当前，全球人工智能（885728）（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（GOOG）首席科学家Jeff Dean 在结束其 27 年的谷歌（GOOG）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（GOOG）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（603138），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（885728）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（883436）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（850102）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（883436）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（883436）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（883436）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（QCOM）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（002173）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（LLY）、辉瑞（PFE）等行业巨头和DoveTree等前沿创新药（002173）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（002173）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（JKS）（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（883434）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（850102）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（885728）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（600528）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（600528）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（HK1530）、君实生物（HK1877）、加科思（HK1167）、百诚医药（301096）等生物医药企业，也有佰维存储（688525）、翰博高新（301321）材料等先进制造（883433）与新材料企业，以及丹纳赫（DHR）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（600528）生态。
