晶泰科技温书豪：AI4S将成AI的“核心下半场”

来源：英华价值研究院

AI4S是AI编程之后AI发展的“核心下半场”，科研场景将会率先实现物理AI的规模化落地。

作者：尹振茂

AI已经不是单一赛道，而是一个全新的大时代。

1945年，范内瓦·布什向时任美国总统杜鲁门提交了划时代的报告《科学：无尽的前沿》，这奠定了二战后美国以联邦资助基础研究、线性驱动科技创新的霸权基石。

81年后，即2026年7月，美国白宫科技政策办公室发布了对标该文献的纲领性报告《科学：新的黄金时代》。

该报告的核心判断是：AI（人工智能）正在从根本上改变科学发现的方式，美国要围绕AI重建科研基础设施，推动科学大模型、自动化实验室、科研数据平台和验证体系协同运转；并将2025年11月启动的“创世纪计划”定位为旗舰工程，目标是在十年内将美国科研生产力翻倍。

当大洋彼岸的宏观战略与硅谷巨头的微观行动同频共振——Anthropic发布Claude Science，谷歌旗下DeepMind解散AlphaFold团队，重点打造由Gemini驱动、能够协助科学家开展研究并最终实现科学研究部分流程自动化的系统——一场关于AI的终极价值的全球性范式转移已不可逆转。

2026年7月29日，晶泰科技正式推出XtalPi Science平台和Genius Agent智能体矩阵，并牵头发起科学智能开放生态联盟。这是对上述全球大趋势的中国式回应。平台整合大语言模型、科学智能体与大规模自动化机器人实验，打通“数字假设-专业预测-物理验证-数据反馈”的完整闭环。

2026年8月初，晶泰科技董事长温书豪再次接受中国基金报记者专访，详细阐述了目前晶泰科技的核心定位和终极目标，以及迈向终极目标的现实路径。

在温书豪看来，如果AGI（通用人工智能）终将实现，它最大的价值绝不局限于数字世界的虚浮，而是必须也能在真实世界里实现自我进化，创造出解决生老病死问题的药物，创造出突破能源瓶颈的新材料；而AI4S（AI For Science，科学智能）正是继AI编程之后AI发展的“核心下半场”，科研场景将会率先实现物理AI的规模化落地。

目前，AI正在从科学的“加速器”演变为科学发现的“合作者”，这要求科研范式从传统的假设驱动，转向由AI和海量数据驱动的新模式。

但在温书豪看来，目前绝大多数AI企业仍沉浸在“模型参数至上”的叙事中，晶泰科技则始终坚持“产业应用”与“场景进化”两大核心。

“AI的价值不在于消耗海量Token，而在于真正落地产业、创造实际价值。”在专访中，温书豪给出了重新定义晶泰科技的两个核心关键词——产业应用、场景进化。他认为，无论是商用级AI还是终极形态的AGI，其本质都是在真实、高频、高价值的产业场景中持续迭代、逐步进化。

这与海外巨头的发展轨迹形成了微妙的共振与分歧。

一方面，从Anthropic推出Claude Science，到谷歌DeepMind发布AlphaFold3并依托此前成立的Isomorphic Labs谋求药企合作，美国头部AI公司无一例外地将目光投向了科学计算与实体产业。

另一方面，中美AI企业的切入点存在结构性差异。美国巨头更擅长从通用算力与基础模型自上而下渗透，晶泰科技则选择了自下而上的“场景扎根”。

“科学领域其实是整个人类文明的一个增量市场，它是唯一不存在零和游戏的领域。每一次科学的突破，都是人类文明GDP的巨大增量。”温书豪指出，正是这种宏大愿景，让AI4S超越了单纯的效率工具，成为与物理世界交互、进化出终极AGI的独特场景。

在此逻辑下，晶泰科技聚焦真实实体场景，其终极目标清晰地指向“顶尖的AI平台型企业”。

目前，AI4S这条热门赛道上群雄逐鹿。面对众多入局者，晶泰的核心壁垒究竟是什么？温书豪的答案出乎意料：不是算法、不是模型，而是认知与能力的持续沉淀、全链条闭环。

“目前网络上传播的各类AI4S进展，大多是浅层的公开信息，和我们一线落地、亲身实践的技术复杂度、流程痛点、产业真实情况存在巨大差异。”温书豪指出。

温书豪进一步拆解了晶泰历经十年沉淀的“全要素壁垒”：深耕多年的学科专家经验、垂直领域专属的大模型与算法体系，以及最为关键的——为产出高质量数据专门搭建的机器人智能实验室。

