智东西（公众号：zhidxcom）
作者 | 陈骏达
编辑 | 漠影
智东西8月22日报道，昨天，2026科学智能大会在北京中关村国际创新中心开幕。这场大会集结近50位两院院士、80余位青年专家，设置2场全体会议和14场平行会议，举办上百场学术报告，来自政府、高校、科研院所和企业的约2500人到场。
从议程看，议题已从模型和方法扩展到科学数据、自主实验室、中试验证和产业落地等环节；全国首个自主实验室国家标准的立项进展也在会上披露。
大会期间，有两条产业动向尤其值得关注。一条是北京市科委、中关村管委会发布首批人工智能赋能科学研究典型案例，共16个；另一条是海淀区正式发布中关村（海淀）科学智能（AI4S）创新集聚区，选址西三旗片区，统筹160万平方米产业空间和74万平方米中试空间。
16个典型案例中，12个落地海淀，集聚区也选址于此。往前追溯，AI4S概念的提出、全球首个专注AI for Science领域的新型研发机构、第一批企业的出现，也都在这个区。这种集中背后，是海淀过去几年在AI4S上的持续积累，这种积累如何形成，要从概念的源头说起。
一、从8年前一个概念出发，AI4S已进入下半场
时间回到2018年前后。当时，中科院院士、北京大学数学科学学院讲席教授鄂维南开始系统推动AI for Science理念，主张用AI重塑科学研究范式。
他不只是提出理念，也拿出了代表性成果。鄂维南牵头发展的深度势能方法，用机器学习拟合第一性原理精度的原子间相互作用，使分子动力学模拟的尺度和精度同时提升几个数量级。在当时，这只是少数人的方向，主流AI界的注意力还在图像、语音和后来的大模型上。
▲鄂维南
转折发生在2020年。当时，AlphaFold2在蛋白质结构预测上取得历史性突破，AI能够解决真实科学问题由此成为全球共识。
此后几年，这一方向在国内持续升温：2022年，国家自然科学基金委交叉科学部推出可解释、可通用的下一代人工智能重大研究计划，AI for Science是其中的重要内容；2023年，科技部会同自然科学基金委启动人工智能驱动的科学研究专项部署。与此同时，一批专注这个方向的团队在各地出现。
值得注意的是，全国性的布局升温之前，北京已经先走了一步。2021年，北京围绕鄂维南团队成立北京科学智能研究院（AISI），这是全球首个专注AI for Science领域的新型研发机构；次年，首届科学智能峰会举办，由AISI主办、深势科技承办。概念、机构、会议，三件事都发生在海淀。
更值得关注的是这里形成的一套转化方法：新型研发机构负责方法论和底层研究，再由孵化企业完成产品化。深势科技是一个样本：北京科学智能研究院理事长张林峰同时担任这家公司的创始人兼首席科学家，深度势能系列模型在学术圈持续迭代，同一套方法同步转化为商业软件、行业平台和科研云。
这套方法能否从个案变成可复制的路径，要看行业的整体进展。业内普遍认为，AI4S正从概念探索和模型试水，进入基础设施成型、垂直场景落地的阶段，本次大会的报告也指向同一判断。
鄂维南以Science after AI for Science为题作报告，提出AI4S已进入下半场，重心从方法探索转向科研范式的系统性变革。他指出AI正在重塑三个环节：知识获取、理论计算、实验工具，并多次提到干湿闭环，即模型计算与真实实验必须形成循环，AI4S才能真正落地。
类似的判断也出现在其他报告中：张林峰谈AI时代的科学基础设施，主张基础设施先行，成果要经得起科研实践检验；之江实验室主任、阿里云创始人王坚强调科学数据的Token化，认为跨学科融合的门槛将被更多科研工作者跨越。
北京市科委、中关村管委会在发布首批典型案例时，将北京称为AI4S策源地。如果再进一步拆解，这个策源地的核心承载区是海淀：概念在这里提出，机构在这里设立，转化路径在这里形成。
二、数据、人才、真问题，缺一样都养不出AI4S
什么样的小气候，才养得出AI4S？答案要回到行业本身的特性。
AI4S与通用人工智能的竞争逻辑并不相同。大模型竞争主要拼算力和资本，而AI4S则同时依赖三样东西：高质量科学数据、既懂科学又懂AI的交叉人才、真实的科学问题和实验条件。
科学数据分散在各地实验室和仪器中，获取与治理成本高；交叉人才培养周期长，全球范围内供给有限；真实科学问题则集中在少数科研高地。算力可以采购，资本可以募集，但这三类要素很难通过短期投入复制。
这种稀缺性，决定了AI4S不是一条谁都能上的赛道。近几年，主要国家陆续把AI4S上升为国家战略，今年更是明显提速：7月，美国白宫科技政策办公室发布《科学：新的黄金时代》报告，将创世纪计划列为旗舰项目，整合超算、AI模型与科学数据设施，目标十年内将美国科研生产力翻倍，白宫随后宣布超50亿美元联邦投入。
国内也不平静，北京、上海、合肥、深圳等城市相继落子。各方发力点虽有先后，指向却高度一致：建科学数据平台、做科学基础模型、抢真实科研场景，数据、模型、问题，成为这条赛道的比拼焦点。
