十年積累，全球唯一：晶泰XtalPi Science平臺發佈背后的估值邏輯切換

算力是燃料，但燃料不能替代引擎。AI4S的真正引擎，是真實世界的數據閉環。

近日，晶泰科技正式發佈XtalPi Science科學智能平臺，並聯合26家機構發起「科學智能開放生態聯盟」。這是全球首個、也是目前唯一一個深度耦合大語言模型、多智能體矩陣與大規模自動化機器人實驗的AI4S原生操作系統。一系列動作正切中行業從生成答案到驗證事實的轉向。

AI4S前景明確，真實數據閉環卡住規模化落地

大模型領域的算力競賽正逼近物理極限。斯坦福發佈的《AI Index 2026》顯示，大模型競技場LMArena上排名前四的模型，Elo分差不到25分，且在税務、金融、法律等專業測試中，前15名模型的差距最小隻有3個百分點。花旗在7月的報告中判斷，AI行業的投資回報正加速向基礎設施層轉移，下一階段的競爭護城河將從「算力獲取」徹底轉向「高效產出與專有數據、誰能讓AI真正進入物理世界」。

AI for Science恰好站在這一轉換節點上。英偉達將AI for Science列為與大語言模型、具身智能並列的三大AI關鍵方向之一，遠期市場規模預計達千億美元。據QYResearch數據，全球AI for Science市場2025年估值約45億美元，預計2032年達到262億美元，年複合增長率高達28.9%。

但AI for Science距離真正規模化落地，有一個關鍵缺口，那就是真實世界的反饋閉環。

AI可以生成海量數字猜想，但這些猜想如果不經物理實驗驗證，就只是停留在屏幕上的文字推演。更棘手的是，傳統科研體系中極大多數實驗結果屬於「失敗負樣本」，而當前公開的科研數據庫幾乎只收錄「正樣本」，導致AI時常給出看似合理卻無法實現的預測與研發提議，這樣的「AI幻覺」往往帶來高昂的驗證成本。

數據閉環的缺失，使得AI for Science的潛力遠未被真正釋放。

十年積累：用時間換壁壘，用失敗換精度

晶泰發佈的XtalPi Science，本質上是試圖填補這個缺口。

該平臺以Genius Agents多智能體系統為核心，能統一調度跨學科專家智能體、數百項專業工具及大規模自動化機器人實驗集群，將經典的DMTA（設計-製造-測試-分析）循環重構為上百類研發意圖，打通「數字假設、專業預測、物理驗證、數據反饋」完整閉環，把「AI規模化探索+科學家關鍵決策」的協作範式落地。

如果説模型是引擎，那數據就是燃料。晶泰真正值錢的，是它用了十年時間攢下的那套"燃料"。

在藥物研發這一高頻剛需場景中，晶泰的這套體系已跑通從驗證到付費的完整路徑，並在真實的項目中積累了超10年的真實實驗與完整項目數據，其中包括大量珍貴的「失敗樣本」，打磨出了從流程、數據、邏輯、工具上都更懂製藥的AI智能體矩陣與實驗資源。

更深層的價值在於，這批數據本身正在從"研發副產品"升級為"核心資產"。 在數據要素市場化改革的政策框架下，經過真實實驗驗證的研發數據，可以通過平臺計費調用、聯合研發分成、專項數據產品輸出等路徑變現——這是獨立於技術服務、實驗室交付之外的第三條增長曲線。過去不能定價的東西，現在有了價格。

晶泰自研的SureRoute反應條件預測模型，在350個真實工業分子的評測中，化學幻覺率降至4.6%，僅為前沿通用大語言模型的六分之一，首條合成路線準確率達到51.7%。在失敗實驗的預判上，另一套自研算法SureRNX的準確度落在81%至89%之間，顯著高於資深化學家38%至60%的對照水平。在實際對外服務中，它能將傳統合成目標分子所需的5到10次試錯迭代，壓縮到平均僅需1.19次。

這里需要特別點出一個容易被忽視的商業邏輯：客户不是在買軟件，是在買"把失敗次數從5次降到1.19次的確定性"。 傳統研發中，每一次試錯都意味着物料、人力、時間的沉沒成本。晶泰把這個"試錯成本"變成了"預判費用"——省下來的錢，就是晶泰的定價空間。

