2026年计算机行业AI4S：当科技乘以科技看好——GenAI系列70暨AI4S入门篇

自上而下：AI4S，基础科学的乘法

本章自上而下解释 AI4S。它排在《国务院关于深入实施“人工智能+”行动的意见》 （国发〔2025〕11 号）第一位，即“人工智能+”科学技术。它不仅已经渗透到国内外 诸多基础学科的研发中，且可以帮助国际博弈焦点领域的研发。 换句话说，只要新质生产力、未来产业存在，AI4S 就是它们的加速器，它们的乘法。 这或许是国家自上而下重视 AI4S 的重要原因。 自上而下分析产业很重要，我们 2025 年 1 月对机器人产业也做类似预判。2025 年 1 月机器人行业深度《机器人：三层融合，2025 年产业质变》也做了自上而下预判：1）人 口红利、工程师红利是我们长期优势；2）机器人帮助解决未来人口红利问题；3）结合软 件大模型、硬件机器人，人口红利和产能问题可以更好地解决。

1.1 AI4S：“人工智能+”政策发文第一位

如前论述：《国务院关于深入实施“人工智能+”行动的意见》中，AI4S 排在第一位。 我们在 2025 年 10 月深度《“人工智能+“应用爆发的奇点即将到来》对此评论为： 《意见》将人工智能驱动创新置于核心位置，明确强调以人工智能技术突破带动生产力实 现革命性跃升，并将其作为赋能经济社会发展的主线。具体体现在四个方面： 一是加速科学发现，通过“加快探索人工智能驱动的新型科研范式，加速‘从 0 到 1 ‘重大科学发现进程，加快科学大模型建设应用”，推动基础研究跨越式进步。 二是提升研发效率，借助“人工智能驱动的技术研发、工程实现、产品落地一体化协 同发展”及“智能化研发工具和平台”的推广应用，打通从创意到产品的关键路径。 三是赋能制造业升级，通过“加快工业软件创新突破，大力发展智能制造装备”并 “推进工业供应链智能协同，加强自适应供需匹配”，实现生产与运营的整体优化。

四是加速未来产业突破，通过“加强人工智能与生物制造、量子科技、第六代移动通 信（6G）等领域技术协同创新”，并“加快与元宇宙、低空飞行、增材制造、脑机接口等 技术融合和产品创新”，拓展新一轮科技革命的发展边界。这些路径共同构筑了“人工智 能+”驱动生产力质变的核心框架。

1.2 基础科学加速器

了解 AI For Science 的投资者，往往将其视为“AI 帮助制药、材料生成、高分子结 构生成、新能源创新”。这种判断不无道理，但还有更强的技术纵深和延展性。 一方面，我们把基于化学、高分子、新能源、医药、医疗的 AI 结构生成叫做“狭义 AI4S”，把更多基础学科的 AI 加速叫做“广义 AI4S”。另一方面，我们提供了这些领域 的过去状态/大模型风靡后的世界标杆项目/大模型风靡后的中国标杆项目，详见表格。 这些对比，可以视作 AI4S 未来的空间。不仅仅是业务发展的空间，还有投资者去理 解它们的空间。

1.3 国际博弈焦点领域

还有一个“自上而下”的重要视角。国际力量博弈和竞争的焦点领域，应当都可以使 用 AI4S 方法。

自下而上：AI4S 的技术链与 ROI

上一章是自上而下视角，本章是自下而上视角。 对于不利于金融一二级投资者的技术问题，都提供了通俗的比喻。把狭义 AI4S 关键 的“微观-介观-宏观”做了六层细切，每一层指出关键输出。然后做了两种比喻，或许方 便投资者理解。通过计算 ROI，验证 AI4S 的投入划算。对于攻克“新质生产力”、“未 来产业”的诸多难点，AI4S 帮助研发，省钱省时间。所以我们称它为“乘法效应”。

2.1 技术链初探：微观-介观-宏观的六层细切

1） 首先在底层的量子力学层，属于微观。 该层面包括薛定谔方程、电子密度公式、Hohenberg-Kohn 定理、Kohn-Sham 方程， 实现了部分投资者了解的密度泛函理论（DFT）。相当于用 AI 加速了量子力学的计算，得 到粒子的静态特征，例如电子密度、化学键能、晶体能带、散射参数、等效 U 参数等核心 静态参数等。

2） 其次在较底层的统计力学层，属于微观。 上述量子力学层主要聚焦在静态，但对动态的评估还不足，而本层即关键动态补充。

玻尔兹曼方程（BTE）是连接微观量子态和宏观输运性质的核心。它是对微观量子态 到介观/宏观输运的核心补充，弥补了 DFT 仅能计算基态性质的局限。这样用 AI 可以得到 电导率、热导率、折射率、载流子迁移率等，这是动态场景重要的参数。

3）再次中间层的“经典力学+统计力学层“，属于介观。 上述微观层虽然精细，但对于中高空间尺度或时间尺度的场景，计算量太大，于是 AI4S 可以在介观层处理。当前一二级 AI4S 公司经常采用分子动力学 MD，即在该层级。 该层包括经典力学+统计力学、分子动力学（MD）、牛顿第二定律（原子级）、机器 学习力场（MLFF）等。此层承接前两层的微观参数，将量子力学推导的原子间作用力、 化学键能， 拟合成 MD 可直接调用的精准力场参数，聚焦 10³~10⁶个原子规模的介观精细 动态行为。 这样用 AI 可以得到扩散系数、原子配位数、界面结合能等介观核心参数。这是连接 微观量子规律与介观实际结构动态的核心层。

