各位機構(gòu)投資者，大家晚上好。今天我們來一起聊聊AIforScience和量子計算。我們團隊今天發(fā)布了AIforScience的深度報告，經(jīng)過大量的一級、二級項目...
各位機構(gòu)投資者，大家晚上好。今天我們來一起聊聊AI for Science和量子計算。我們團隊今天發(fā)布了AI for Science的深度報告，經(jīng)過大量的一級、二級項目產(chǎn)業(yè)調(diào)研，我們非常看好這個賽道。在去年的英偉達GTC大會中，黃仁勛把AI4S和具身智能、大語言模型并列成為AI的三大關鍵方向，可見其高度。
我們團隊可以說是全市場最早投入AI for Science研究的團隊之一，在這里我想先講幾個觀點:
1)AI4S是我們目前看到AI與化學結(jié)合最好的方向，甚至有可能成為化學研發(fā)的未來。經(jīng)過我們的產(chǎn)業(yè)調(diào)研，我們發(fā)現(xiàn)AI建模+機器人自動化實驗的模式是確實能給企業(yè)賦能的，不僅可以替代大量重復性的勞動，而且做很多事情效率都比傳統(tǒng)方式快幾倍甚至十倍以上。
2)原先，大部分化學制造企業(yè)對這個模式還不太了解，但這幾年AI發(fā)展非?？?，傳統(tǒng)行業(yè)很多細分子行業(yè)又面臨非常嚴重的內(nèi)卷，企業(yè)求變，加上DeepSeek引爆了對于AI應用端的關注，已經(jīng)有不少企業(yè)開始想要主動尋求與AI結(jié)合探索新路徑。
3)我們認為，未來全球最大的AI4S平臺型企業(yè)大概率誕生在中國，這是為什么？因為我們中國擁有全世界最齊全的化學制造門類、最完整的產(chǎn)業(yè)鏈，比如像化工，我們已經(jīng)占據(jù)了全球接近一半的份額。這意味著我們發(fā)展AI4S擁有大量的公司可以一起協(xié)同，也意味著大量的數(shù)據(jù)將產(chǎn)生在中國，所以至少說，我們擁有一個基礎，來訓練出最好的AI化學研發(fā)模型。
4)引用深勢科技創(chuàng)始人的觀點AI4S未來可能成長為千億美金級別的巨大市場。
AI4S是切切實實能為生產(chǎn)企業(yè)增效賦能的，是to B的AI應用，而且具有很好的規(guī)模效益，邊際新增業(yè)務的凈利率很高。我們看到國內(nèi)目前已經(jīng)有一批優(yōu)秀的企業(yè)涌現(xiàn)出來，包括已經(jīng)擁有270港元市值的全球AI4S標桿企業(yè)晶泰科技，公司正在由醫(yī)藥進軍新材料星辰大海。以及近期公告攜手中科大孵化企業(yè)正在進軍AI4S賽道的產(chǎn)業(yè)新銳志特新材。
從原理上來看，為什么AI效率比傳統(tǒng)研發(fā)更高？
傳統(tǒng)化學研發(fā)來看，經(jīng)歷最開始的常識、自然界的觀察得到初步的結(jié)論，然后進行小范圍改性進行材料研發(fā)，后面可能會總結(jié)經(jīng)驗，去定制化。到現(xiàn)在，需要用計算去賦能。AI首先計算環(huán)節(jié)效率很高,包括第一類AI4S，第二類是材料性能計算(產(chǎn)線、力學、反應)類似agent。AI4S來看，站在第一性原理計算的肩膀上，首先能夠規(guī)模上算的更大，傳統(tǒng)就是解薛定諤方程，對于復雜體系，比如高熵合金，用AI學習關鍵點數(shù)據(jù)進行合理外推，可以和第一性原理計算結(jié)合。比如小米SU7 ultra車架泰坦合金就是這么做出來的。同時AI可以算的更精確，比如算水的運動，可以用AI學習單個時間點性質(zhì)、力學特性，可以得到整體運動的狀態(tài)，省去重復勞動。
第一性原理運算的優(yōu)勢？
第一性原理來看，在解決這一類化學問題的時候，從最底層原理出發(fā)，再演繹到宏觀。第一性原理從最底層的薛定諤方程開始，去解材料的性質(zhì)。打個比方，在大規(guī)模的問題上，可以找計算專家控制超算集群，可以算千萬種材料，但是找不到這么多實驗人員。另外比如在極端環(huán)境，如鉆石是高壓環(huán)境，昂貴且危險，用計算模擬可以避免。成本方面，計算金、稀有金屬方面成本大大降低，和計算氧氮碳成本是一樣的。
AI適合研發(fā)哪些類型的新材料?
