你有没有注意到，2026年这个春天，中国AI圈里的钱在悄悄搬家？过去两三年，大家满脑子都是通用大模型，＂百模大战＂打得天昏地暗，字节、阿里、百度一个比一个猛，降价降到毛利为负数。可到了现在，聪明的资本已经不在这条赛道上死磕了。它们瞄准了一个更深、更硬、更有产业壁垒的方向——AI for Science，用人工智能去做科学研究。这个转向，不是偶然的，是被逼出来的，也是算明白账之后的理性选择。
先回头看一眼通用大模型这两年走过的路。2024年那波价格战，字节跳动、阿里、百度、腾讯、科大讯飞全部下场，降价幅度动辄超过80%甚至90%以上。流量确实涨了，但代价是什么？2024年5月之前国内大模型推理算力的毛利率高于60%，各大厂接连降价之后，毛利率直接跌到了负数。你没看错，卖一单亏一单，纯粹在烧钱抢地盘。到了2025年和2026年初，阿里千问拿出30亿搞＂请客免单＂，百度发5亿红包，腾讯元宝派10亿现金，行业总投入超过80亿元。这哪里是做生意，分明是拿真金白银换用户打开APP的那一下。
问题来了：这种打法能持续吗？中国信通院的报告已经讲得很明白，基础模型数量正在持续收敛，曾经硝烟弥漫的＂百模大战＂已经落幕。等待活下来的选手的，是一场围绕真实场景渗透和产业价值的耐力赛。易观分析发布的2026年报告也指出，AI行业正从＂技术狂热期＂进入＂商业理性期＂。当模型能力越来越趋同，ChatGPT式的聊天问答谁都能做，壁垒就不存在了，剩下的只能拼谁烧得起、谁亏得久。
但你把目光转到AI for Science这条赛道，逻辑完全不同。这里不是比谁能聊天聊得更顺溜，而是比谁能帮药企把新药研发从十年压到三五年，比谁能帮电池厂筛选下一代固态电解质材料。这种能力一旦建立，护城河极深，因为它需要对特定科学领域的深度理解，需要海量的专业数据，需要与实验室和产线的紧密耦合。这不是烧钱就能烧出来的。
拿AI制药来说。2026年，AI对制药行业的改造已从前端研发延伸到临床试验全流程，AI筛选分子的早期临床试验成功率达到80%到90%，远高于传统方式40%到65%的水平。2024年诺贝尔化学奖发给了AlphaFold，就是因为它用AI预测蛋白质结构这件事，从根本上改变了药物研发的起点。在蛋白质折叠模拟方面，曙光的集群基于3万卡规模完成的运算，比传统算法快了1000倍。过去要算几个月的东西，现在几小时出结果，对药企来说，同样的预算能试更多靶点，成功率自然往上走。
再看资本的动向。晶泰科技发布了2025年度财务报告，营收8.03亿，同比增长201.2%，首次盈利。这是中国AI for Science领域第一家实现盈利的公司，意义非同一般。它的药物发现业务增速达到419%，客户增长62%，覆盖了17家全球TOP药企。这组数字说明了什么？说明AI用于科学研究这件事，已经不是PPT上的故事了，是实打实能赚到钱的生意。
全球的大药厂也在疯狂加码。罗氏宣布和英伟达合作，要建制药行业规模最大的＂AI工厂＂；葛兰素史克、礼来、勃林格殷格翰、赛诺菲等巨头都在2026年重金投入AI制药。阿斯利康刚刚和清华大学签署了校级科研合作协议，联合成立AI药物研发联合研究中心。你看，国际巨头不是在聊天机器人上砸钱，它们把筹码押在了用AI做药、做材料、做科学发现这件事上。
而这一切的底座是什么？是算力。没有足够强大、稳定、好用的算力基础设施，AI做科学研究就是一句空话。这也是为什么2026年4月14日那件事格外值得关注——中科曙光在郑州的国家超算互联网核心节点，上线了匹配6万张国产AI加速卡的计算集群，这是目前国内规模最大的AI for Science计算集群。这不是简单地堆硬件，这是一次战略级的基础设施落地。
这个集群有几个非常硬核的技术指标。它包含6款自研核心芯片，其中scaleFabric是国内首款类InfiniBand原生RDMA高速网络，打破了海外厂商在高端高速网络市场的长期垄断。换成大白话就是，六万张卡之间传数据几乎不卡，速度达到国际先进水平。散热方面也很猛，曙光发布了全球首个MW级相变浸没液冷整机柜方案，PUE值低至1.04以下，机房面积节省超85%。把服务器泡在冷却液里，同样大的柜子能塞进去数倍的算力。
更关键的是节奏。从2025年12月发布万卡超集群，到2026年2月3万卡上线，再到4月6万卡投用，不到五个月完成了从万卡到六万卡的部署跃迁。这种速度在国内算力建设领域是非常罕见的。而且这不是造了集群就放着好看，国家超算互联网平台已经链接了超过300万CPU核和超20万GPU卡，接入了全国一体化算网调度体系。药企、材料公司、科研院所可以像用水用电一样按需购买算力服务。
我在这里要讲一个商业思维上的底层规律。每一轮产业革命，率先赚到钱的从来都不是冲在最前面的应用层玩家，而是给他们铺路的那批人。铁路时代赚钱的是修铁路的，互联网时代赚钱的是铺光纤建机房的。经典说法叫＂淘金热里卖铲子的人＂。曙光做的恰恰就是这件事——你来挖金子，算力底座我来建，重资产我投，轻资产你用。
曙光2025年实现营业收入149.64亿元，同比增长13.81%；归母净利润21.76亿元，同比增长13.87%。它的利润结构在优化，从卖设备向卖服务、卖解决方案转型的路径越来越清晰。业内观点认为，曙光正在加速从＂算力硬件公司＂向＂算力运营商＂转型。这个转型意味着什么？意味着它不再是一锤子买卖，而是建起平台之后，靠持续的算力租赁和服务获取长期稳定收入。
从地缘博弈的角度看，这件事还有更深的战略含义。美国对华实施的AI芯片出口管制，促使中国将科技自立自强放到更突出的位置，加速在AI芯片、基础软件等＂卡脖子＂环节的国产化替代。斯坦福AI指数报告指出，全球AI硬件供应链高度依赖台积电这一家代工厂。在这种背景下，曙光的六万卡集群全部采用国产加速卡，scaleFabric网络也是自研的，这本身就是对＂卡脖子＂困境的一次正面回应。你想想，如果科研算力的底座全部依赖英伟达和InfiniBand，一旦供应链出问题，整个AI for Science的生态就要停摆。自主可控在这个赛道上不是口号，是生存前提。
我的判断是这样的：2026年到2028年这个窗口期，AI for Science将经历一轮爆发式增长。国盛证券测算，仅医药研发领域AI for Science可触达的市场规模就达1082亿美元，化工、新能源、半导体等六大下游领域在25%渗透率下可创造1486亿美元需求。而现在的渗透率连百分之一都不到，这意味着十倍乃至数十倍的增长空间。你要知道，这还只是算力服务本身的体量，它撬动的是新药、新材料、气象预报、海洋模拟这些万亿级的下游产业。
热门跟贴