中美科技“新冷戰”全面升級！AI科學家引爆2026新風口，英偉達、谷歌、OpenAI爭相押注！

2025年對于AI for Science (AI4S)而言，是從技術概念走向科研實踐的關鍵一年。

Kosmos、Biomni等通用科研引擎橫空出世，其在科學發現上的能力在復雜任務中得到驗證，已然比肩甚至超越人類專家。

其最顯著的變化是，智能體（Agent）技術的突破性進展，它讓“AI科學家”真正具備了協同工作的能力，這標志著科研范式轉型進入了新階段。

與此同時，中美之間科研智能化的新冷戰大幕，也由“AI科學家”智能體正式拉開，雙方押注力度空前。

美國“創世紀計劃（Genesis Mission）”一聲令下，整合美國國家實驗室、OpenAI、Google DeepMind等巨頭組成“聯合艦隊”，同時不斷加碼Lila Science、FutureHouse等“先頭部隊”，試圖拉開與中國的代差。

中國則緊咬不放，憑借早期培育與系統布局，催生了晶泰科技、英矽智能、深勢科技、津渡生科、百圖生科等一批核心玩家，建立技術主權。

中美對壘升級：爭造“AI智能體”加速科學發現

2025年11月，特朗普政府一紙行政令，正式啟動代號“創世紀計劃”的國家級科研攻堅計劃，矛頭直指AI驅動的科學發現領域，力度之強被外界稱為“AI版曼哈頓計劃”。

該計劃核心抓手是打造“美國科學與安全平臺”這一國家級AI科研樞紐，由美國能源部牽頭統籌，強勢整合下屬17個國家實驗室、全美超級算力集群、聯邦海量科學數據集，以及硅谷科技巨頭的技術勢能，形成“國家力量+商業巨頭”的協同作戰體系。

這份計劃帶著明確的量化野心：十年內將美國科研與創新的生產力、影響力雙雙翻番。先進制造、生物技術、關鍵材料、核裂變與聚變能源、量子信息科學、半導體與微電子，六大硬核領域被列為優先突破方向。

更緊湊的時間表暗藏緊迫感——啟動后270天內必須拿出首個概念驗證成果，科技競速的焦灼感撲面而來。

大洋彼岸的歐洲，也同步駛入AI for Science的生態整合快車道。

2025年10月，歐盟委員會同步拋出《應用AI戰略》與《歐洲科學AI戰略：為歐洲AI科學資源鋪平道路》兩份重磅文件，從產業應用與基礎科研雙軌發力，加速AI滲透，全力捍衛歐洲在全球科技領域的競爭力與技術主權。

值得注意的是，AI自主實驗室已成為全球科技競逐的“戰略高地”。美國MIT等頂尖高校與國家實驗室已率先建成自主實驗室；英國利物浦大學的材料創新工廠（MIF），則是歐洲自主實驗室陣營的標桿之作。

而美國“創世紀計劃”更是將先進制造列為攻關首位，核心目標之一便是加速落地自主實驗室等新一代科研基礎設施——用“AI+自動化”徹底顛覆傳統科研范式，將科學家從重復繁瑣的實驗流程中解放，聚焦于更具創造性的方案設計。

造新時代的“蒸汽機”，歐美向左，中國向右。

與歐美依賴科技巨頭的發展路徑不同，中國則正在走一條“百花齊放”的培育之路，各地政府精準錨定早期創新力量持續加碼。

近日，國家創業投資引導基金旗下三支子基金同日完成工商登記，這一“航母級”基金即將正式啟航，預計將撬動地方資金、社會資本近1萬億元，精準投向早、小、長期硬科技領域，為更多獨角獸、瞪羚企業的成長鋪路。

AI for Science領域早期企業津渡生科今年就獲得了深圳市數千萬專項資金扶持，更躋身國家級“揭榜掛帥”項目入圍名單，成為“扶早扶小”的典型代表。

梳理中國各地支持體系，算力補貼、應用場景開放、專項資金設立三大核心抓手清晰可見；區域布局上，北京、上海、深圳“三足鼎立”的核心格局穩固，共同為AI科研創新的落地保駕護航。

資本搶灘，全球巨頭新銳同臺競速

國家層面之外，利用AI加速科學發現，也是頂級AI機構的共同目標。

作為全球知名的人工智能研究機構，Google DeepMind推出多個具有重要意義的科學模型，包括AlphaFold（蛋白質結構）、AlphaGenome（DNA調控）等等。

