掀起新浪潮，把握新機遇——《IDC Perspective：AI for Science全景研究》正式發布

1. AI企業營收速度下降，業務布局轉向“老大難”問題，生命科學、自然環境、材料工程等作為重點方向，其數學邏輯推理和數據復雜度更高，但在技術突破后的經濟社會效益更強；

2. 人工智能技術已較為成熟，可解決復雜場景下的高精度識別決策問題，藥物分子發現、材料合成、流體分析等部分場景下的預測準確率超過90%，將實驗室研發時間從數年縮短至幾天；

3. 企業和機構技術負責人逐漸重視新型技術引用，解決傳統科學研發中周期長、成本高、單線程問題，IDC預測到2025年，超過60%的中國企業將把人類專業知識與人工智能、機器學習、NLP和模式識別相結合，使員工的工作效率和生產力提升25%；

4. 底層算力基礎設施滿足科學研究中模型訓練的需求，將為復雜場景提供強大的算力供給。

AI for Science技術與產業發展處于起步階段，IDC認為仍面臨七大維度下的“D·IMPACT”挑戰，分別是數據(Data)、信息(Information)、市場(Market)、平臺(Platform)、算法(Algorithm)、計算(Computing)、人才(Talent)。

一是數據特征高維，模態格式較多；二是信息交流受限，合作存在壁壘；三是市場較為離散，商業模式待定；四是平臺功能復雜，工具組件專業；五是算法設計困難，缺少數理工程；六是計算要求較高，軟硬協同優化；七是人才培養不足，生態循環堵塞。

為解決這些挑戰，企業也需要健全戰略體系，建立一系列舉措以加強企業核心能力和生態合作，百度、華為、商湯、阿里、第四范式、深勢科技等企業已初步具備專業化平臺組件和創新能力。

我國中央和地方政府相繼出臺政策舉措，要求加快人工智能促進科學研究創新發展，形成具有未來競爭優勢的戰略性前沿方向，科技部等六部印發的《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》中提出，推動人工智能技術成為解決數學、化學、地學、材料、生物和空間科學等領域的重大科學問題的新范式，重點圍繞新藥創制、基因研究、生物育種研發、新材料研發、深海深空等領域實現重大科學問題和發現的研究突破。

在AI for Science全景圖V1.0中，根據現有產業發展特點、技術內容和數據維度的不同，IDC將AI for Science劃分為Micro-Science、Macro-Science、Planet-Science三大維度。其中Micro-Science主要包括生物制藥、材料研發和前沿物理方向，Macro-Science主要包括水利水務、空氣流動、工業設計方向，Planet-Science主要包括航空航天、地球模擬和天文探索。

值得一提的是，AI賦能科學研究對于底層數據提出了更高的要求，企業在藥物研發、前沿物理以及天文探索等領域需要處理巨量數據，這對于平臺功能、底層算力提出了更高的要求。另外，科學研究領域多為對現實世界的創新探索，因此需要搭建與AI融合的仿真工具，結合研究目標的物理化學性質，以及已有模型公式，來對問題進行現實條件約束。同時，根據產業發展趨勢和調研數據情況，IDC從技術水平、平臺化能力、市場前景將AI4S領域成熟度分為L1到L5五個環節，目前大部分環節仍處于起步或部分智能化階段。

從典型領域場景來看，生物制藥成為企業主要布局方向，AI+制藥技術可快速縮短管道研發時間、節省支出成本，而圖神經網絡和分子動力學則成為關鍵技術，目前百度飛槳、深勢科技已初步具備平臺化研發能力，底層數據庫和工具組件逐漸豐富，以阿里、商湯為主的企業也在加快建設統一技術底座；材料研發涉及理化性質預測、結構篩選、建模仿真等，逆向設計是AI助力材料研發創新的主要方式，而跨材料、跨尺度突破成為未來重點方向，廠商需要打造出高效便捷、開箱即用的計算模擬和設計平臺，沉淀底層數據分析和結構仿真設計能力，并擴展實現在合金、電池、半導體、催化劑等材料的高通量設計；隨著數字孿生、碳達峰碳中和、地球模擬等政策措施落地，AI主要賦能氣象預測、衛星遙感探測分析、水土資源保護、碳排放分析預測、資源勘探等環節，商湯、華為、阿里等企業已開發底層算力支持和軟件平臺，搭建仿真模型輔助完成精細化、網格化、層次化管理。

IDC中國高級分析師李浩然表示， “AI for Science在各行各業加速落地，市場需求和關注度不斷提高，廠商面向藥物合成、材料研發、水利水務等重點場景加快打造平臺化工具組件，集成算力服務、物理仿真、模型算法和典型案例，底層硬件和云服務廠商就緒度高。企業需要選擇合適的市場進入方式，建立全面的戰略體系以應對D·IMPACT挑戰，注重數據資產化，分析處理多維度、多模態、多場景下的模擬和真實數據，加快開發場景套件和項目合作，增強品牌影響力，實現突破性進展。”