AI4S（人工智能驱动的科学研究）每日资讯报告

报告日期：2026年11月10日（星期二）

一、今日资讯总览

2026年11月10日，AI4S领域迎来了多维度的重要动态。从国家超算互联网发布Token普惠计划降低科研准入门槛，到途深智合完成数亿元融资推进AI蛋白质设计产业化；从晶泰科技"卖实验室"商业模式的持续兑现，到OpenAI发布BioBasicsBench基准测试衡量智能体湿实验解读能力；从香港举办的跨域对话探讨AI带来的科研范式变革，到Aaronson等学者在Nature发表评论倡导"更小、更本地化"的科研AI模型——今天的AI4S生态呈现出基础设施加速普惠化、产业应用纵深推进、学术评价与国际合作持续深化、以及技术路线多元探索并进的立体图景。

本报告将从政策与基础设施、产业与资本市场、前沿技术与基准、学术观点与范式讨论、区域发展与国际动态五大板块，对今日AI4S领域的关键进展进行系统性梳理与深度解读。

二、政策与基础设施

2.1 国家超算互联网启动"双十一"Token普惠计划，AI4S项目调用词元限时不限量

今日最受关注的政策动态来自国家超算互联网。据天津日报报道，国家超算互联网日前正式推出"双十一"Token普惠计划：即日起至11月30日，用户下载超算互联网客户端，即可享受科学计算智能体调用不受限、旗舰级大模型Token不限量等优惠，覆盖材料研发、生物医药、工业仿真、气象模拟等核心AI4S应用领域。

这一计划的出台直指当前AI4S落地的核心痛点——算力成本。国家超算互联网相关负责人表示，科学计算智能体应用中反复调参、多次试算导致Token消耗居高不下，"很多课题组不敢轻易启动首轮试验"。Token普惠计划的核心目标是让科研团队先完成一轮完整验证、看到效果后再追加投入，从而大幅降低AI4S项目的"尝鲜"成本。

除免费Token额度外，活动期间新用户使用Seedance 2.5（AI视频生成模型）、光影智创（AI影像创作工具）等工具也可享受限时优惠。科研人员可借助这些工具将论文中的机制、流程与结论等内容制作成短视频，以更直观的形式完成项目汇报、基金申报与科普传播。

作为全国一体化算力网的前沿实践，截至目前国家超算互联网平台已接入全国30多家超算、智算中心，汇聚350多万CPU核心、25万张GPU卡，国产算力占比超过99%，已成为全国规模最大的一体化算力网络与应用服务平台。此次普惠计划的推出，标志着国家级算力平台正从"重建设"向"重普惠、重应用"阶段演进，通过降低AI4S的准入门槛来加速国产AI生态的整体发展。

2.2 工信部加强智能体终端设备进网管理

在监管层面，工业和信息化部近日发布《关于加强智能体终端设备进网管理的通知》，通过完善智能体终端监管规则、强化智能体终端管理，为智能体终端新业态新模式发展提供包容审慎环境。《通知》要求智能体开发者加强与终端设备的适配验证，强化权限调用、通信能力、网络与数据安全、用户权益和任务执行等方面的管理，确保符合监管要求和用户预期。这一政策为AI4S领域的智能终端设备（如自动化实验设备、科学机器人等）的进网与合规使用提供了明确的制度框架。

三、产业与资本市场

3.1 途深智合获数亿元融资，AI蛋白质设计加速产业化

今日产业融资领域的头条属于途深智合。该公司宣布完成数亿元新一轮融资，投资方包括上海科创集团、中生引领（中国生物制药与浦东创投联合设立的生物医药产业投资基金）等。

途深智合的核心竞争力在于其ToursynClaw平台，该平台打通了"设计—实验—反馈—再设计"的完整干湿闭环。通过自动化湿实验执行智能体整合自动化实验设备完成高通量验证，实验数据实时回流至专属评估模型与风险预测模型库，持续迭代优化设计策略。目前，公司已在上百个抗体改造项目中完成真实实验验证，能够在14天内完成一轮干湿验证，累计产生超5000条实验数据，实现了AI设计效率与湿实验验证的深度耦合，大幅缩短了从靶点发现到候选分子确认的研发周期。

