当前，全球人工智能（AI）产业正在经历一场底层研究范式的跃迁：AI 正在加速从“静态工具”向“持续成长的智能系统”演化。
AI专家李飞飞最近多次公开强调，AI 的下一个重大突破必然属于 AI for Science（AI4S，科学智能）。AI 必须走出纯数字与文本空间，深刻理解物理世界规则，才能驱动真正的科学发现。
近期，前谷歌首席科学家Jeff Dean 在结束其 27 年的谷歌职业生涯后，宣布创办 AI 初创公司 Discovery Loop，其核心目标正是用 AI 自动化整个科学研究与工程实验的发现流程，让机器像真正的科学家一样，自动提出假设、设计实验并进行迭代验证。
科技巨头亦纷纷押注 AI4S 和递归式自我改进（RSI，Recursive Self-Improvement），以此突破传统人工研发瓶颈。去年5月，谷歌DeepMind宣布，其开发的 AlphaEvolve已开始利用Gemini生成候选算法，通过自动评估和演化搜索保留更好的方案，并将这一方法用于优化数据中心调度、芯片设计和AI训练流程。
Anthropic于今年6月发布报告《当AI开始建造自身》披露：截至2026年5月，Anthropic代码库中超过80%的合入代码由Claude编写。更令人瞩目的是，Claude智能体已经可以自主提出和检验假设，并累计执行约800小时的开放式AI安全研究实验。
一个越来越明显的行业共识是：AI 的下一个十年，属于能够在任务中持续验证对错、自我纠偏并实现能力螺旋上升的自进化系统（Self-improving AI）。
未来的 AI 核心竞争力，不再取决于训练时“喂”了多少海量数据，而取决于运行时能在物理世界低成本纠错多少次。
然而当科技巨头们开始布局、探索自进化 AI时，作为港股“AI+机器人第一股”的晶泰科技（2228.HK）已于近期发布了全球首个科学智能+物理智能闭环的科研操作系统 XtalPi Science （晶泰科学智能平台），率先跑通了跨越 “生成与验证” 鸿沟的自进化闭环。
此次发布不仅是业务形态的更新，更是其底层技术底座的全面升级。晶泰将过去十年积累的垂直领域专有科学模型、稀缺真实项目数据、大规模机器人实验室和科研智能体进行系统性整合，让硬核的科研能力转化为可以持续学习、自我进化、完整可信的全球科学基础设施。晶泰科技此举不仅让自进化 AI 在中国率先落地跑通，更快速筑起了难以复制的真实数据、物理智能（Physical AI）硬件与专业诀窍（Know-how）壁垒，推动科研范式由经验驱动向智能驱动实现根本性跃迁。
从“数字猜想”到“物理真相”的三道鸿沟
“在数字世界中，人工智能通行无阻。可一旦踏入真实物理世界，就像一路遭遇连续‘减速带’。”晶泰科技联合创始人、CEO马健表示。
他将AI进入真实科研流程所面临的问题概括为验证、组织和基建三道鸿沟。
其一是验证鸿沟。在大模型引发的浪潮中，AI生成科学猜想的边际成本正趋近于零。然而，当海量的“数字猜想”批量涌现时，物理世界的真实验证环节已经严重滞后。
“AI模型可以批量生成猜想，但未经验证的假设无法转化为知识。”
其二是组织鸿沟，复杂研发无法由单一智能体或单一开发者完成，需要AI嵌入跨学科、长周期的组织流程。
其三是基建鸿沟，公开科研资料偏重成功结果，缺乏实验操作中的隐性知识和失败负样本，难以支撑科学智能持续迭代。
面对这一产业级痛点，仅仅依靠单点工具赋能研发个体已杯水车薪，行业迫切需要解决AI与复杂研发组织的协作适配问题。
要让智能体真正走进千万间科学实验室，赋能全球广大研发从业者，就必须突破传统自动化的桎梏，让AI理解现实世界的物理规则，并自主完成从假设到物理验证的科研长流程，实现底层技术的范式跃迁：在基建上，全面转向高精度、可泛化的通用物理智能硬件；在内核上，摒弃依赖人工编写海量规则的“死板执行”，建立基于真实数据示范学习的“感知－决策－执行－分析”自主闭环。
XtalPi Science和Genius Agent，是晶泰科技给出的最新答卷。
前者是全球首个整合大语言模型（LLM）、科学智能体与大规模自动化机器人实验的AI for Science（AI4S，科学智能）综合平台。后者作为整套系统的核心调度中枢与研发矩阵，可在数字世界调用专业模型完成预测，并通过物理智能在真实物理世界开展高精度实验验证。
在实际运转中，平台将新药与新材料研发中经典的DMTA（设计－制造－测试－分析）循环重构为上百类研发意图，Genius Agent则统一调度跨学科专家智能体、数百项专业工具及全球领先规模商业部署的自动化机器人实验集群，推动跨学科长程任务的高效协同，成为全球稀缺的真正将 DMTA 循环纳入 AI 体系的智能科学系统。
