AI for Science 季度观察（2026 Q3）：从预测到发现
本文是 AI-HPC 专家团队的季度跟踪报告，基于 2026 年 4–9 月的公开报道与论文。核心判断：AI4S 正在从"预测器"进化到"发现者"，超智融合（超算+智算）成为工程主赛道，验证瓶颈成为最大风险。
一、产业进展：算力范式转向"超智融合"
1.1 十万卡级"超智融合"架构落地
2026 年 9 月，中科曙光与中国气象局地球系统数值预报中心联合发布成果：自主研发的 MCV 数值模式依托全国产十万卡 AI 超集群"曙光 8000"，在 1 小时内完成全球 5 公里分辨率、未来 10 天的预报计算。其关键不在单卡性能，而在"超智融合"异构架构——同一套系统既支持高精度数值模拟（超算），又支持 AI 模型训练与推理（智算），形成"模拟 + 智能"的完整闭环 ["http://tech.gmw.cn/2026-09/15/content_39002270.htm"]。
工程含义：AI4S 科研团队需要的不是"要么超算、要么 AI"，而是两种能力在同一集群内无缝切换。这对集群交付意味着——异构调度（CPU/GPU 分区、作业类型感知）、统一存储、以及 验收清单 中"混合负载烤机"成为标配要求。
1.2 科学智能"全国中枢"与模型体系
- 2026 年 4 月，上海人工智能实验室发布 "AGI4S 珠穆朗玛计划"，开放算力/数据/模型/平台/场景全维度合作通道，志在打造科学智能"全国中枢"，并联合多家机构启动科学应用场景共建计划（高能物理、新药创制、生物结构、新材料）["https://www.news.cn/politics/20260407/43aa6dba61234080b5d0cc1163e231cc/c.html"]。
- 同月，中科院发布 "磐石 100"模型体系；2026 年 7 月"磐石·科学基础大模型 2.0"驱动中国科大机器科学家系统，实现"输入创制需求 → 智能体调度文献挖掘/实验设计/机器操作/计算模拟/智算优化五个智能体协同"，已稳定运行超 1500 小时、完成 462 组样品合成表征与千万级虚拟筛选 ["https://news.sohu.com/a/1080850607_122431487"]。
- 政策面：2025 年 8 月国务院《关于深入实施"人工智能+"行动的意见》将"人工智能+科学技术"列为六大重点行动之首；2026 年 3 月国家数据局确定 token 中文译名"词元"，截至 2026 年 6 月全国高质量数据集超 12 万个、总量超 1565 PB ["http://m.toutiao.com/group/7696501184093291008/"]。
1.3 国际平台：从大厂到量子
- Google DeepMind 于 9 月发布 WeatherNext 3：直接学习实时卫星观测数据，5 km 分辨率、每小时刷新，降水预报 CRPS 相比基线提升最高 60% ["https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-weathernext-3/"]。
- 微软 6 月发布 Majorana 2 拓扑量子芯片（用 agentic AI 辅助研发，量子比特可靠性提升 1000 倍，预期 2029 实现可扩展量子计算），并 GA 了面向前沿研发的 Microsoft Discovery 平台（可部署受人类专家引导的 AI agent 团队）["https://news.microsoft.com/source/features/innovation/majorana-2-microsoft-discovery-agentic-ai/"]。
二、学术进展：AI 从"算得快"到"提问题"
2.1 智能体科研系统：Nature 同期两篇标志性工作
2026 年 5 月，《自然》同期发表两项研究，标志着 AI 从"预测器"进化为"发现者"：
- Google Co-Scientist：多智能体假设生成系统，已在白血病药物重定位、肝纤维化等课题上给出实验可验证的候选（肝纤维化候选阻断 91% 相关疤痕反应）["https://deepmind.google/science/"]。
- FutureHouse Robin：完整实现"假设生成 → 实验设计 → 数据分析"全流程自动化，自主提出将增强视网膜色素上皮细胞吞噬功能作为干性年龄相关性黄斑变性治疗策略，并识别出候选药物 ripasudil——该研究的所有假设、实验方向、数据分析均由系统自主完成 ["https://news.sohu.com/a/1085063946_115377"]。
2.2 材料科学：低算力消耗的"智能体筛选"
2026 年 8 月，中国人民大学高瓴 AI 学院联合达摩院、中科院物理所提出材料智能体 ElementsClaw（大原子模型 Elements + 大语言模型协同）：仅用 28 个 GPU 小时筛选约 240 万种稳定晶体结构，识别约 6.8 万个高置信度超导候选，实验验证 4 种均为新超导材料（最高临界温度 6.5K）["http://ai.ruc.edu.cn/science/2026082100.html"]。