公司创始人兼CEO王宇光博士表示，自AlphaFold 2推动蛋白质结构预测取得重要突破以来，AI在蛋白质工程和生物制药领域的应用不断深入。"衡量AI制药价值的关键，不只是模型在benchmark上的表现，更在于能否设计出具有真实功能活性和良好成药潜力、具备进一步开发价值的分子。"从"发现"走向"创造"，是途深智合选择AI蛋白质设计的初衷。

上海科创集团表示，AI4S在生物医药的应用是近年最关注的投资方向之一。"当前AI制药仍处在上半场，我们不赌单条管线的静态估值，而是敢于重仓那些在过程中'做正确的事情'的团队。"途深智合创始团队兼具AI与生物技术复合背景，真正从底层重构了"AI驱动—实验验证—数据回流"的干湿闭环，其联合产业方共建的上海抗体超级工厂充分展示了"自主模型+干湿闭环+规模化管线推进"的全栈能力。

3.2 晶泰科技：AI4S第一股兑现到"卖实验室"这一步

作为港股"AI4S第一股"（02228.HK），晶泰科技的商业模式与财务表现持续受到市场关注。今日一篇深度分析文章对其业务结构、增长逻辑与核心约束进行了系统解读。

晶泰的AI4S分两层：数字层是分子发现模型与智能体，物理层是自动化机器人实验工站。两层咬合，AI假设才能在真实世界被验证，这是其区别于纯算法公司的核心。2026年上半年，AI4S智慧解决方案收入1.94亿元、增长136.4%，占比从16%升至49%，首次成为第一大收入来源。2026年2月向韩国药企JW Pharmaceutical交付大规模AI机器人实验室，金额千万级人民币，人效提升8倍。这类项目可复制性强于单一订单，让"卖铲子"第一次有了规模。

第二曲线药物发现上半年收入2.00亿元，基本盘稳固；管线3条进入临床、10余条处于IND阶段，形成对外授权资产池。但收入依赖里程碑确认，2025H1一笔5100万美元首付款确认导致基数极高，使2026H1表观收入下滑23.9%；剔除后核心收入2.64亿元、增长73.8%。

平台化是决定天花板的关键。2026年7月发布的XtalPi Science是全球首个把大语言模型、科学智能体与自动化机器人实验整合的AI4S平台，智能体可调度机器人做实验、采数据并推进下一步；公司还把模型、工具与实验资源封装成按需调用的Science Token，从项目制转向平台服务。若走通，收入将从一次性交付转向可重复调用的平台分成，估值锚也会从CRO切换到基础设施。但平台仍处邀请测试阶段，收入贡献未单独披露。

三处硬约束同样值得关注：其一，研发吞掉收入，研发开支3.68亿元、增长66%，几乎等于全部收入，净亏损2.25亿元；其二，地缘风险，海外收入占比高，美国AI限制清单已触及"实验室自动化"，交付与出口合规成本上升；其三，估值已计入乐观预期，10月股价五日跌逾两成。

结论方向没有问题——十年把"算法+机器人+数据"做成闭环。真正的跨度是从"能交付"到"能规模化赚钱"。后续盯三件事：AI4S业务占比能否稳在50%以上；XtalPi Science能否转为公开收费、带来可披露的经常性收入；在86.7亿元现金支撑下，经调整净亏损能否于2027—2028年收敛。

3.3 高瓴、智元、中芯聚源联手投资AI材料公司清析智研

北京清析智研科技有限公司近日完成近亿元天使轮融资，投资方包括中芯聚源、高瓴创投、智元机器人、东方嘉富、风物资本及多家产业背景基金。这是清析智研成立不到半年以来披露的又一轮融资，此前公司于7月宣布完成数千万元首轮融资。

清析智研今年5月成立于北京，主要将AI用于材料研发，服务对象包括制造企业、高校和科研机构，业务涉及材料性能预测、实验结果分析及工艺优化。公司正与高校科研团队和产业企业围绕合金、稀土永磁、电池及半导体材料开展研发合作，并推进自主实验室建设。

公司创始人兼CEO董斯鸣本科毕业于清华大学，后获斯坦福大学材料科学与工程博士学位，曾参与美国半导体企业的AI自动化工艺开发。联合创始人兼COO赵震林拥有清华大学化学工程本科学历及斯坦福大学材料科学与工程硕士学历，曾任美国等离子体技术企业应用科学家，参与特斯拉电池与车身一体化相关工艺研发。联合创始人兼首席科学家王欢长期从事人工智能研究，参与公司的专业模型开发。