Google DeepMind的CEO，Demis Hassabis，因其在AI蛋白質結構預測上的貢獻獲得了2024年諾貝爾化學獎。

基于AlphaFold，他創立了AI制藥獨角獸Isomorphic Labs，公司第一款由AI設計的藥物已經啟動臨床試驗。

Demis Hassabis曾表示，借助AI的力量，人類將在十年內消滅所有疾病。

不僅是DeepMind，另一家AI領域的領軍公司——OpenAI，同樣積極運用AI加速科學發現。

奧特曼最近表示，GPT-5已經能自己做科研。在內部實驗中，GPT-5已能獨立提出數學假設、改進生物模型，甚至在物理模擬中發現新規律。

他相信，未來兩年，AI將在生物學、化學、物理學領域，做出真正意義上的發現。

前不久，Anthropic宣布推出ClaudeforLifeSciences模型，正式進軍生命科學領域。

目前，Anthropic正在和合作伙伴打造一個基于大模型+AgentSkills+科研知識庫+科研工具的科學生態，諾和諾德和賽諾菲已開始試用。

當OpenAI和Anthropic的估值飆升至千億美元量級，變得“貴得離譜”時，資本的洪流正悄然涌向一批更為神秘、垂直的新型AI公司。

根據智藥局統計，今年以來，多家專注于AIfor Science的初創公司獲得新一輪融資，總額超過8億美元。

這一批AI科學公司大多數成立時間并不長，甚至有的是今年剛剛創立，但這并不影響市場對其的青睞，他們能夠獲得遠超同輪次平均水平的募資金額，估值也迅速攀升。

最為典型的便是Lila Sciences。今年3月，這家公司走出隱匿模式，僅僅半年時間，累計融資達到5.4億美元，投資者包括英偉達、木頭姐ARK Venture Fund、Flagship Pioneering 等知名機構。

公司致力于構建世界上第一個科學超級智能平臺，以及應用于生命科學、化學和材料科學的完全自主實驗室，最終形成人工智能科學工廠（AISF）。

在Lila Sciences短短幾年的開發中，該平臺在醫療、材料、環境等多個領域展示了超越人類和現有AI的性能，包括基因醫學產品，發現和驗證數百種新型抗體、肽和結合劑、酶催化劑、碳捕劑等。

而就在上周，非盈利初創公司FutureHouse宣布拆分Edison Scientific，用于打造全球頂尖的AI科學家，并負責商業化。

此前，FutureHouse推出新一代AI科學家Kosmos，迅速成為海外科研界焦點，號稱“目前最強大的AI科學家”。

Kosmos一次運行即可閱讀1500篇論文并執行42000行代碼，實驗結果顯示，Kosmos一天就能完成相當于人類六個月的工作量，且近80%的研究結果可復現。

目前，Kosmos已經在神經科學、材料學、遺傳學等領域取得七項突破性發現，其中四項為全新成果。

此次拆分出Edison Scientific，有助于推進商業化進程。目前，公司已收到來自前十大制藥公司中6家副總裁或高管的合作意向。

Lila Sciences、Edison Scientific這類公司的出現，標志著AI for Science（AI4S）領域正從一個前沿概念，快速邁向一個技術深度融合、資本高度聚焦，并追求規?；虡I價值的新階段。

未來的AI科研將不再局限于提出假設和模擬計算，AI與機器人技術將深度融入實驗環節，實現從假設生成、自動化實驗、數據分析到模型迭代的全閉環科研范式。

而在中國，“AI科學家”智能體也成了兵家必爭之地。

近日引爆港股的英矽智能，推出了Science42底層科學研究平臺，主要用于簡化撰寫學術論文和其他科學文檔，是英矽智能實現“AI for Science”戰略的關鍵基礎設施。

今年4月，百圖生科發布全球首個AI生命科學基礎大模型驅動的生成式發現系統，在生命科學領域的表現中領先于DeepSeek-R1、OpenAI-o1-mini等其他通用AI產品，合作客戶包括清華大學生物醫學工程學院、中國農業科學院、石藥集團等。

深勢科技則構建以“玻爾·科研空間站”為樞紐的“讀、算、做、智”的能力體系，助力超過 150 家先進研發企業的研發智能化升級，深度賦能了包括復星醫藥、國藥集團、翰森制藥、華東醫藥、東陽光藥、齊魯制藥等超過 70 家生命科學企業的 100 條以上研發管線。