科研人员提出研发目标后，系统先调用专业模型完成预测，再将实验方案交由机器人执行；实验结果随后回流模型，成为下一轮设计和判断的依据。由此，AI不再停留在屏幕前输出答案，而是形成“数字假设—专业预测—物理验证—数据反馈”的闭环。
此外，Genius Agent会将科研人员的研究方法和实操经验沉淀为可复用的标准化工作流，即Skills，使一部分依赖个人经验的研发流程能够被记录、调用和复用。
由此，XtalPi Science 贯通了闭环飞轮，将科学研究的偶然性，转变为一套可编排、可验证、可追溯、可持续进化的系统工程，有效抑制了大模型在科研场景中艰巨的“幻觉”挑战，让 AI 真正以规模化的“经验沉淀”显著提高人类探索未知、搜索高价值分子的效率和成功率。
以公司的自进化 AI 逆合成系统SureRoute为例，其化学领域幻觉率仅为4.6%，约为前沿大模型的六分之一；首条推荐路线准确率达到 74.3%，即每 10 个目标分子中约有 7 个可以直接获得高可信度的第一推荐路线，是现有专业模型和通用模型的 2.2 到 3.5 倍，将原本需要数周乃至数月完成的研发验证周期大幅缩减至以天为单位。在失败实验的预测上，SureRXN反应预测模型的准确度更是达到了 81% 至 89%，远超资深化学家 38% 至 60% 的对照表现。SureRXN 将传统合成目标分子所需的 5-10 次试错迭代，大幅压缩至平均仅需 1.19 次，实现了研发效率的数量级跃升。
值得注意的是，晶泰科技的目的是将科学家从繁琐事务中解放出来，将精力投向科学洞察，让好想法在XtalPi Science 平台上轻量化地跑起来，而不是将科学家完全排除在研发流程之外。
整套流程严格遵循“人在闭环（Human in the loop）”的核心逻辑，在目标设定、路线选择和结果判断等关键环节，科学家仍保留最终决定权；通过Genius Agent接入企业内部流程系统，协调对应的科研人员、专业工具与实验设备。
这种“AI规模化探索+科学家关键决策”的协作范式，显著降低了传统科研中因步骤衔接停滞、等待决策所产生的结构性时间损耗，将动辄数周甚至数月的研发验证周期极致压缩至“以天为单位”，自主跑通从文献研读、构效分析、分子设计、ADMET预测、合成路线规划乃至自动化实验测试的超长周期科研流程。
据了解，目前这套体系已在晶泰内部持续高强度运行，并历经数百家客户的真实研发案例验证。
AI for Science通用科学基础设施
从AI制药到AI for Science，晶泰科技为何能率先搭建平台？
市场认识晶泰科技，大多是因为“AI制药第一股”的头衔。但实际上，晶泰科技做的事情已经超出一家AI制药公司的范畴。
过去十余年，晶泰科技一直是国内AI for Science早期实践者之一。
最初，公司基于量子物理的AI计算，用于靶点验证、药物从头设计。2024年6月，晶泰科技作为首家以港交所18C规则上市的科技公司登陆资本市场，同时也成为中国“AI制药第一股”“AI+机器人第一股”。
上市后，这家由三位麻省理工博士创立的公司并未停下探索脚步。如今回顾，从构建AI+机器人的数据飞轮，到训练递归自进化AI的科学智能体，再到横跨新药与新材料数字推理与物理验证的平台型科学基础设施，晶泰科技总能在关键节点预判阶段发展的大势所趋，并提前进行技术布局。
超200个行业AI模型作为“专家大脑”负责靶点解析、分子生成、虚拟筛选等关键环节；机器人实验室7×24小时高通量执行实验，覆盖80%以上的常见药化反应类型；Multi-Agent自主拆解研发目标、调度全流程资源，形成可自主进化的研发飞轮。目前，晶泰科技的这套系统正以50倍于传统实验的效率收集高质量稀缺数据。
（晶泰多智能体示意图）
晶泰科技长期服务全球创新药企，公司已与全球排名前20的大药企中的17家达成合作，并与礼来、辉瑞等行业巨头和DoveTree等前沿创新药企达成高额订单与持续复购，推动多款癌症、罕见病、自免疾病等领域的创新药管线进入临床验证。
在AI从“能力验证”走向“结果交付”的拐点上，晶泰科技成为第一个交出答卷的公司。
值得注意的是，在晶泰科技的版图里，制药只是AI for Science最先商业化的行业，而非其能力的边界。
在打通AI药物研发“预测、验证、发现”纵向流程的同时，源源不断积累的AI底层能力支撑着晶泰科技业务领域的横向迁移。
2026年1月，晶泰科技与一体化光伏龙头晶科能源（688223.SH）子公司签署战略合作协议，共建全球首个“AI决策－机器人执行－数据反馈”全闭环叠层电池智造线。在消费健康领域，晶泰科技自主研发的食品级口服功能肽Tensotide™获美国GRAS认证，可用于美食品及膳食补充剂市场；开发两款针对生发固发需求的创新外用功效成分Remeanagen™与多肽AquaKine™，其联用配方产品Groland位列天猫国际同类产品新品榜首位。在化工领域，巴斯夫已采用晶泰科技的配方稳定性测试智能工作。