这套壁垒的核心在于“软硬件结合的数据飞轮”。

温书豪强调，现在行业反复提及物理AI的落地，其核心依托正是中国完善的供应链与硬件优势。晶泰科技为自动化硬件赋予了AI的“灵魂”，硬件规模化落地后，持续产出高精度、高时效性、真实场景化的物理数据，形成了“硬件迭代-数据积累-模型优化”的正向循环。

“传统AI场景下，80分优于60分，90分优于80分。但在物理智能场景下，99分以下的精度与稳定性，基本无法落地商用，很难实现场景化稳定运行。所以，物理AI的落地，必然需要长期的软硬协同，以及千锤百炼的迭代打磨。”

这种“干湿闭环”（计算与实验闭环）的能力，正是海内外巨头目前难以轻易复制的。

对比海外，谷歌DeepMind尽管在算法侧登峰造极，但其在物理实验侧的布局仍显薄弱，不得不寻求与生物制药巨头合作来获取闭环数据；晶泰科技则依托自身智能实验室，已经具备了规模化产生新增数据，尤其是稀缺的“失败副样本与过程数据”的能力。

具身智能与物理AI是当下最火热的赛道，但温书豪指出：“人工智能不等于大模型，具身智能也不等于人形机器人。”

在他看来，场景决定落地速度，标准化、高价值、低干扰的场景会率先实现物理AI规模化落地。

温书豪将场景分为三类：首先是家庭民用场景：复杂度极高、非标干扰多、目标函数模糊，落地难度极大。

其次是工业工厂场景：相对标准化，但对效率、稳定性要求极致严苛，传统人工效率极高，AI替代门槛同样极高。

第三，科研实验室场景：介于家庭与工厂之间，物品品类固定、环境可控、变量清晰，且附加值极高。

“实验室拿烧杯、做实验的操作逻辑，和家庭倒水、日常操作的底层逻辑是相通的。”温书豪判断，物理AI会率先规模化落地于科研实验室，覆盖成千上万科研场景；积累海量真实物理数据后，再逐步泛化到工业、民用全场景。

温书豪还进一步给出了明确的时间节点，“2026年是物理AI的质变元年。”

他指出，代码领域AI渗透率已突破35%，行业正在等待下一个万亿元级落地场景。晶泰的落地路径极为清晰：先在高价值科研场景打磨高精度、稳定可靠的物理AI与智能体能力，完成场景验证与数据积累，待能力成熟后再泛化到更加广泛的应用领域，使晶泰科技的平台成为跨越多重高价值场景的全球科学基础设施。

跨学科融合是科学智能新时代的必然，但这也对AI模型的长程推理与跨域知识融合提出了极高要求。科研场景的反馈周期长、模型迁移适配难，是AI4S的行业共性痛点。通用大模型在代码领域能做到瞬时反馈，但在物理世界却遭遇了“减速带”。

温书豪透露了晶泰在真实项目中的洞察：“很多人认为模型Token越长、数据越多，推理效果越好，但实际并非如此。科研场景对容错度要求显著更高，而通用大模型Token长度达到一定阈值后，冗余噪声会大幅增加，反而压缩有效信息占比，导致模型推理精度下降。”

为此，晶泰自研了专属的信息压缩、智能筛选、迭代提纯技术，通过‘高质量数据提纯与专有知识压缩’，将百万级Token的杂乱信息转化为高密度的结构化科研指令，实现团队研发经验与项目数据的智能体沉淀与高效迁移。

在更底层的模型创新层面，国内新锐AI大模型企业超衍智能创始人陈勇超指出，通用大模型的致命短板是：过度追求合规与安全导致创新能力丧失；长程任务能力缺失，遇到相悖实验结果只会判定出错，缺乏试错迭代与认知更新能力。

陈勇超认为：“上一代模型的核心能力是记忆、压缩人类已有知识；下一代科学大模型的核心能力，是探索人类未知知识，像顶尖科学家一样自主开展科研创新。”

