“让科学发现像使用搜索引擎一样简单。”深势科技创始人兼首席执行官孙伟杰曾这样描述科学智能的未来。这句话背后，是一场正在发生的科研范式变革：人工智能正在从信息处理工具，走向科学发现的重要力量。
6月30日，《北京市加快推进人工智能赋能科学研究实施方案（2026-2028年）》（以下简称《实施方案》）正式印发，提出“做强科学模型体系”、布局“自主实验室”建设，推动人工智能深度融入科学研究全过程。而深势科技的成长轨迹，正是北京探索科学智能创新路径的一个缩影：通过打造AI for Science基础设施，让人工智能参与科学问题发现、知识获取、模型计算和实验验证，为全球科学研究和科学发现创造一个共性的科学基座。
从“经验驱动”到“智能驱动”：AI颠覆科研范式
科学发现，往往始于一个问题。
一种新材料如何设计？一种药物分子能否精准作用于靶点？一种新能源技术如何进一步提升性能？这些问题背后，是庞大的变量空间。过去，科研人员需要通过理论推演和大量实验不断寻找答案。如今，AI正在改变这一过程。
2018年，深势科技聚焦AI for Science领域，致力于打造面向科学发现的智能系统。2020年，凭借“深度势能”方法，深势科技获得全球高性能计算最高奖“戈登贝尔奖”，实现以第一性原理精度对上亿原子进行了分子动力学模拟。
这一突破背后，是深势科技独特的技术路径：让AI学习并复现量子力学底层物理规律，而非仅做数据拟合。基于此，深势科技打造的“深势·宇知”科学发现智能引擎，在保持第一性原理精度的同时，大幅提升了科学计算效率。
“AI不是替代科学家，而是帮助科学家探索更大的未知空间。”在深势科技看来，未来的科研模式将从“人提出问题、机器辅助计算”，逐渐走向“人机协同发现”。
从分子筛选到创新药研发 AI进入产业一线
在生命科学领域，AI正在加速创新药研发进程。深势科技的Hermite®药物计算设计平台已服务复星医药、国药集团、翰森制药、云南白药等70余家生命科学企业的100条以上研发管线。
2025年，深势科技发布PharmMaster——一款真正理解药化学家工作模式和决策方式的AI研发伙伴。将传统新药靶点调研周期从平均3周缩短至3天，节约约80%的时间成本。
这一能力背后，是深势科技构建的“千靶万药”数据库：覆盖超2000个靶点、600万个化合物和1300万条活性数据。通过AI与计算模拟结合，帮助药企提升研发效率、降低试错成本，让创新药研发从“经验探索”逐渐走向“计算预测”。
从材料设计到新能源研发 AI打开物质科学新空间
如果说药物研发是在海量分子中寻找“有效答案”，那么材料研发，就是在无限组合中寻找“最优方案”。
2025年，深势科技与吉利汽车合作共建“新能源+AI”联合实验室，探索动力电池研发新模式。依托吉利自研大模型矩阵和深势科技“AI for Science”技术矩阵，双方将构建电池数字孪生系统、AI代理模型和新材料智能研发平台，通过计算模拟、高通量筛选等方式，加速电池材料设计和性能优化，开创动力电池“靶向药级”研发新范式。
构建AI科研基础设施 让科学发现更高效
要让AI真正参与科学发现，需要的不只是一个模型，而是一套完整的科研基础设施。
以深势·宇知科学发现智能引擎为基座，深势科技构建了一系列“读文献、做计算、做实验”的智能科学工具，和各领域的科学智能体，构成了Science as a Service智能化科研产品和服务矩阵：玻尔·科学导航，玻尔·勒贝格智算以及Hermite、Piloteye等一系列研发软件，玻尔·跃迁实验室、SciMaster科学智能体及面向科学发现的“大装置”和研发服务，为基础科研、生命科学、物质科学等领域的科学家和研发型组织提供深宽兼顾、灵活组合的解决方案。
目前，深势科技打造的玻尔·科学导航已服务来自全球超过1000所高校和组织的450多万名科研用户。
北京 加速科学智能创新落地
从一项技术突破，到一个产业生态形成，科学智能的发展离不开创新土壤。
作为国际科技创新中心建设的重要承载区，北京持续布局人工智能与科学研究深度融合，加快推进科学模型、科学数据、智能科研基础设施建设，为AI赋能科学发现提供丰富应用场景。
此次《实施方案》的发布，不仅进一步明确了科学智能的发展路径，更为整个科学智能产业生态的壮大提供了系统性的政策支撑。相信在不久的将来，“让科学发现像使用搜索引擎一样简单”这一愿景终将成为现实。