从早期的AI辅助药物设计，到AI Agent自主决策、机器人执行，再到Physical AI对物质世界的深度理解，晶泰科技不断尝试将人工智能从“计算工具”延伸至真实科研流程。
据介绍，其自动化实验体系目前覆盖20余类工业和科研场景，服务超过100个新药和新材料项目；实验室每月可产出5万余条反应产率数据和30万条过程数据，累计沉淀超过50万条真实实验记录。其中，约80%为公开文献中较少保留的失败负样本，对于模型纠错和迭代意义重大。
在 AI4S（科学智能）的下半场，制药只是最先被验证的商业化场景，远非能力与场景的边界。当 AI 从“计算工具”演化为具备物理交互能力的“科研实体”，它将具备跨越学科的通用穿透力。
如今，随着大模型推理、规划和工具调用能力成熟，以及推理成本持续下降，这些原本分散的能力得以在Genius Agents的统筹下形成统一入口，推动“使用—验证—反馈—优化”的数据飞轮加速运转，形成通用大模型企业和缺少Physical AI实体实验能力的竞争者难以复制的技术壁垒。
打破研发孤岛：AI for Science 的平台化的未来
打通虚拟与现实边界的Physical AI，正成为前沿科技跨越瓶颈的必经之路。
纵观具身智能的落地场景，传统工业流水线过于固化且极致追求降本，而家庭服务环境则充斥着不可控的长尾随机干扰。相比之下，高价值的科学实验室不仅环境相对结构化、耗材品类边界清晰，且每一次实验验证都蕴含着极高的商业价值。
这使得实验室成为物理智能率先跨越技术鸿沟、实现规模化商业落地的“黄金训练场”。
“独行快，众行远。”马健坦言，想要真正实现科学智能大规模涌现，仅仅依靠晶泰科技单一企业远远不够。
因此，晶泰科技正式开始将其沉淀多年的内部研发能力与项目数据，转化为像云算力一样可由外部科研组织调用、高度可复用的全球科学基础设施（Global Scientific Utility）。其科学智能平台的终局不是造出一套封闭的“天才系统”，而是数据飞轮驱动下的自进化 AI 体系。其目的是降低高阶科研能力的使用门槛，为跨机构研发协作和科学智能的规模化应用提供统一入口，并持续获得真实项目的高质量数据反馈。
晶泰科技牵头提供技术底座，越来越多伙伴开始加入。
发布会现场，首批27家领先企业联合发起的“科学智能开放生态联盟”正式签约落地。
联盟成员覆盖科学创新全链条，既包括三生制药、君实生物、加科思、百诚医药等生物医药企业，也有佰维存储、翰博高新材料等先进制造与新材料企业，以及丹纳赫集团、无问芯穹、逐际动力等科学仪器、AI基础设施与具身智能伙伴；香港中文大学（深圳）与五源资本、康曼德资本等高校及投资机构亦参与其中。
联盟的成立，标志着科学智能基础设施建设正从企业单点探索，迈向跨产业、跨学科、多主体协同共建的新阶段。
为支撑庞大生态的流转，晶泰科技同步推出了Science Token机制，为平台提供了统一的资源调用、过程记录与贡献计量标准。企业既可调用AI应用开展研发，也可接入晶泰的自动化实验资源形成数据闭环；对于核心保密诉求高的龙头企业，系统支持私有化部署，打造安全可控的“数字化研发分身”。
据了解，发布会当日中午，已有近200家企业、高校、科研及投资机构提交XtalPi Science平台试用申请。晶泰科技还计划向联盟成员及一批深度合作的高校、机构提供Science Token平台的免费试用额度。
科学智能并非某一家企业能够独立完成的命题，而是一项需要产业、高校、科研机构及技术伙伴共同参与的系统工程。
对于晶泰科技而言，平台化最重要的意义并非新增一款产品，而是公司开始尝试构建可持续的生态能力。相比项目制业务，平台一旦形成开发者和产业伙伴网络，其商业价值和成长空间也将拥有更多可能性，同时又能为项目制合作引流。
对于产业而言，随着Scientific AI、Scientific Agents与Physical AI加速融合，一个由社群共同建设、由真实证据持续校准，并最终服务于科学发现和产业创新的新生态正加速酝酿。
当资本市场还在为 Physical AI（物理智能）、具身智能 与 AI Agent 的商业化路径展开争论时，晶泰科技（2228.HK）已着力将其商业模式向高毛利的“全球科学基础设施”跃迁。未来，决定其未来估值天花板的，可能不再仅限于接了多少单点研发项目，而是这套自进化系统能够撬动多大规模的全球科研与工业生态。
本文内容仅供参考，不作为任何投资建议
更多内容请下载21财经APP
小麦策略提示：文章来自网络，不代表本站观点。