清析智研的切入点是材料研发中的实验分析环节。一份材料样品经过不同仪器检测会产生图谱、显微图像等数据，研发人员需要据此判断材料的结构、成分和性能。清析智研尝试将专业模型接入这些仪器和工作流程，帮助研究人员分析结果，并将实验数据用于后续模型训练。目前已布局X射线衍射、电子显微镜图像等多种材料分析模型。今年8月，公司与北京航空航天大学团队联合发布拉曼光谱分析模型RamanPFN，用于从光谱数据中进行分类和性质预测。

3.4 AI4S的护城河：从"假设生成"到"验证能力"的竞争标尺迁移

今日一篇产业观察文章提出了AI4S领域竞争逻辑的重要转变：当AI让假设生成的效率实现指数级提升后，物理实验的验证能力已成为产业链上最稀缺的硬产能。

文章以电池原型实验室为例：一名熟练研究员平均每天仅能制作1到2个新原型，单日产出通常以个位数计；而晶泰科技与晶科能源合资搭建的自动化实验设施，预计每天可完成多达1000片/组样本的测试。数百倍至近千倍的产能差距意味着竞争的重心正在从"谁的模型能生成更多、更优的假设"转向"谁能更快、更稳地完成更多可复现的物理验证"。

文章进一步指出，自动化实验闭环所沉淀的标准化阴性数据是更长期、也更易被忽视的核心资产。在传统科研体系中，公开传播的几乎都是"成功结果"，而"走不通的方向""无效的参数""失败的合成"大多散落在研究员的个人笔记中，既不会被公开发表，也缺乏统一的结构化格式。对于AI模型而言，这些阴性结果恰恰是极其重要的训练素材。无人实验室的全闭环运行，在原理上具备解决这一问题的能力——无论实验最终得到阳性还是阴性结果，过程数据、参数指标、实验结论都可以以机器可读的格式被标准化记录下来。

四、前沿技术与基准

4.1 OpenAI发布BioBasicsBench：衡量智能体湿实验解读能力

OpenAI于11月6日发布了BioBasicsBench，这是一个包含100项任务的基准测试，涵盖凝胶电泳、菌落平板、显微镜图像、仪器读数、克隆工作流程等，旨在衡量AI智能体解读原始湿实验证据和发现实验错误的能力。该基准由OpenAI与酶设计公司Ligo合作构建。

测试结果显示，GPT-6 Astra在高推理努力下的平均奖励约为66.7%，而早期模型仅约43.8%，虽有大幅提升但仍不完整。该基准的显式设计选择包括使用原始、混乱的实验证据（而非论文图片）以及关注对照检查——这对确保智能体在真实实验环境中的可靠性至关重要。

对于在实验附近使用智能体的团队，行业建议将BioBasicsBench作为部署前检查，并要求盲法重放/模拟试验加上对对照识别的手动审计。

4.2 训练数据中的"Monofact"影响大模型的科学发现能力

一项于11月2日发表的对照式arXiv研究追溯了大语言模型的科学发现能力与其训练数据中"monofact"（仅出现过一次的事实）之间的关系。研究人员操纵monofact比例并报告了在材料科学和调控基因组学中一致增加的发现输出，将发现信号与稀有事实暴露（而非简单的数据集多样性）联系起来。

这一发现指出了一个具体的调节杠杆——训练数据组成——它影响智能体将提出哪些新假设。对于模型构建者而言，将训练数据组成（monofact比例）视为可调参数，增加稀有、高质量的领域事实可以提升发现信号，但需要通过来源控制以避免记忆和虚假声明。文章建议进行安慰剂/记忆测试来验证这些变化。

4.3 ScienceVision：跨领域科学3D观察与空间推理基准

ScienceVision（arXiv，11月初）引入了一个跨领域基准，用于科学3D观察和空间推理，包含250个专家策划的问题，涵盖生物学、化学、医学成像、CAD、建筑学五个领域。

结果显示，模型在原生3D工件上表现挣扎（最佳平均约0.53），而配备测量/检查工具的智能体框架会实质性地改变结果。这凸显了智能体与真实科学仪器和文件交互时的感知差距。对于感知+仪器团队，建议为智能体框架添加原生工件检查工具和MCP风格的测量端点。

