野兽之道

从“工具”到“搭档” AI应怎样助力科研,从“工具”到“搭档” AI应怎样助力科研_我的网站

海边的曼彻斯特

A | 　　液冷板块今早开盘即迎来资金追捧。截至午间收盘，板块整体涨幅达0.79%，康盛股份、英维克双双涨停，申菱环境、同飞股份、朗特智能、豪尔赛全线跟涨。　　近日，2026科学智能大会在北京举办。

B | 　　催化来自昨晚的一份半年报——8月24日晚间，液冷龙头英维克披露了2026年半年报，上半年营收30.17亿元，同比增长17.24%；二季度归母净利润环比暴增1934%。　　AI太热了，不是比喻，是字面意思。作为驱动原始创新、重塑科研范式的核心引擎，人工智能驱动的科学研究(AI for Science，AI4S)成为热议话题。　　当英伟达最新AI服务器的冷却液温度可以飙到45摄氏度，比你家热水器的水温还高时，你就知道，散热这件事已经成了算力竞赛的“第二战场”。　　当前，AI4S底层基础设施逐步完善，科研智能体与自主科研系统实现跨越式进展。从答题工具转向自主推进科研任务，AI会为科研带来什么变化？　　拓展边界：为人类科学家提供更多探索灵感　　今年3月发布的《AI for Science创新图谱2026》显示，近五年全球相关论文发表量增长了一倍多，航空航天、量子科技、材料科学等领域年均增速超过30%。而A股的上市公司们，正闻风而动，掀起一场围绕液冷赛道的并购卡位战。　　一根管道里的万亿生意　　液冷是啥？　　简单说，就是用水或特殊冷却液代替空气，把芯片的热量“搬”出去。　　以往，研究人员可能需要花费半年时间阅读数百篇论文才能完成一篇文献综述，如今借助AI只需要几小时；面对海量数据，传统方法耗时数天甚至数周的计算任务，现在几秒钟便能得出结果。

C | 传统数据中心靠风扇吹，跟夏天用电风扇一个道理——凉快是凉快，但芯片功率一上去就吹不动了。液体带走热量的能力是同体积空气的25倍，噪音还低25到30分贝。人工智能在可形式化、可验证的科学任务上，效率远超人类。　　“与人类科学家相比，AI可以掌握更多知识，不仅能把科研人员从重复、耗时的工作里解放出来，还能拓展视野边界，发现更多新奇现象，提供更多探索灵感。”中国科学院自动化研究所研究员李林静说，目前，科研智能体已经能够完成文献研读、实验规划、参数迭代、结果分析的闭环自主科研流程。　　在战略布局上，各国纷纷加速：中国发布《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6大重点行动之一；美国推出“创世纪计划”，统筹整合全国科研基础设施，依托人工智能全面提速前沿科学突破；欧盟发布专项战略汇集资源以研发AI并将其应用于科学。

D | 　　目前最主流的方案叫“冷板式液冷”——把一块带微小通道的金属板贴在CPU/GPU上，冷却液流过板子，把热量带走。　　中国科学院软件研究所研究员黄进说，在以AI驱动的科研范式下，学科融合成为趋势，AI4S已经深入到许多重大科研计划和基础科研项目的核心环节。听着简单，但里面涉及微通道精密加工、密封防漏、材料兼容性等一系列高壁垒技术。　　这生意有多大？中金公司研报测算，全球散热器件市场2025至2027年的复合年增长率达59.8%。　　“看似合理”：验证瓶颈让科研成果难以落地　　AI4S为许多领域的研究打开了新空间。　　在生命科学领域，AI可设计靶点分子、筛选化合物，将候选药物发现从数年缩短至数月；在材料领域，AI能辅助设计催化剂、筛选验证配方组合，加快材料研发从经验试错走向数据与机理协同驱动。　　谷歌公司旗下DeepMind使用AI工具预测出了220万种新的晶体，其中38万种具有稳定结构。然而，这些预测结果得到实验验证的不到0.2%。这一现象凸显出AI4S领域面临验证瓶颈，大量AI预测结果难以完成实验验证，阻碍了计算发现走向实际工程应用。　　中国工程院院士、计算机专家李国杰指出，AI产生海量“看似合理”的假说，绝大多数无法被验证，导致科研资源浪费在低优先级选项上。申万宏源更激进，预计2026年液冷市场空间超千亿，2028年突破3000亿元。而TrendForce的数据显示，液冷在AI芯片中的渗透率将从2025年的33%跃升至2026年的53%，明年逼近60%。　　一句话：风口来了。　　上市公司液冷卡位战　　最新的案例是远东股份。8月24日晚间，这家老牌线缆企业公告，子公司拟以2.16亿元收购富的旺旺80%股权，切入液冷散热核心部件领域。波士顿咨询公司的报告也显示，全球AI制药投入数百亿美元，至今尚未有一款获批上市。　　远东股份的逻辑很清晰：公司已有算力芯片检测设备和全光互联业务，收购液冷资产，正好凑齐“供电—互联—散热”的AI基础设施闭环。　　打破科研与产业之间的界限，已经成为AI4S下一步迫切需要解决的问题。中国科学院院士、北京大学数学科学学院讲席教授鄂维南认为，这仅靠科研能力的提升是不够的，还必须在评价机制、组织形式上下功夫。　　人机协同：更需人类科学家守持科学品位　　推动自主实验室智能化改造，实现AI对科研全流程各个环节的深度赋能，已经形成全球共识。

E | 这也是这一轮液冷并购潮的典型特征——产业补链型，在AI硬件产业链上找缺口，强化自身闭环能力。　　这不是孤例。

F | 今年以来，20多家上市公司公告涉足液冷领域，从做瓶盖的金富科技到做模具的祥鑫科技，跨度之大，堪称“跨界奇观”。但是，随着前沿模型自主能力的持续提升，AI技术的“双刃剑”效应也随之放大。

G | 东吴证券研报指出，液冷正从“可选”走向“必选”，英伟达Rubin平台已全面导入无风扇全液冷架构，这一趋势不可逆。　　李国杰指出，现有主流AI系统本质上仍是外源目标驱动的优化体系，即使未来AI具备更强的目标更新和自我改进能力，其评价准则的正当性、科学意义的判定以及风险责任的承担，仍不能由系统内部完全闭合地解决。　　警惕并购“双刃剑”　　当然，跨界并购历来是双刃剑。远东股份这次收购的静态市盈率约19倍，增值率达303%，并将产生新的商誉。若标的公司未来业绩不达预期，商誉减值就是埋下的雷。

H | 　　北京大学科学智能学院副院长莫凡洋认为，从长远看，AI或将具备自主设计科学实验的能力，但现阶段仍需由科学家提出核心科学问题、划定探索方向，同步配套完善安全约束规则、人工复核验证流程与风险处置机制。　　不少与会专家表示，未来更可能出现的是“AI主导执行过程、人类科学共同体保留最终判断权”的混合科研范式，而不是取消人类评价权的全自动科研体系。