AI for Science出实验室：材料制药先靠发现变现
先说个信号：制药圈捷报频传
最近浦东的 AI 制药企业接连报喜。晶泰科技今年开源了化学反应产率模型 lcms2yield，预测速度比传统量子化学快十万到百万倍，已有 20 多个项目推进到临床前；英矽智能靠自有平台攒出第 35 个临床前候选化合物，今年合作总额超 73 亿美元。你品品，这已经不是“我们也在研究 AI”的 PPT 阶段，是真有管线、有合作、有收入的产业化前夜，连地方政府都在官网通报进展了。这种从论文到管线的跳跃，正是 AI4S 最硬的底气，也是资本愿意下注的根本原因。
制药为啥跑最快：价值大、肯花钱
AI for Science 里，制药是商业化最成熟的。原因直白：一款新药动辄几十亿市场，药企最舍得为“提高命中率、省时间”买单。Isomorphic Labs 拿着 AlphaFold 底子跟礼来、诺华签了近 30 亿美元合作；行业里已有上百个 AI 参与发现或设计的药物进了临床。我跟你讲，制药这行“试错成本极高”，正好是被 AI 降本最痛、也最愿意付钱的地方。钱多、痛点硬，商业化自然跑在最前。
材料科学是黑马：反馈快、离钱近
但更值得盯的是材料。GNoME 一次预测 220 万种新晶体，把发现周期从十年压到数周；伯克利 A-Lab 能做到每天发现两种以上新材料。材料比制药反馈周期短得多——合成、测试几天就有结果，不像药物要熬几年临床。所以材料科学的商业化探索反而可能“跑得比药快”。咱看项目，别只盯制药名气大，材料这匹黑马更可能先小规模赚钱，尤其电池、催化、碳捕集这些工业刚需方向。
气象地球科学：降本不直接变现
也得说句公道话：不是所有科学赛道都急着赚钱。气象和地球科学是 AI4S 渗透最深的领域，WeatherNext 这类模型在大量变量上优于传统预报，但它的价值更多是“降本”和“辅助决策”，不像药物材料能直接卖专利、卖产品。简单说，这俩方向更像是给行业省钱的底层能力，而不是能单独 IPO 的印钞机。所以谈 AI4S 商业化，得按赛道分开看，不能一锅烩。
但门槛也在：监管要“看得懂”
泼盆冷水：AI 推出来的分子、材料，监管要的是“可溯源的研发逻辑”。可现在好多生成式 AI 是黑盒，说不清每一步为啥这么设计，临床申报就卡壳。行业已经在补“可解释推理记录”，把文献检索、筛选、模拟每一步都留痕。你看，科学智能要真变现，光会“发现”不够，还得让监管“看得懂你咋发现的”。这层合规能力，未来可能比模型本身更值钱，尤其对想出海的团队。
实在话：这波是“发现”的生意，不是“炒作”的生意
我判断克制点说：AI for Science 未来两三年会进产业化爆发期，但钱先流向“反馈周期短、付费意愿强”的制药与材料，气象、地球科学更多是降本不是直接变现。对咱普通人，记住一句——这波是真的在“卖发现”，不是卖概念：哪家能拿出上临床的管线、能落地的材料，哪家才值钱。别被“AI 颠覆科研”的宏大叙事带飞，看它到底交付了啥实打实的东西，比听愿景实在。