4.4 DR-Venus：40亿参数智能体媲美300亿参数系统

Venus团队本周发布了一项技术报告，介绍了DR-Venus——一个40亿参数的深度研究智能体，仅使用约10000个开源数据样本训练，就能在复杂的多步研究基准上达到与3000亿参数商业模型近似的性能。

DR-Venus采用两阶段训练管道：第一阶段是智能体监督微调（SFT），建立基本的研究能力（多步网络搜索、来源综合、报告生成）；第二阶段是基于信息增益的策略优化（IGPO）的智能体强化学习，提供密集的回合级奖励。训练语料库完全来自公开可获取的REDSearcher数据集，不包含任何专有或商业许可数据。

基准测试结果显示，DR-Venus-4B在BrowseComp上比AgentCPM-Explore-4B高出2.7个百分点，在BrowseComp-ZH上高出6.6个百分点，在GAIA上高出1.5，在xBench-DS-2510上高出1.3，在DeepSearchQA上高出4.9。最引人注目的结果是，在xBench-DS-2505上，DR-Venus-4B-RL得分为74.7，接近Tongyi-DeepResearch-30B的75.0分——后者拥有305亿参数。七倍的模型尺寸缩减与近等效的研究任务性能，对边缘智能体生态系统具有重要意义。研究人员已发布模型、代码和训练配方，以支持可复现的开发。

4.5 Intology Locus系统：自主分子设计前沿

Intology公司声称其Locus平台"为自动化分子设计设定了前沿"，该声明引起了AI研究界的关注。DAIR.AI创始人Elvis Saravia在11月3日转发了Intology的声明，称其为"高度推荐的阅读"，并表示"很少有公司我知道实现了在科学领域自主AI研发扩展的这一飞跃"。

Intology声称Locus"开发的科学AI模型超越了SOTA专家解决方案"，并且"Locus能够自主地利用专有数据"。这些性能声明目前为自我报告，尚无独立基准数据可验证。Locus触及了"Agentic Science"范式的具体商业实例——AI系统从部分辅助演变为完全的科学代理，能够自主进行假设生成、实验和迭代发现。

4.6 百度ERNIE Evolve：自动化研究系统

百度于今日发布了ERNIE Evolve，这是一个针对自身训练和推理堆栈的自动化研究系统。给定目标后，它选择研究方向、编辑代码并运行实验，只有通过独立评估和审查的更改才会被保留，每轮发现指导下一轮。

百度声称在NanoChat AutoResearch和NanoGPT Speedrun上达到最先进水平，确定性GPU推理吞吐量提高33.7%，ERNIE 5.5 Flash单请求解码速度提高14.9%。下一个目标是训练系统、模型能力和评估，百度公开称之为迈向递归自我改进的一步。这是第一个中国大型实验室为这一声称提出数字而不是宣言。

五、学术观点与范式讨论

5.1 Nature评论：更好的科学AI可能始于更小、更本地的模型

UC Berkeley和科罗拉多大学博尔德分校的研究人员在Nature发表评论文章，认为科学家可能能够使用他们已经可以访问的计算机从人工智能中获得更多收益。Cassidy Buhler、Fernando Pérez和Carl Boettiger区分了从头开始训练大型模型和使用现有模型进行特定工作——这两种活动可能需要非常不同的计算能力。

评论重点关注开源权重模型。它们的学习设置可供下载，因此研究小组可以在自己的计算机上运行副本，即使训练数据或制作模型的完整配方等详细信息不可用。保留本地副本在长期研究项目中很重要——如果商业服务更改其模型或停用，研究人员可能会发现更难重现早期结果，而拥有本地副本的实验室可以记录使用了哪个版本并再次运行。

较小的模型特别值得在定义明确的任务上进行测试。一个处理大量文档的团队可能需要一个模型来一致地查找某些信息，这比回答公众发送给聊天机器人的任何问题都要狭窄。大学还可以在实验室之间共享计算设备——中央校园服务可以帮助缺乏硬件或员工来建立自己的系统的研究人员，同时更容易比较不同模型在相同任务上的成本和性能。