商業層面，這套模型體系已獲得業內高度認可，跑通了從驗證到付費的路徑。目前晶泰與17家全球排名前20的國際藥企建立了深度合作；2025年與DoveTree簽署59.9億美元的管線合作，創下AI製藥出海訂單規模紀錄；2026年6月又拿下一筆超4億美元的AI藥物發現合作訂單。

平臺跨界遷移，材料科學打開新空間

如果説藥物研發是AI for Science的第一驗證場景，材料科學則是相似邏輯的複製，而不是從零開始。

晶泰與光伏龍頭晶科能源的合作提供了一個可參照的樣本。雙方結合AI平臺與量子物理模型推進高通量研發，推進鈣鈦礦晶硅疊層太陽能電池高通量研發，目標是建成行業首條千平米級AI疊層太陽能示範線。晶泰能夠將材料結構、配方、工藝乃至器件中的鈍化劑、製備、退火和表徵等元素全部語料化，實驗通量預計達到1000片/天，帶來百倍級提升。

具體看到晶泰的孵化生態中，泰衍科技以Physical AI驅動太陽能電池材料研發，已協同完成50764組樣品實驗，累計沉澱5.78億Token的研發數據，初步驗證AI在真實實驗中邊做邊學、持續優化材料的可行性。

種種材料領域的探索之所以值得關注，核心在於其展示出XtalPi Science平臺跨領域遷移的能力，從原本服務於製藥行業的技術平臺，正在向新材料、化工、能源等方向延伸。

目前，公司物理智能體系已覆蓋超過20類工業場景，服務逾100個真實的新葯與新材料發現項目。實驗室每月穩定產出5萬余條反應產率數據和30萬條過程數據，累計沉澱超過50萬條真實實驗記錄，其中就包含約80%公開文獻幾近缺失的「失敗負樣本」數據，構成了晶泰模型在複雜未知空間中超越人類專家經驗底座的底層支撐。DMTA閉環在製藥賽道跑通后，遷移到材料、化工、能源是同一套底層能力的橫向複製——這不是轉行，是擴產。

尤其值得留意的是，材料科學直接對應新能源這一二級市場長期熱門板塊，光伏、儲能、電池材料等技術路線的迭代效率，很大程度上取決於底層材料研發的速度。這意味着，AI for Science在新材料方向上的進展，除了本身的產業價值外，還天然具備跨板塊聯動的題材吸引力。

結語

XtalPi Science科學智能平臺的商業邏輯已然清晰。

晶泰將過去十余年積累的模型、工具、智能體及實驗資源封裝為可按需調用的Science Token，企業既可調用AI應用開展研發，也可接入自動化實驗資源形成數據閉環。平臺的使用者越多，產生的實驗數據越多，模型就越精準，對后續使用者的吸引力也就越強。這是一個越跑越難被追上的飛輪。

可以説這是一條典型的雙邊網絡效應路徑，發佈日當天中午，已有近200家企業、高校、科研及投資機構提交平臺試用申請，聯盟成員覆蓋生物醫藥、先進製造、新材料、AI基礎設施與具身智能等全鏈條。

AI行業的下半場，競爭焦點正從生成答案轉向驗證事實。

XtalPi Science的發佈就是一個明確信號，晶泰正在將驗證能力做成可規模化輸出的基礎設施。這個定位所對應的市場空間，顯然超出了AI製藥這一單一賽道的範疇，而這也正是其價值重估的核心錨點。這意味着其估值錨點正從AI Biotech跨越至享有更高估值溢價的AI4S綜合平臺。

對此，機構已有初步反應，如長江證券在發佈會當日發佈研報，維持公司「買入」評級；摩根大通首次覆蓋即給予「增持」評級。

AI行業的下半場，競爭焦點正從生成答案轉向驗證事實。當算力不再是護城河，誰能用真實數據定義Science Token的Scaling Law，誰就是下一個時代的基建。當其他企業剛剛占上起跑線，晶泰已經早早出發了。