这与温书豪的实践高度共鸣。温书豪指出，晶泰的策略是不盲目迷信通用基座，而是站在开源通用大模型的肩膀上。

“中国开源模型已与海外主流模型差距不大，AI的竞争已进入‘应用分工期’。我们的核心是通过自动化实验室产生行业新数据，我们无需重复造轮子，而是站在顶级开源模型的肩膀上，做物理世界的超级应用与数据飞轮，利用自进化AI和Agent去精炼出真正能解决行业问题的垂直模型，真正解决实际的产业问题。”温书豪表示。

对于业内颇为关心的“首款完全由AI主导发现的新药何时上市”，温书豪回应称：

“公司合作研发的一款AI全程深度参与研发的胃癌新药，从源头靶点验证、分子生成、实验优化到临床推进，AI贯穿核心全流程。这款药物进展顺利，预计最快2027年下半年有望取得关键临床进展，并通过快速通道、突破性疗法认定等政策在美国提早获批上市。”

温书豪预测，未来两三年，AI在新药研发中的核心占比将从目前的50%—70%持续提升，最终实现AI主导全程新药研发的常态化；药物研发与新材料研发的行业形态将被AI彻底重构。

在材料领域，晶泰的进展甚至更为迅猛。相较于强监管的新药，材料研发的闭环更短、落地更快。传统复杂电池材料、光电材料的迭代需3—5年，如今依托晶泰的AI智能体系，仅需数月即可完成完整迭代优化。目前，晶泰的自主智能实验体系已实现上百种新材料配方的快速优化，覆盖固态电池、光电材料、半导体等核心赛道。

这种全流程自动化、智能化迭代的实力，让晶泰的平台化转型成为必然。温书豪透露，“公司正在探讨双层商业模式，即基础算力与智能体调用按Token计量收费，复杂定制研发场景叠加项目增值费用。”

“涉及物理AI硬件调度与真实世界原材料消耗的部分尚属新领域，目前海外的Anthropic等巨头也尚未涉及。”温书豪表示，晶泰将建立标准化、公平合理的定价框架，有望在物理AI时代与各方共同确立行业标准。

传统AI大模型的突破，依托文本、图文数据、算力、模型参数的长期积累。而AI4S、物理世界智能科研所需的数据积累与基础设施投入量级远超大语言模型时代。

“科研与产业场景繁杂、链路极长，需要长期、巨额的基础设施投入。如果没有适配下一代AI的科研数据基础设施让AI走进物理世界，所有AI能力都是无源之水、无本之木，最终只能停留在写文章、发论文的浅层应用，无法真正赋能产业、落地真实科研场景。想要实现AI服务实体科研、创造高阶产业价值，长期的基础设施资本投入是必经之路。”对于在相关领域的长期资本投入，温书豪如是回应。

此前，OpenAI经过8年的持续底层积淀，才在2022年底实现GPT的正式“出圈”。在这段时间里，主流社会极少有人关注到大语言模型的底层积累，如行业早期在数据、算力、算法研发等方面的持续投入。

从财务表现来看，晶泰科技正在推进的转型已初见成效。2026年上半年，公司实现营收3.94亿元；扣除2025年的一笔大额一次性授权交易后，晶泰2026年上半年的营收同比增长73.8%。其中，AI4S智慧解决方案收入达1.94亿元，同比增长136.4%，智能机器人实验室与智能服务均保持高速增长，显示科学智能基础设施正加速进入规模化商业落地阶段。

在温书豪看来，平台化转型一旦盈利，爆发性会极强；通过数据飞轮驱动平台进化，降低创新门槛，增量市场将带来新用户与数据，进一步增强对B端大客户的黏性。

“未来五年甚至更短时间内，一定能够实现科学智能的全面突破，真正让AI赋能全球科研创新。”温书豪表示，“预计公司此次转型见效会比较快，因为通过Coding模式，市场对AI的能力已有认知，而且公司不是从零开始，而是已有标准化的平台。目前已经有一些天使用户在先行试用，积累一定时间之后，会逐步开放商业化接入。”

编辑：赵新亮 校对：纪元 审核：许闻

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）