作者希望研究机构从询问他们的科学家需要AI做什么开始。在实际工作上测试较小的模型可以显示它们在哪里足够好，以及在哪里花费更多的计算费用会产生有意义的差异。

5.2 香港跨域对话：AI带来的科研范式新命题

今日，一场"跨域"对话在香港举行，多位科学家分别从脑机接口、物理人工智能、AI for Science、AI原生药物实验室不同角度，共论AI科研的当下与未来。

计算机科学专场主席、清华大学讲席教授张亚勤提出，应当把AI视作科学发现的合作伙伴。腾讯首席AI科学家、混元基础模型与AI基础设施部门负责人姚顺雨则梳理了AI for Science的演进：大模型从定制专用模型，到通用智能体能解决单一科学问题，目前已进化到"自主构建新工具和新模型、覆盖整类科学问题"。

讨论中，学者们达成一个共识：AI已成为科研中不可忽视的参与者。AI深度介入科研，也带来学术共同体的全新困惑——AI参与产出成果评奖需要哪些准入条件？如何界定人与AI各自的科研贡献？传统的成果核验标准、学科划分体系是否还适用？AI如何改变教育？

最后的"压轴特别专场"由未来科学大奖咨询委员会轮值主席张懋中主持，诺贝尔物理学委员会前主席托尔斯·汉斯·汉森、香港科技大学首席副校长郭毅可、以色列理工学院教授埃胡德·凯南等嘉宾共同参与。面对这一系列尚无标准答案的时代命题，本届大奖周程序委员会联席主席、大湾区大学副校长夏志宏在闭幕致辞中表示，AI正在改变科学发现的实现路径，但驱动科学向前的内核，始终是人类的好奇心。

5.3 AI智能体、语言、深度学习与下一次科学革命

Li K.、Liu B.、Mellado B.、Yuan C.-Z.和Zhang Z.在《Frontiers of Physics》发表论文提出，智能的、人类监督的AI智能体运行在深度学习算法之上，代表了科学方法的下一个进化。这些智能体可以解释科学意图、设计和执行分析工作流程，并通过保留人类监督和问责制的领域特定语言确保可追溯性。

粒子物理学是这种转变的理想试验台。在中国科学院高能物理研究所，Dr. Sai系统体现了这一愿景——一个部署在CEPC对撞机研究中的多智能体推理框架。这种新兴方法并不取代人类科学家，而是扩展了他们的认知范围，使发现能够随着复杂性扩展。

六、区域发展与国际动态

6.1 四川"天府·慧研"大模型赋能科学研究

四川省正以"一号创新工程"的高规格全力推进人工智能发展。今日四川新闻联播报道了"天府·慧研"大模型在科学研究中的应用。

在四川大学生物医学工程学院，生物医用材料团队正在进行多活性离子生物材料的高通量筛选和制备，用于骨组织再生、修复。在前期，他们利用"天府·慧研"大模型进行课题调研、数据查询以及实验方案设计，为科研团队提供了可参考的技术路径。四川大学生物医学工程学院副研究员王科锋表示，过去查询资料、反复调研、实验试错需要数月，现在拿着大模型给出的方案做实验，几天就能完成方案制定。

"天府·慧研"大模型由四川省计算机研究院、四川大学等单位共同开发，科研人员登录即可调用模型和工具，开箱即用，让科研从"反复试错"走向"智能迭代"。在此过程中，高校和科研院所生产的高质量实验数据将持续汇入"天府·慧研"，让大模型不断迭代升级。

四川大学科学技术发展研究院院长吴尧表示，像生物医用材料研究每个月大概可以批量生产和提取上百万条高可信度的科学数据，支撑"天府·慧研"大模型生物医用材料高质量数据集的建设。未来还将发挥文理工医交叉融合优势，牵头建设多个国家新材料数据节点、四川省材料科学数据中心，推动材料研发从"经验驱动"向"数据与智能驱动"的转变。

"天府·慧研"大模型赋能科学研究场景已入选国家首批标志性重大应用场景。

6.2 清华团队推动中国工业AI超越大语言模型

清华大学副教授崔鹏在香港国际计算机会议上表示，语言模型难以处理工厂数据，他团队与北京稳准智能（Stable AI）合作开发的LimiX通过合成数据训练，可将部署成本和时间降低约90%，准确性提高15%以上。

崔鹏表示，主要在互联网文本上训练的模型难以捕获结构化数值数据中的模式，例如工厂传感器读数和财务记录。他团队的答案LimiX被描述为"大型数据模型"，仅对合成数据进行训练，能够识别因果模式并处理工业和科学任务，包括受控核聚变。