大致包括:高熵合金、高分子材料、新能源材料、生物材料(如酶，Baker諾獎得主就是AI這個方向)、航空航天材料、核能材料。
DeepSeek對我們行業(yè)的賦能？
首先它解決了大模型美國壟斷的問題，實現(xiàn)了平權，使得新興小企業(yè)有機會擁有門票。并且DS開源，有很多企業(yè)本地部署，我們相信會持續(xù)有新模型出現(xiàn)。我們沿著材料的方向，解決了對AI方面的投入問題，比如我們做一個高分子材料，原來需要買很多卡+10個人，現(xiàn)在3個人+買沒有被禁止卡有個幾張就夠了，并且研發(fā)進度還加快了。
量子計算和超算有什么區(qū)別？
計算機在執(zhí)行數(shù)學程序，背后是圖靈完備，一部分可計算的步驟可以一步一步的做出來，傳統(tǒng)、量子計算機都能算同樣的問題，量子背后也是圖靈完備。但是對于復雜度難題，經(jīng)典計算機不能通過多項式求解，但是在量子計算機可以多項式求解。在傳統(tǒng)計算機難度指數(shù)增長的同時，在量子計算機只是線性增長。傳統(tǒng)計算機用01的比特，量子計算機用量子比特，存在于一種狀態(tài)，可以是0或1或疊加。量子比特有天然的疊加性，加法的時候可以實現(xiàn)同時計算。另外量子運算門級不同，傳統(tǒng)計算是與或非，因此所以遇到一些傳統(tǒng)計算NP難的問題在量子計算不是NP難，比如解加密算法。經(jīng)典計算機發(fā)展了很多年，大部分問題都能解決，量子計算機目前主要為了解決經(jīng)典計算機解決不了的NP難問題。
量子如何和AI4S結(jié)合，賦能材料研發(fā)？
經(jīng)典計算機發(fā)展速度比較慢，現(xiàn)在能算100多個原子，實際解決能力有限，但傳統(tǒng)計算能力增長慢，只有比如年化5個原子增量。但是量子計算每多做一個比特，或多做一代，比如今年算10個原子，明年可以算100個原子。所以量子首先要實現(xiàn)對經(jīng)典計算的取代，再指導實驗。如何與AI4S結(jié)合來看，AI和經(jīng)典第一性計算互補，經(jīng)典計算得到嚴格求解薛定諤方程的精確數(shù)據(jù)，AI其實從數(shù)據(jù)中獲得人類難感知的經(jīng)驗，更多的應用到更多領域，這一方面量子計算邏輯也是一致。另一方面，AI agent方面，計算和實驗結(jié)合有很多節(jié)點，有量子計算部分、經(jīng)典計算節(jié)點(比如動力學、能量計算、解波函數(shù)獲得激發(fā)態(tài)性質(zhì))、實驗室自動化節(jié)點(包括機器人自動化實驗)，這么多節(jié)點如何管理，這么多數(shù)據(jù)怎么理解，最后整合需要靠AI。之前算力沒有觸到這個瓶頸，但是伴隨AI和量子計算的發(fā)展，可能5年內(nèi)就會發(fā)生，是不可避免的產(chǎn)業(yè)趨勢。
量子計算和量子模擬賦能AI4S多快可以應用？
首先有人說量子計算離實際應用很遙遠，這個指的是通用量子計算，就是達到當前AI這種能力，解決大規(guī)模的問題，這么看確實很遙遠。假設還要15年才能實現(xiàn)通用量子計算，但是量子模擬和AI的結(jié)合在幾年內(nèi)實現(xiàn)突破是可以期待的。我們和國外500強企業(yè)研究院接觸了很多年，他們認為有幾年可以用量子計算應用在他們實際業(yè)務中。他們認為2027年會用純量子計算解決第一個概念驗證類問題，把實際問題抽象出來用純量子解決。