4）接着中间层的“介观动力学+统计力学层“，也属于介观。 上述层级仅能处理小尺度介观精细体系，无法适配微米级大体系与相变过程。该层通 过 “平均场近似”，聚焦介观大体系的整体行为与相变过程。 该层面包含格子玻尔兹曼方法（LBM）与相场法（PFM）等。借助 AI 拟合碰撞参数、 自由能泛函系数，可高效模拟电解质离子流、材料相分离、固-液相变、液-气相变、界面演化等，输出相图特征、界面迁移速度、流体流动速率等参数。这样介观尺度从 “精细原 子级” 到 “整体体系级” 拓展。

5）随后在上层的“热力学 + 统计力学层“，已经属于宏观。 上述层级处理长时间、稀有事件比较薄弱。此层承接介观尺度的动态与结构参数，应 对上述问题，直接输出工程可用宏观物性。 该层核心为动力学蒙特卡洛（KMC）。通过统计前述介观尺度的稀有事件（如缺陷演 化、催化反应、充放电循环）发生概率，结合热力学相平衡规律，AI 统计拟合，可直接输 出熔点、沸点、刚性（弹性模量）、延展性（延伸率）、热膨胀系数等材料核心宏观物性。 它从 “介观结构” 到 “宏观物性” 直接转化。

6）最后，最上层的“连续介质力学层“，属于宏观工程。 上述层级还不是实际工程。此层承接宏观物性层的基础物性参数，适配实际工程工况 的问题，聚焦产品级的宏观工程性能模拟。较多熟悉工业软件的投资人员，会接触到有限 元计算（FEM）。尽管其较为高深，但仅是 AI4S 的上层应用。 该层代表为有限元计算（FEM），以固体力学平衡方程弱形式为核心求解方程。将此 前层级推导的弹性模量、泊松比、热导率、熔点等物性参数，AI 自动映射为有限元模型的 本构关系参数，结合实际工程工况（温度、压力、载荷），模拟产品在实际应用中的应力 分布、温度场、使用寿命、结构稳定性等工程性能。它是 AI4S 跨尺度体系从 “材料研发” 到 “产业落地” 的最终应用层。

2.2 狭义 AI4S：用比喻帮助理解

上一节的“微观-介观-宏观”切分，可以归纳为：跨尺度模拟推导性能，用 AI 实现 “结构-性能” 精准映射。讲的通俗一些，用 AI 生成结构，且可以相对精准的预测性能。 我们把它叫做狭义 AI4S，因为它对基于粒子的科学（计算物理、计算化学等）更加 有效，例如大家较为熟悉的 AI 帮助材料与医药创新。超越这个范畴的，我们称之为广义 AI4S，在后续论述。

第一种比喻是，用股票投资来类比理解。 AI4S 从微观到介观再到宏观的跨尺度推导过程，类比为专业机构从个股基本面研究 到持仓组合设计，再到组合收益风险表现的完整投资决策流程。AI 在其中扮演智能投研、 量化建模的角色。 AI4S 的微观层，对应投资中的个股基本面深度研究。微观层的薛定谔方程、KohnSham 方程等量子力学理论，就像投资中分析个股的财报、估值模型、核心竞争力的底层 方法。 这些方法算出的电子密度、化学键能、带隙等微观参数（AI4S 领域），类比为个股 的净资产、ROE、净利润增速等底层价值指标（股票投资领域）。 AI4S 的介观层，对应投资中的最优持仓组合设计。介观层的分子动力学、机器学习 力场、介观动力学等方法，就像投资中的量化模型与组合构建工具。 介观层输出的扩散系数、界面结合能等结构特征（AI4S 领域），类比为组合的夏普 比率、波动率、行业配比等组合特征（股票投资领域）。 AI4S 的宏观层，对应投资中的组合收益与风险表现。宏观层通过动力学蒙特卡洛、 有限元计算推导出的熔点、刚性、导电性、工程性能等宏观指标，如同由持仓组合特征推 导的年化收益、最大回撤、收益稳定性等投资落地指标。宏观性能的可预测性（AI4S 领域），源于微观到介观的精准对应和层层推导，就像 组合收益的稳定性，源于个股基本面到持仓组合的严格匹配（股票投资领域）。

第二种比喻是，深度神经网络图像识别。 把 AI4S 的跨尺度推导，类比为深度神经网络图像识别从像素特征提取到中层特征整 合，再到语义结果输出的完整过程。 AI4S 的微观层，对应图像识别的像素级原始特征。微观层通过量子力学方法算出的 电子密度、波函数、化学键能等参数（AI4S 领域），可以类比为图像中每个像素的 RGB 值、亮度、对比度等基础信息（图像识别领域）。 AI4S 的介观层，对应图像识别的中层结构化特征。介观层从微观原始特征中提取、 生成的原子排布、分子构象、晶界结构等介观结构，是对微观特征的结构化整合（AI4S 领域），可以类比为从图像像素特征中提取的线条、轮廓、形状、纹理等中层特征，是对 像素点的整合与加工（图像识别领域）。 AI4S 的宏观层，对应图像识别的宏观语义化输出。宏观层从介观结构化特征中推导 的熔点、刚性、导电性、工程性能等宏观指标，是对介观结构特征的最终解读与落地 （AI4S 领域），可以类比为从图像中层特征中识别出的猫、狗、汽车、建筑等语义结果， 是对中层特征的最终解读与应用（图像识别领域）。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）