LimiX模型对数字表格进行建模，并在生成数据上进行训练，没有互联网文本。这使其与主导全球AI市场的聊天机器人不同，它针对的是国务院计划希望AI达到的那种工厂数据。36Kr报道称，该团队于2025年8月29日开源了LimiX，称其为结构化数据的首个通用大模型。该模型完全根据结构因果图生成的数据进行训练，没有真实世界的数据。

QbitAI于2026年9月16日报道，稳准智能和清华大学发布了4000万参数的LimiX-2。它在三个结构化数据基准上排名第一，TabArena上的Elo评分为1935，BCCO上为1432，TALENT上为1506。早前的LimiX已在800多个结构化数据场景中得到验证，并与60多家客户建立了战略合作伙伴关系。

6.3 美国国防部将药明康德移出CMC名单

药明康德今日早盘涨5%，消息面上公司获悉美国国防部决定将药明康德从1260H项下的CMC名单中移除。中邮证券研报提到，公司上调2026年收入指引至610—619亿元，Biology业务开始承接AI4S/AIDD湿实验需求，发挥端到端优势。2026年前三季度，公司实现营业总收入455.37亿元，同比增长38.6%；归母净利润193.98亿元，同比增长60.6%。

6.4 斯坦福数据中心AI研讨会聚焦可验证的智能体工作流

11月3日举行的斯坦福数据中心AI研讨会将焦点放在生物学的智能体系统和以数据为中心的方法上；多场演讲和海报明确针对智能体编排、可验证记录和实验室验证管道——表明学术界正从玩具演示转向可复现、可审计的智能体工作流。

6.5 Amazon研究奖征集Agentic AI提案

Amazon Research Awards/AWS发布了Agentic AI的提案征集（2026年秋季CFP开放至11月11日），为将多智能体编排、验证和领域安全结合起来用于科学应用的项目提供适度的无限制奖励加上云积分——这是近期的资金通道。

七、今日趋势总结

7.1 基础设施普惠化加速

国家超算互联网的Token普惠计划是今日最具普惠性意义的事件。AI4S的算力成本问题已成为制约其从"示范验证"走向"规模化应用"的关键瓶颈。通过"先免费试用、效果验证后再追加投入"的模式，国家级算力平台正在主动破解科研课题组"不敢启动"的心理门槛。这一趋势与各地"人工智能+"行动方案的推进相呼应，预示着2026年末至2027年AI4S基础设施的可及性将显著提升。

7.2 干湿闭环成为AI4S产业化的核心叙事

途深智合的融资和晶泰科技的业务结构分析，共同指向了AI4S产业化的核心逻辑——干湿闭环。从Al守 Skype的假设生成到自动化湿实验的验证反馈，能够在14天内完成一轮完整验证循环的企业正在获得资本和市场的双重认可。竞争标尺已从"模型能生成多少假设"迁移到"谁能更快、更稳地完成更多可复现的物理验证"，标准化阴性数据的长期价值也开始被产业界所重视。

7.3 智能体能力边界的持续拓展与审慎评估

OpenAI的BioBasicsBench、monofact研究、ScienceVision基准以及Anthropic系统卡片揭示的训练数据教训，共同描绘了科学智能体能力边界的技术图景。一方面，智能体在解读湿实验证据、执行多步研究任务方面的能力正在快速提升；另一方面，训练数据组成的微妙影响、奖励信号的意外后果、以及3D空间推理的感知差距，仍在提醒领域需要审慎的评估方法和安全的部署实践。

7.4 小模型与本地化路线的学术呼声

Nature的评论文章和DR-Venus的技术报告代表了一种重要的平衡声音——在超大模型主导叙事的同时，更小、更本地化、更可控的AI模型可能在许多科学研究场景中提供更好的价值主张。这一路线对于数据敏感型研究、预算受限的学术实验室、以及需要精确可复现性的长期研究项目具有特别意义。

7.5 产业资本的多元化布局

今日的资本动态覆盖了AI4S的多个细分赛道——从AI蛋白质设计（途深智合）到AI材料研发（清析智研）、从药物发现平台（晶泰科技）到生物医药CRO（药明康德AIDD业务）。高瓴、中芯聚源、智元机器人等不同背景的投资方的共同入局，反映了AI4S作为交叉领域的投资价值正获得广泛认可。

八、参考文献

1. 1.

