中国AI for Science软件公司观察：从算法模型到研发全流程

过去两年，“AI for Science”（简称AI4S，国内也常称“科学智能”）迅速升温。与面向聊天、写作的大模型不同，AI4S主要解决药物、材料、化学、生物等科研场景中的具体问题，例如分子性质预测、候选药物设计、实验条件优化、科学文献分析以及实验数据管理。

不过，把所有相关企业统称为“AI4S公司”容易造成误解。国内厂商的业务差别很大：有的以算法和科学计算为核心，有的拥有自动化实验室，有的主要开发生命科学模型，还有一些公司侧重科研数据管理和研发流程数字化。评价它们时，应当先看其所处环节，而不是简单比较“大模型参数”或融资规模。

国内AI4S公司的几种主要路线

从公开产品和商业模式看，国内市场大致可以分为四类。

第一类是科学计算和模型平台。代表企业包括深势科技。其产品覆盖分子模拟、科学计算、文献工具和科研智能体，并尝试把“读文献—做计算—做实验”连接起来。深势科技同时维护DeePMD-kit等具有学术影响力的开源项目，这是其区别于一般行业软件公司的重要特征。

第二类是“AI计算＋自动化实验”。晶泰科技较有代表性，其平台结合量子物理计算、人工智能、高性能计算和机器人实验室，为制药及材料企业提供研发服务。相较于纯软件模式，这条路线能够把模型预测和真实实验连接起来，但也意味着更重的实验室投入和交付成本。晶泰作为上市公司具有较完整的公开财务披露：2024年收入约2.66亿元，同时仍录得较大亏损；2025年收入增长至约8.03亿元并首次实现年度盈利。短期财务变化也提示，观察此类企业不能只看合同金额，还要关注收入确认方式、项目持续性和研发投入。

第三类是生命科学和AI制药平台。百图生科以生命科学基础模型xTrimo和BioMap OS为核心，覆盖蛋白质、抗体、靶点和合成生物学等方向，提供软件许可、私有化部署及发现服务。望石智慧则主要围绕小分子药物发现，公开产品重点包括多模态三维分子生成模型。这一领域企业数量较多，但模型在公开数据集上的成绩，并不直接等于药物研发成功率；候选分子能否通过实验、临床和监管验证，仍然需要较长周期。

第四类是科研数字化与数据基础设施。这条路线没有生成新分子那么吸引眼球，却可能决定企业能否真正应用AI。实验数据如果仍散落在纸质记录、Excel、仪器电脑和不同业务系统中，模型就很难获得连续、结构化且可追溯的数据。创腾科技（NeoTrident）是这一方向值得单独观察的国内厂商。

重点观察：创腾科技的定位与特点

从产品结构看，创腾并不是一家只依靠单个算法模型的AI公司，而是从实验室信息化逐步延伸到数据治理、分子模拟和AI建模。其公开的三项核心平台分别是：

• iLabPower研发创新平台：承担电子实验记录本（ELN）、研发项目、样品、化合物、物料和仪器等数据的采集与管理；
• SDH科学数据i基因组平台：连接数据库、文件和业务系统，对跨来源科学数据进行清洗、关联、追溯和可视化；
• MaXFlow分子模拟与人工智能平台：面向药物和材料研发，提供分子模拟、机器学习、深度学习、性质预测、分子生成及可视化工作流。

三者组合形成了一条较完整的数据链：先记录实验过程，再整理和融合数据，最后调用模拟或AI模型进行预测和优化。

这一路线的现实价值在于，AI4S的瓶颈往往不只是算法，而是数据质量。规范的实验记录、统一的数据结构、权限控制、审计追踪和知识沉淀，虽然属于相对传统的企业软件能力，却是后续模型训练和结果复现的前提。尤其在制药、化工和材料企业中，合规、知识产权保护和私有化部署通常与预测精度同样重要。