相較已在港股上市的晶泰科技，數億美元融資加持的深勢科技、百圖生科，成立于2022年的津渡生科（OxTium Technology）尚處早期階段，成長與想象空間顯然更大。今年津渡生科就宣布完成多輪融資，投資方分別為紅杉中國種子基金、力合創投、創東方投資、南山戰新投等知名投資機構。

傳統科研中，研究人員約 75% 的時間耗費在實驗設計修改、重復操作及數據分析等低效工作上。AI 智能體可解放這類重復性勞動，但算力短缺與成本壓力，成了中小機構智能化轉型的主要障礙。

津渡生科自研的BioFord Agent一站式生物科學研究平臺，采用輕量化、模塊化的架構設計，已吸引包括多所高校、醫院及科研機構在內的合作方。

該平臺有機融合了多模態大模型、實驗智能體與物聯網（IoT）技術，構建起“數據—模型—工具—執行”四位一體的閉環體系。通過集成前沿算法與 AI 核心功能，BioFord Agent 致力于驅動實驗室的智能化與自動化升級，加速基礎科研、醫學診斷及生物制造等多元場景的方案落地。

盡管幾大AI for Science主要玩家仍集中于北上深三地，但這場變革最終卻將推動科學發現的地域“平權”與“普惠”。

未來，即便是扎根中國四五線城市的中小型生物實驗室，只要接入如BioFord Agent 一樣成熟的AI智能體，就相當于為團隊配備了一位24小時無休、具備海量知識儲備與精準分析能力的“頂尖科學家”。

這不僅極大降低了生物科技研發的準入門檻，更讓無數具備創新潛力但資源有限的中國中小團隊，擁有與國際重點生物科技機構的一戰之力。

“操作系統”之爭，中美路徑孰優？

中美兩國在AI for Science領域的競爭日益激烈，依托各自不同的制度體系、科研生態與產業基礎，形成了鮮明的發展路徑差異。

作為全球AI技術的先行者，美國擁有哈佛、麻省理工、斯坦福等世界頂尖高校，以及OpenAI、Google、Anthropic等引領前沿的企業，擅長“從0到1”的源頭創新。

目前，美國已涌現出如FutureHouse、Lila Sciences等前沿初創企業，聚焦高復雜度任務，推出前沿成果，不斷拓展AI在科學探索中的邊界。

然而，這一優勢也伴隨著結構性挑戰：受限于本土制造業基礎外流、高昂的人力成本以及嚴格的倫理審查機制，美國科研成果向實際應用場景轉化的周期普遍較長，實驗室與產業界之間橫亙著一道難以逾越的“死亡之谷”。

相比之下，中國AI for Science近年來在國家政策的強力引導、海量多模態數據資源的支撐，以及快速迭代的工程文化推動下，在系統集成與垂直領域深度適配方面展現出顯著優勢。

以晶泰科技、深勢科技、津渡生科為代表的公司，善于將前沿技術與具體行業痛點結合，在醫療、新能源、芯片、生物科學等場景中快速部署可運行的智能系統。

這種“應用牽引、場景驅動”的發展模式，使中國在AI for Science的實際落地上更具優勢，勝在“從1到N”的規模化落地與場景滲透。

從行業演進來看，AI for Science的興起標志著這一戰略重心的深刻轉移——它不滿足于替代人類處理瑣碎事務，而是致力于構建“科學智能”，成為驅動科技創新與知識生產的新一代基礎設施。

其價值早已超越了工具屬性，它是推動科研范式變革的底層操作系統。

回顧科技產業的迭代歷程，底層操作系統的價值始終是決定行業格局的核心變量。

PC時代，Windows深度嵌入工作流的屬性，直接奠定微軟在科技行業的數十年壁壘；進入移動端時代，iOS與Android的雙雄格局同樣延續這一邏輯，形成“一旦接入，難以替換”的強鎖定效應。而這一規律，正深刻遷移至生物科技領域的下一代變革中。

相信在2026年，AI for Science 不僅在關鍵領域實現突破，更在跨學科融合與開放生態建設中邁出實質性步伐，成為全球科研體系不可替代的智能基座。

中國正以堅定的戰略決心與扎實的產業基礎，在這一革命性浪潮中牢牢把握主動權。