如果要评选2026年最“矛盾”的赛道，AI for Science(AI4S)大概率会高票当选。
一边是万亿级产业蓝海在招手：据QYResearch数据，全球AI4S市场规模预计到2032年将达到262.3亿美元，年复合增长率高达28.9%。六大行业合计可覆盖的市场规模接近11万亿美元，当前渗透率还只是个位数，增量空间大到让人心跳加速。各地政策更是密集加码，从“十五五”规划明确提出“以人工智能引领科研范式变革”，到北京、上海、深圳相继出台AI4S专项政策。
另一边，科研机构的真实体感却是三个字——缺算力。需求端渴求指数级增长，供给端真正能满足AI4S场景的大规模集群仍是稀缺资源。更微妙的是，算力“饱和”与“短缺”并存：全国已上线的智算中心算力整体利用率仅32%左右，大量算力资源处于“沉睡浪费”状态。一边是建好的算力用不起来，一边是真正需要高质量算力的科研场景用不上——这种结构性错配，是当下AI4S赛道最尴尬的现实。
AI4S对算力的要求，跟通用大模型训练还不一样。后者核心任务是内容生成，而AI4S要破解的是原子、分子层面的复杂科学问题——高精度浮点运算、超低延迟高速互联、长周期任务的极端稳定性。AI4S需要的不是通用算力，是深度优化的专用计算基础设施。
这也解释了为什么6万卡AI4S计算集群一经问世，就被业内视为“算力重器”。从近几个月的节奏来看，这家公司似乎正在用速度给出答案。2025年12月发布scaleX万卡超集群，2026年2月3万卡上线国家超算互联网核心节点，再到4月的6万卡扩容，每一步间隔不过两三个月。
财报也在支撑这个节奏：2025年全年营收149.64亿元，同比增长13.81%，扣非净利润同比大增33.97%;2026年Q1营收30.72亿元，同比增长18.80%，扣非净利同比大增57.77%。毛利率有望从24%左右提升至40%以上。
不过，光环之外，它对整个算力产业链的深层带动作用更值得关注。
第一，AI4S正在打通一条从算力投入到产业产出的价值链条。此前，六大行业研发周期长、验证门槛高，过去是“不敢用算力”，现在则是“用算力缩短周期”。6万卡集群其搭载的OneScience平台已实现“数算模用”一体化，科研人员可在数小时内完成科学大模型开发，任务周期从天级压缩至小时级。
第二，国产算力生态正在从“可用”迈向“好用”，并带动全栈产业链的成熟。6万卡集群采用了国产芯片和自研400G无损高速网络，集群的高效耦合部署、存算传三级协同等特性，为国产AI芯片、高速交换机组网、分布式存储、液冷方案等细分领域提供了大规模实战验证的舞台。开发者工具的完善、模型兼容性的提升，也正在吸引越来越多的科研机构和商业公司迁移到国产算力平台上。
第三，算力“过剩”的结构性矛盾正在被高质量供给化解。相关资料显示，全国已建成42个万卡级智算集群，但整体利用率仅30%左右，症结在于通用算力与专用场景不匹配。6万卡集群专门面向AI4S场景，从网络、存储到调度系统都做了深度优化，这正是盘活存量算力、提升利用率的关键路径。事实上，该集群已完成4.5万卡万亿原子分子动力学模拟(打破世界纪录)的成果证明：只要算力能真正“对症下药”，下游应用场景的消化能力远超预期。这种“以应用定算力”的模式，有望倒逼各地智算中心从盲目扩张转向精准建设，从而带动算力调度、跨域协同、运维优化等产业链环节的精细化发展。
当科研从“十年磨一剑”转向“算力驱动”，AI4S算力基础设施的竞争才刚刚开始。接下来要看的是：谁能持续迭代，谁能真正把算力转化为产业价值，谁能在这场算力围城中率先走通从“重器”到“重生态”的路径。而围绕这一进程的算力产业链，正在迎来一轮从硬件到软件、从单点到系统的全面升级机遇。
