1. AI企业营收速度下降，业务布局转向“老大难”问题，生命科学、自然环境、材料工程等作为重点方向，其数学逻辑推理和数据复杂度更高，但在技术突破后的经济社会效益更强；
2. 人工智能技术已较为成熟，可解决复杂场景下的高精度识别决策问题，药物分子发现、材料合成、流体分析等部分场景下的预测准确率超过90%，将实验室研发时间从数年缩短至几天；
3. 企业和机构技术负责人逐渐重视新型技术引用，解决传统科学研发中周期长、成本高、单线程问题，IDC预测到2025年，超过60%的中国企业将把人类专业知识与人工智能、机器学习、NLP和模式识别相结合，使员工的工作效率和生产力提升25%；
4. 底层算力基础设施满足科学研究中模型训练的需求，将为复杂场景提供强大的算力供给。

AI for Science技术与产业发展处于起步阶段，IDC认为仍面临七大维度下的“D·IMPACT”挑战，分别是数据(Data)、信息(Information)、市场(Market)、平台(Platform)、算法(Algorithm)、计算(Computing)、人才(Talent)。

一是数据特征高维，模态格式较多；二是信息交流受限，合作存在壁垒；三是市场较为离散，商业模式待定；四是平台功能复杂，工具组件专业；五是算法设计困难，缺少数理工程；六是计算要求较高，软硬协同优化；七是人才培养不足，生态循环堵塞。

为解决这些挑战，企业也需要健全战略体系，建立一系列举措以加强企业核心能力和生态合作，百度、华为、商汤、阿里、第四范式、深势科技等企业已初步具备专业化平台组件和创新能力。

我国中央和地方政府相继出台政策举措，要求加快人工智能促进科学研究创新发展，形成具有未来竞争优势的战略性前沿方向，科技部等六部印发的《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》中提出，推动人工智能技术成为解决数学、化学、地学、材料、生物和空间科学等领域的重大科学问题的新范式，重点围绕新药创制、基因研究、生物育种研发、新材料研发、深海深空等领域实现重大科学问题和发现的研究突破。

在AI for Science全景图V1.0中，根据现有产业发展特点、技术内容和数据维度的不同，IDC将AI for Science划分为Micro-Science、Macro-Science、Planet-Science三大维度。其中Micro-Science主要包括生物制药、材料研发和前沿物理方向，Macro-Science主要包括水利水务、空气流动、工业设计方向，Planet-Science主要包括航空航天、地球模拟和天文探索。

值得一提的是，AI赋能科学研究对于底层数据提出了更高的要求，企业在药物研发、前沿物理以及天文探索等领域需要处理巨量数据，这对于平台功能、底层算力提出了更高的要求。另外，科学研究领域多为对现实世界的创新探索，因此需要搭建与AI融合的仿真工具，结合研究目标的物理化学性质，以及已有模型公式，来对问题进行现实条件约束。同时，根据产业发展趋势和调研数据情况，IDC从技术水平、平台化能力、市场前景将AI4S领域成熟度分为L1到L5五个环节，目前大部分环节仍处于起步或部分智能化阶段。

从典型领域场景来看，生物制药成为企业主要布局方向，AI+制药技术可快速缩短管道研发时间、节省支出成本，而图神经网络和分子动力学则成为关键技术，目前百度飞桨、深势科技已初步具备平台化研发能力，底层数据库和工具组件逐渐丰富，以阿里、商汤为主的企业也在加快建设统一技术底座；材料研发涉及理化性质预测、结构筛选、建模仿真等，逆向设计是AI助力材料研发创新的主要方式，而跨材料、跨尺度突破成为未来重点方向，厂商需要打造出高效便捷、开箱即用的计算模拟和设计平台，沉淀底层数据分析和结构仿真设计能力，并扩展实现在合金、电池、半导体、催化剂等材料的高通量设计；随着数字孪生、碳达峰碳中和、地球模拟等政策措施落地，AI主要赋能气象预测、卫星遥感探测分析、水土资源保护、碳排放分析预测、资源勘探等环节，商汤、华为、阿里等企业已开发底层算力支持和软件平台，搭建仿真模型辅助完成精细化、网格化、层次化管理。

IDC中国高级分析师李浩然表示， “AI for Science在各行各业加速落地，市场需求和关注度不断提高，厂商面向药物合成、材料研发、水利水务等重点场景加快打造平台化工具组件，集成算力服务、物理仿真、模型算法和典型案例，底层硬件和云服务厂商就绪度高。企业需要选择合适的市场进入方式，建立全面的战略体系以应对D·IMPACT挑战，注重数据资产化，分析处理多维度、多模态、多场景下的模拟和真实数据，加快开发场景套件和项目合作，增强品牌影响力，实现突破性进展。”

（文章转载自IDC咨询，以上图文版权均归原作者所有。如涉侵权等事宜，请联系我方予以删除。）