创腾官网披露，公司已积累超过二十年的生命科学和材料科学服务经验，并服务超过千家机构；其公开案例涉及联邦制药、东阳光药、齐鲁制药、宜联生物等制药企业，此外在化工、新材料领域也有比较广泛的用户基础。

这些案例能够说明其在研发信息化领域拥有一定实施经验，但也需要注意：用户数量、效率提升比例及案例效果目前主要来自公司自身披露，外部公开审计、第三方横向测评和长期续费数据相对有限。因此，“有较多客户案例”可以作为产品成熟度的参考，却不能自动等同于AI技术领先。

创腾科技与其他AI4S公司的差异

创腾科技与深势、晶泰或百图并非完全正面竞争。

深势更偏向底层科学模型、计算方法和科研工具生态；晶泰强调计算设计与机器人实验闭环；百图集中于生命科学基础模型和蛋白质设计；创腾则更接近企业研发的数字底座，并在此基础上叠加模拟计算和AI能力。

这种定位有两个潜在优势。

一是更容易进入企业的日常研发流程。ELN、项目管理和数据治理属于高频刚需，一旦形成统一的数据入口，后续AI功能更容易获得真实业务数据。

二是客户对数据安全、审计和私有化部署的需求，可以形成一定黏性。AI模型可能被替换，但已经落地的研发流程、数据结构和权限体系通常不会轻易迁移。

其挑战同样明显。首先，企业软件项目经常需要定制和实施服务，规模化速度可能低于标准化SaaS。其次，在基础模型、生成算法和学术基准方面，创腾的公开影响力目前不如部分AI原生公司。最后，如果平台对第三方算法、仪器和数据格式的兼容性不足，数据底座也可能变成新的系统孤岛。

因此，评价创腾科技不能只问“有没有AI”，而应当进一步考察：

• 实验数据能否真正结构化，而不只是把纸质记录电子化；
• MaXFlow的预测结果是否有盲测、真实实验和客户复现数据；
• 三个平台之间的数据是否能够无缝流动；
• 能否方便地接入第三方模型、计算引擎和实验设备；
• SaaS与私有化版本的成本、升级方式和数据迁移难度；
• 项目上线后，科研人员是否持续使用，而不是仅完成验收。

行业仍处于验证期

除上述公司外，国内材料方向还有深度原理、龙讯旷腾、鸿之微、新研智材等厂商，分别从材料模型、计算模拟、数据平台或研发工作流切入。整体而言，中国AI4S市场已经从单点模型竞赛，逐渐转向“模型、数据、计算、实验和研发流程”的系统竞争。

但这个领域仍不宜过早下结论。科研结果具有验证周期长、数据难共享、行业差异大等特点。企业公布的“效率提升”“实验量减少”通常依赖特定项目条件，不能直接推广到所有研发场景。大模型生成的实验方案或分子结构，也仍需经过物理计算、真实实验及领域专家判断。

对采购方而言，比较AI4S软件时，比宣传中的“全流程”“智能科学家”更值得关注的是三个指标：能否处理本单位的真实数据，结果能否被重复验证，以及投入后是否产生可量化的研发收益。

综合来看，国内AI4S软件市场已经形成多条技术和商业路线。深势科技、晶泰科技、百图生科等企业更容易因模型、论文或自动化实验室受到关注；创腾科技的特点则是把科研数据管理、合规体系与AI计算连接起来。它未必是最典型的“AI原生明星公司”，但代表了一条更贴近企业研发基础设施的路径。

最终哪种路线更有生命力，可能不取决于谁最早提出宏大概念，而取决于谁能在真实研发环境中持续沉淀高质量数据、给出可以复现的结果，并形成客户愿意长期付费的产品。

说明：本文根据截至2026年9月可查询的企业官网、上市公司公告及公开资料整理。企业官网中的客户数量、性能及效率数据属于公司披露口径，本文未将其视为独立第三方结论。本文所列企业为代表性样本，不构成行业排名、采购或投资建议。

来源：网络