然后到2030年應用到實際業(yè)務，解決他們10%的實際問題。意味著2027年我們用一些量子方法和AI結(jié)合可以實現(xiàn)突破。國內(nèi)潘建偉院士提出，要謹慎樂觀，也要沿途下蛋。舉個例子，現(xiàn)在的AI四小龍，算法突破后可以迅速打開某個巨大市場，但是這個過程中人臉識別算法不斷迭代，最早的人臉識別門禁十幾萬，現(xiàn)在最便宜的幾百塊。說明技術發(fā)展過程中，一定會有新的價值產(chǎn)生，我們不需要等它進入到很通用的階段再進入這個賽道。
目前看量子計算結(jié)合AI4S在材料端，可以實現(xiàn)哪些突破？
目前國際上有幾個熱的方向:新能源材料:道達爾和一個新能源公司在做鈣鈦礦，提升轉(zhuǎn)換效率；高分子材料:我們從前年開始在做，是一款高附加值材料，可以用來在自然界補集二氧化碳、水、特殊氣體，我們已經(jīng)做出小樣；生物材料:比如酶，AI已經(jīng)做的不錯了,但是仍然有一些問題沒有解決,國外有些公司在做；mRNA核酸類藥物:我們合作做了幾款mRNA藥物進入到臨床，我們今年還會深入繼續(xù)做。
量子計算領域有哪些領先的企業(yè)和團隊？
硬件方面:
middot; 潘建偉院士牽頭國家量子實驗室解決量子前沿方向，近期發(fā)布了祖沖之三號，對標谷歌，走超導路線；團隊里陸朝陽做光量子計算機，九章，也發(fā)了三代；
middot; 郭光燦院士國內(nèi)早期做量子計算，超導路線；
middot; 清華段路明院士做離子阱路線硬件；
middot; 薛其坤院士去年拿到了科學獎，在深圳那邊做凝聚態(tài)物理，也在做超導方向。
軟件及應用方面:
middot; 陸軍院士，是中電科首席科學家，在蘇州做量子產(chǎn)業(yè)化。很多科學家都在研究技術前沿，轉(zhuǎn)化為實驗裝置，我們可以把量子計算機理解為實驗裝置。陸軍院士是把這些實驗裝置標準化和產(chǎn)業(yè)化，目前國內(nèi)只有他在做。同時標準化之后，會和我們這些做算法和應用的公司結(jié)合，供給超算中心或者一些做新材料、藥研發(fā)的公司使用。
middot; 微觀紀元:中國做軟件的公司特別少，有一家微觀紀元，是國內(nèi)唯一一家做量子算法和應用的，和海內(nèi)外客戶在推進，并且和陸軍院士在合作。
當前產(chǎn)業(yè)現(xiàn)狀如何？
我們對標美國來看，美國量子公司硬件側(cè)如制冷機、光學器件，以及幾個主流路線來看，中美在同一水平線。在算法和應用領域，比國內(nèi)走得更前面，包括合作案例、企業(yè)人數(shù)等。中國很多專家都是物理出身，所以聚焦硬件比較強。軟件和應用方面，除了陸院士以外，沒有別的國家隊。微觀紀元是國內(nèi)唯一做這個賽道的玩家，我們做了一個高分子材料多空隙材料，可以做碳捕獲、電子特氣分離、轉(zhuǎn)化，今年目標做到中試。生物材料方面，我們在改造酶，就是合成生物學，我們會使得性能改造到現(xiàn)在酶的5倍，用來吃二氧化碳，轉(zhuǎn)化成高附加值產(chǎn)品。mRNA方面，我們今年預計還能拿到幾個臨床批件，預計還會新增世界500強客戶。
一些新材料被國外壟斷，如果通過AI，國內(nèi)可以將差距縮減到多少？
舉例來看，目前只有美國和北歐有高純石英砂，可以做半導體的坩堝和鈣鈦礦材料。前兩年開始價格飆升了10倍，國內(nèi)沒有高純度礦?，F(xiàn)在有兩個方法可以做，我們在做一種路線，確定可行，通過人工合成的方法從別的礦里，計算反應路徑和反應能量，得到高純石英砂。