为什么值得注意：28 个 GPU 小时的成本量级，意味着"智能体筛选 + 定向实验验证"已经进入普通课题组可负担的区间——这大幅降低了 AI4S 的算力门槛。
2.3 生命科学：数据库进化与新药获批
- AlphaFold 数据库 4 月升级：新增 170 万个同源二聚体结构（DeepMind + NVIDIA + EMBL-EBI 联合），从"单体照片"走向"组装合照"；10 月进一步集成 AI 衍生残基级注释 ["https://m.thepaper.cn/newsDetail_forward_33076400"]["https://alphafold.ebi.ac.uk/"]。
- 2026 年 7 月，西湖大学联合西湖制药的 盐酸伊司特韦片获批上市——国内首款 AI 辅助研发的原创药，从靶点探索到获批仅 3 年半（传统路径通常 8–12 年）["https://news.sohu.com/a/1080850607_122431487"]。
- 9 月，Anthropic 基因组挖掘系统用 949 个 agent 会话、215.6M tokens、21.5 小时搜索约 19 亿蛋白簇，发现全新的 ART 逆转录酶家族——被媒体视为"自主科研计算"的架构样板：CPU 搜索 → agent 推理 → GPU 结构预测 → 共享知识库回写 ["https://www.supercomputingonline.com/latest/63207-ai-agents-search-1-9-billion-protein-clusters-discover-a-new-biological-system"]。
2.4 数学与基础科学
- DeepMind AlphaProof Nexus 在研究级数学上解决 9 个长期未解 Erdős 开放问题、证明 44 个 OEIS 猜想 ["https://news.sohu.com/a/1085063946_115377"]。
- 北大 AI4Math 团队用自动化 AI 框架解决交换代数开放问题 Anderson 猜想，并在 Lean 4 完成约 19000 行形式化验证。
三、风险议题：验证瓶颈是最大制约
3.1 "假说爆炸危机"
中国工程院院士李国杰在 2026 年 8 月《科技导报》发文指出：AI4S 最大的制约不是算法或算力，而是"人类验证能力的线性增长与 AI 生成能力的指数增长之间的剪刀差"。典型案例：经第一性原理计算筛选出 38.1 万种热力学稳定的候选材料，目前仅 736 种与独立实验结构匹配，匹配率 0.19% ["https://www.ncsti.gov.cn/kjdt/ztbd/2026kxzndh/202608/t20260821_254175.html"]。
3.2 数据瓶颈与幻觉风险
- 多数科学领域缺乏 AlphaFold 依赖的那种"几十年积累的高质量数据集"——高质量训练数据仍是科学 AI 的最大瓶颈 ["https://aiwiki.ai/wiki/ai_for_science"]。
- "AI 幻觉"常被误认为"发现"；智能体科研系统（如 Sakana AI Scientist）已知会产生幻觉数值与不准确引用，独立评估发现 42% 实验因编码错误失败 ["https://aiwiki.ai/wiki/ai_for_science"]。
3.3 冷静预期
- 李国杰预判：2030 年前后可能出现首批以 AI 为核心参与发现和设计的小分子药物获批，但完整药物研发仍受临床试验与监管刚性约束（通常 8–12 年）；AI 预测材料真正进入中试/产业化预计集中在电池电解质、催化剂等高价值领域 ["https://www.ncsti.gov.cn/kjdt/ztbd/2026kxzndh/202608/t20260821_254175.html"]。
四、行动建议：工程团队怎么切入
结合 AI-HPC 专家站定位与工程实践，给出四条可执行建议：
| 方向 | 建议 | 关联站内资源 |
|---|---|---|
| 1. 超智融合架构 | 集群交付按"训练 + 模拟 + 推理"混合负载设计，验收必须含混合烤机 | 选型验收清单、异构调度 |
| 2. 智能体工作负载 | 科研智能体（如 ART 式）是"动态探索型"HPC 负载，调度器要支持自适应的 CPU/GPU 混合作业 | NCCL 调优 |
| 3. 验证闭环工具 | "AI 生成假说"必须配套"实验验证管理"，科学软件工厂方向：把验证步骤工具化、可追溯 | 科学案例库、软件工厂 |
| 4. 数据治理 | 高质量数据集是燃料：建设可复现的数据管线（清洗/标注/版本化）比堆算力更紧迫 | RAGFlow 知识库部署（数据管线基建参考） |
五、下季度关注点
- AlphaFold 数据库"异源二聚体"升级（更大规模"生命社交网络图谱"）。
- 微观世界模型（AI 制药从"智能体阶段"走向"物理 AI 阶段"）的进展 ["https://ad.36kr.com/p/3996809190117505"]。
- 2027 年 AI4S 算力基建投入与超智融合集群的规模化交付。
编辑说明：本报告基于公开报道与论文，均已标注来源；"已核验"指多方公开来源交叉确认，"一方称"指单一来源表述。下期更新以季度节奏发布。