AI制药巨头晶泰科技：从模型到实验室的科研范式跃迁
过去两年，人工智能在编程领域（AI Coding）率先跑通了高价值的商业闭环。海外机构预测，未来12个月内，AI Coding有望为头部大模型公司带来数百亿美元的年化收入。这一成功的核心逻辑在于，代码天然拥有编译器、测试用例和运行结果这套强大的“验证器”。模型生成的每一段代码都能迅速被验证对错，能力的提升直接转化为生产力。
然而，随着Coding场景逐渐饱和，资本与产业目光开始转向更具挑战但也更具潜力的领域：科学研究。欧盟委员会数据显示，2024年全球研发投入最高的2000家公司合计投入约1.446万亿欧元，其中生命科学、新材料、化工和能源等行业消耗了大量资金，却仍受限于低效的试错和流程割裂。从提升数字生产率到提升科学生产率，AI for Science（AI4S，科学智能）正在尝试复刻AI Coding的路径，但其核心差异在于，科学智能的验证器不是编译器，而是真实的物理实验。
构建科学界的“编译器”：DMTA闭环与数据飞轮
传统科研是一种高度依赖专家经验的生产方式。大量知识分散在论文、专利和实验记录中，研发流程长且效率低下，大量失败结果未被结构化保存，导致后续研发无法有效复用这些隐性知识。
AI4S要解决的不仅仅是某个环节的效率问题，而是整个科研流程的重构。长期以来，大模型在科研领域的探索主要停留在数字世界，如搜索文献、分析数据或提出分子结构假设。但这些假设能否成立，必须经过物理世界的验证。这正是科学Agent面临的核心瓶颈：可以设计实验，却无法对实验结果负责。
晶泰科技发布的XtalPi Science平台，试图解决这一痛点。该平台将大语言模型、垂直科学模型与自动化机器人实验室深度耦合，构建了AI for Science的原生操作系统。其核心逻辑是引入“设计-制造-测试-分析”（DMTA）闭环，这相当于科学领域的“编译器”。在这个闭环中，每一个模型假设都会接受真实实验的检验，实验结果被重新反馈给下一轮预测，从而形成一个自我强化的迭代过程。
在这一体系中，Genius Agents承担了研发流程的编排工作。它能够根据科研目标制定计划，拆解任务，调用专业模型和实验能力，并汇总结果。这种“AI规模化探索 + 科学家关键决策”的协作范式，将部分验证周期从数周压缩至“以天为单位”。更重要的是，系统开始持续生产AI真正需要的数据。
每一次实验的成功、失败或异常都被完整记录。与公开文献中仅展示“成功”不同，真实项目中的失败数据对于训练模型识别“为什么失败”至关重要。晶泰智能自主实验室每月产生超过5万条反应产率数据和30万条过程数据，累计沉淀超过50万条真实实验记录，其中包含大量公开数据库缺失的失败样本。这些高质量数据直接反映在模型能力的提升上：SureRXN的化学幻觉率降至4.6%，首条合成路线准确率达到51.7%，对失败实验的预测准确率达到81%至89%。在真实服务项目中，目标分子合成所需的实验迭代次数从平均5-10次缩短至1.19次。
这种“实验越多→数据越丰富→模型越准确→吸引更多任务”的循环，构成了晶泰真正的数据飞轮。其壁垒不再是静态的数据集，而是一套能够持续生产高质量数据、打通物理与数字世界的系统。
超越AI制药：重新定义科研交付单位
市场长期以来习惯将晶泰科技归类为一家AI制药公司。然而，随着XtalPi Science平台的发布，这一标签已不足以概括其业务全貌。平台覆盖的对象已从药物分子扩展至蛋白、化学反应、材料配方、太阳能电池等多个领域。
这一变化的核心在于交付单位的改变。过去，客户购买的是单个研发项目、设备或阶段性的研究结果；现在，晶泰通过XtalPi Science将模型、工具、智能体和实验资源统一调度，交付形式转变为持续供给科研能力。Genius Agents能够持续整合实验数据、专利信息和SAR关系，为下一轮实验提供建议；材料模块则能围绕高维变量开展智能搜索，实现AI“读、想、做”的自闭环。
尽管应用场景各异，但底层的研发流程高度一致：理解目标、调用数据、设计实验、执行测试、反馈优化。XtalPi Science复制的并非某一项特定产品，而是一套可跨行业迁移的研发流程基础设施。每进入一个新场景，平台都会积累新的模型、工作流和数据，这些能力又可被后续客户复用，产生网络效应。
对于投资者而言，这种平台化转型带来了三层价值来源：
- 现有业务价值：包括药物发现、机器人实验室和专业研发解决方案，提供稳定的收入基础。
- 平台调用价值：通过Science Token、自动化实验服务和私有化部署，同一套资源可被不同客户重复使用，形成持续的收入流，提高研发资产利用率。
- 研发成果期权价值：在药物管线、新材料和新能源项目中，通过里程碑付款、IP授权和合资权益，获取非线性的长期收益。
Science Token与科研基础设施化
新的产品形态必然伴随商业模式的革新。Science Token是XtalPi Science对模型、数据、Agent和实验资源进行统一调度与计量的机制。在复杂的科研任务中，用户无需分别采购软件、协调实验室或申请设备，只需通过Science Token即可调用完整的科研能力。
这一机制首先改变了科研能力的计价方式，使其像云计算一样按需取用、按量计费，甚至走向按任务或结果收费。其次，它为AI for Science建立了一套开放的生态调度机制。外部机构、模型公司和工具厂商可以将其能力接入平台，由XtalPi Science统一组织。至此，晶泰正在构建一个开放的科研服务网络。
AI4S的价值兑现需要完成两次验证：一是证明AI能贯通科研全流程，二是证明该能力能被标准化、规模化地复用。截至近期，已有近200家企业、高校及科研机构提交平台试用申请，晶泰宣布提供总计一亿Science Token的试用额度。这标志着公司正从项目型研发服务商向科学智能基础设施提供商转型。
这种估值体系的切换需要一系列可量化的商业指标来确认，如付费客户数量、Token调用量、设施利用率和平台收入。在中国公开市场中，同时拥有垂直科学模型、智能体编排、大规模机器人实验室和真实项目数据的企业依然稀缺。晶泰的前瞻性在于，在行业形成共识之前，完成了最耗时、耗资且难以复制的基础建设。
未来的AI不再仅仅擅长生成答案，更需要交付经过验证的证据。科学智能的核心稀缺性，在于将假设转化为真实实验结果的持续能力。XtalPi Science能否推动估值体系的根本性切换，最终将由市场用真金白银投票。但从当前时点来看，随着内生业务的高速增长和平台化商业模式的初步验证，一个以数据为燃料、以实验为验证器的全新科研范式正在形成。