   国家超算互联网发布普惠计划:AI4S项目调用词元限时不限量. 天津日报/网易. 2026-11-10. https://www.163.com/dy/article/LBC84BN005346GQF.html

2. 2.

   途深智合获数亿元融资,AI蛋白质设计加速产业化. 东方财富财富号. 2026-11-10. https://caifuhao.eastmoney.com/news/20261110015618790319390

3. 3.

   晶泰科技(02228.HK):AI4S第一股,兑现到"卖实验室"这一步. 东方财富财富号. 2026-11-10. https://caifuhao.eastmoney.com/news/20261110090959280494160

4. 4.

   AI for Science 被低估的护城河. 东方财富财富号. 2026-11-10. https://caifuhao.eastmoney.com/news/20261110062347561652320

5. 5.

   高瓴+智元+中芯聚源,联手投了AI+材料. 科创板日报/网易. 2026-11-10. https://www.163.com/dy/article/LBC0E3P10550B1DU.html

6. 6.

   美国国防部将药明康德移出1260H项下CMC名单 药明康德(603259)早盘涨5%. 腾讯新闻. 2026-11-10. https://news.qq.com/rain/a/20261110A04Y3Q00

7. 7.

   四川新闻联播丨起步奋进"十五五":加快推进一号创新工程 激发"人工智能+"乘数效应. 四川省国资委. 2026-11-10. https://gzw.sc.gov.cn/scsgzw/CU231003/2026/11/10/27a54c2243954df3822aacf196913a13.shtml

8. 8.

   AI带来哪些科研范式新命题?一场"跨域"对话在香港举行. 腾讯新闻. 2026-11-10. https://news.qq.com/rain/a/20261110A031QG00

9. 9.

   【E闻日报】拓斯达发布工业双足人形机器人Star. 搜狐网. 2026-11-10. https://www.sohu.com/a/1099434269_120012740

10. 10.

    Scientific Research & Discovery Weekly AI News November 2 - November 10, 2026. AI Agent Store. https://aiagentstore.ai/ai-agent-news/topic/scientific-research/2025-11-11

11. 11.

    Better AI for science may start with smaller models close to home. Knowridge. 2026-11. https://knowridge.com/2026/11/better-ai-for-science-may-start-with-smaller-models-close-to-home

12. 12.

    Penn State's AgentXtract AI Cuts Food Science Data Collection From Months to Minutes. TechNewsReel. https://technewsreel.com/artificial-intelligence/penn-state-s-agentxtract-ai-cuts-food-science-data-collection-from-months-to

13. 13.

    Intology Claims Locus System Sets Frontier for Autonomous Molecular Design. The Agent Times. https://theagenttimes.com/agents/article/intology-claims-locus-system-sets-frontier-for-autonomous-mo-6e0df36b

14. 14.

    DR-Venus Proves 4B-Parameter Agents Can Rival 30B Systems on Open Data Alone. The Agent Times. https://theagenttimes.com/agents/article/dr-venus-proves-4b-parameter-agents-can-rival-30b-systems-on-e0f2f335

15. 15.

    Tsinghua Team Pushes China's Industrial AI Beyond Large Language Models. EastFrontier. 2026-11-10. https://eastfrontier.com/2026/11/10/tsinghua-team-pushes-chinas-industrial-ai-beyond-large-language-models

16. 16.

    AI agents, language, deep learning, and the next revolution in science. Frontiers of Physics. 2026. https://m2.mtmt.hu/api/publication/37408985

17. 17.

    AI for AI Daily: 2026-11-10. Clauday. 2026-11-10. https://clauday.com/article/69c5df54-49a7-4382-b7c4-b63db1811638

18. 18.

    工信部将加强智能体终端设备进网管理. 搜狐网/E闻日报. 2026-11-10. https://www.sohu.com/a/1099434269_120012740

19. 19.

    通用具身大脑产业创新联合体正式启动. 搜狐网/E闻日报. 2026-11-10. https://www.sohu.com/a/1099434269_120012740

20. 20.

    上海发布"人工智能+交通运输"行动方案. 搜狐网/E闻日报. 2026-11-10. https://www.sohu.com/a/1099434269_120012740