用这三个维度衡量，国内符合条件的地方不多，海淀是其中之一。它的基础可以从资源、成果、应用三个方面观察。
资源方面，海淀聚集了一批覆盖AI4S创新链各环节的机构：提出科学问题的，有北京大学、清华大学、中国科学院、中关村学院和中关村人工智能研究院等高校院所；把问题转化为模型的，有AISI、智源研究院这样的新型研发机构；把模型做成产品的，有深势科技、百奥几何等企业；提供数据支撑的，有北京科技大学牵头建设的国家新材料大数据中心等单位。
创新链的每个环节都能在海淀找到代表性主体，且彼此物理距离很近。
成果方面，这里已形成从通用到专用的模型体系，且各有代表作。通用一侧，有中国科学院联合十余家院所发布的国内首个通用科学基础大模型磐石，及其衍生的磐石100全域科学模型体系；专用一侧，有AISI的DPA系列大原子模型，曾登顶材料发现领域国际权威榜单Matbench Discovery，也有智源研究院的OpenComplex模型，支撑药物研发多项核心任务。
模型之外，平台也在补齐：AISI联合深势科技推出覆盖文献、计算、实验与多学科协同的玻尔空间站科研云平台，海淀区还与AISI共建了全国首个AI4S基础科学数据支撑平台。
应用方面，AI4S在海淀的落地已覆盖新材料、生物医药、量子信息等多个领域，一些成效开始有据可查。新材料领域，深势科技的Piloteye电池全流程自动化设计平台已在缩短电池材料的研发迭代周期。
生物医药领域，哲源科技的胰腺癌靶向药从分子设计到IND获批用时不满两年，华深智药将临床前候选分子开发从3到5年压缩至10个月。
量子领域，量智开物推出了“追风”万原子高速重排算法、“扁鹊”AI量子纠错解码器等成果。
这些进展发生在企业和实验室中，而非停留在论文和榜单上。从提出问题到做出模型，再到用出成效，AI4S的完整链条已经在海淀跑通。
三、数据、实验瓶颈突显，政策开始进场
然而，有了资源、成果和应用的积累，并不意味着科学发现天然就会提速。AI4S研究还面临不少现实挑战。
除了前文提到的数据分散、获取和治理成本高，更直接的瓶颈在实验环节。AI几小时就能预测上万个候选分子，传统实验室一个月只能验证几十个；模型精度纪录不断刷新，但经过实验验证并进入产业化的成果，远跟不上论文增长的速度。瓶颈已经从计算端转移到实验端。
大会上的讨论，很大程度上正是围绕这个瓶颈展开。鄂维南提出，要让模型计算与真实实验形成干湿闭环；张林峰则把问题落在基础设施上：科研基础大模型、高质量科学数据与语料、自主实验室，缺一不可。
这类问题很难由单家机构或企业独自解决，政策由此进场。从时间线看，海淀的相关政策逐年细化。2024年，《中关村科学城人工智能全景赋能行动实施方案》铺开人工智能赋能各行业的底座；2025年，北京市科委中关村管委会、市发展改革委、市经济和信息化局与海淀区人民政府联合发布《北京市加快人工智能赋能科学研究高质量发展行动计划（2025—2027年）》，这是全国首个科学智能专项地方政策；2026年8月，中关村（海淀）科学智能（AI4S）创新集聚区实体化落地。从方向性文件到专项行动，再到实体空间，政策一年比一年具体。
集聚区是这一系列政策中第一个实体化载体，选址西三旗金隅科技园，统筹160万平方米产业空间和74万平方米中试空间。空间按照“核心策源、中试验证、场景拓展”的思路组织，分别对应从源头创新到中试落地、再到产业化推广的不同环节。
核心策源区依托金隅智荟中心，提供研发办公、成果转化、创业孵化一体化服务，布局通专模型、科研智能体等干实验功能，并研发科学智能专用芯片，解决创新源头和算力底座问题。
中试验证环节链接智谷中试港，建设科学发现自主实验室、AI原生材料实验室，目标是将实验通量提升10至100倍，让真实实验数据闭环回流、反哺模型，并统一仪器接口、数据格式和评价标准。
场景拓展段联动东升科技园、海开园等园区，聚焦AI+新材料、AI+生物医药、AI+量子信息，推动央国企和头部企业开放真实数据与场景，贯通需求凝练、模型推演、实验验证、产品定型、推广应用的闭环。
海淀区计划为这一集聚区投入大量资源。资金上，AI4S专项基金联动20亿元成果转化基金、80亿元科技成长基金和市场化资本。
人才上，海淀区将强化学科交叉融合与复合型人才引育每年培养不少于1000名高层次人才，吸引不少于10个海内外团队，推动不少于15个优质项目落地。
这个集聚区的意义在于，将AI4S的全流程在空间上完整组织起来：模型在这里训练，假设在这里验证，产品在这里定型。
结语：从策源地到主平台
对于这处集聚区，海淀区已经给出了明确的时间表。中关村科学城管委会相关负责人表示，未来3至5年，海淀区将不断夯实新科研范式公共基础设施，持续提升基础研究的原始创新力，优化产学研高效协同的创新发展生态，全力打造国家AI4S主平台和标杆旗帜。
从行业角度看，AI4S的竞赛才刚刚开始。从概念提出到集聚区落地，海淀用八年时间把这条赛道上的关键环节逐一摆进了同一个区。下一个八年，科学发现会在哪里提速，答案很有可能还会继续在这里写出。
