶泰科技2025年实现全年盈利,并与礼来、DoveTree达成合作。
05
效率与门槛同步改变
落地仍需跨越“最后一公里”
AI正在放大单个科研人员的能力上限,也在降低科研的准入门槛。没有生物学背景的研究者Paul Conyngham借助AI设计癌症疫苗、救治自己的爱犬;Anthropic的研究显示,5位金融背景的研究者在64小时内发现新的抗蝎毒蛋白;交叉领域正在成为创新高发地带。

