中国AI突然转向！资金离开大模型，疯抢AI科研赛道，悄悄赚翻了？

2026年4月14日，郑州国家超算互联网核心节点，一个由六万张AI加速卡组成的庞大集群正式上线。 它没有ChatGPT那样的全民热度，却在资本和产业圈里投下了一颗深水炸弹。

这个集群的建造者中科曙光，用它来干一件听起来很“硬核”的事：AI for Science，用人工智能搞科学研究。 就在同一天，资本市场用脚投票，曙光股价应声上涨。 这看似孤立的事件，背后是一场正在发生的、静默而坚决的转向。

过去两年，通用大模型是绝对的主角。 但到了2026年，故事变了。 投资人开始问一些更实际的问题：除了聊天和生成图片，AI到底能不能帮我赚钱？ 或者说，帮我的被投企业省钱？

答案正在向一个方向集中：能。 前提是，AI得钻进实验室和生产线里。

一家头部风投的合伙人最近把团队的研究重点，从大模型应用转向了AI制药和材料计算。 他的理由很直接：“ChatGPT谁都能用，技术壁垒在迅速抹平，最后很可能变成拼价格、拼运营的苦生意。 但如果你能用AI把一款新药的研发周期从五年压到一年，帮电池厂找到能量密度提升20%的新材料，这里面的价值，是能按计算器算出来的。 ”

资本正在用真金白银印证这个判断。 根据QYResearch的报告，2025年全球AI for Science的市场规模大约是45.38亿美元。 这个数字看起来不大，但它的年复合增长率预计高达28.9%，到2032年将超过260亿美元。

更重要的是，它撬动的是背后数万亿的实体产业。 国盛证券曾做过一个测算：全球企业每年投入的研发经费，只要有10%交给AI来干，就能催生一个近600亿美元的市场。 而现在，这个渗透率还不到1%。

政策的风向同样清晰。 2026年的《政府工作报告》里，“深化拓展‘人工智能+’”被明确提出，而“实施超大规模智算集群”则是配套的基础设施承诺。 在上海，一份名为《上海AI for Science专项计划》的文件已经下发，目标直指生命科学、材料研发等具体领域。

市场、资本、政策，都在指向同一个结论：AI的战场，正在从“比特世界”的对话和创作，转向“原子世界”的研发与制造。

然而，理想很丰满，现实却有一道硬门槛：算力。 没有足够强大、稳定且价格合理的算力，用AI加速科研就是一句空话。 目前，国内面向高端科研的算力需求，仍有25%到30%的缺口。

这就回到了开头那个六万卡的集群。 它不仅仅是一个“大号计算机”。 它的设计逻辑，完全针对科研的痛点。

科研任务五花八门。 训练AI模型可以用低精度计算，追求速度；但模拟蛋白质折叠或流体动力学，必须用高精度，确保结果准确。 这个集群能在一套系统里同时处理这两种任务，不用科研人员为了不同课题来回折腾设备。

六万张卡协同工作，最大的瓶颈往往是卡与卡之间传输数据的速度。 这里的网络做到了“无损”，数据交换几乎没有延迟，不会让昂贵的计算卡闲着等数据。

最直观的是散热。 机房里的服务器不是用风扇吹，而是整个浸没在特殊的绝缘冷却液里。 同样的空间，能塞进比传统风冷多20倍的算力，机房面积节省了85%。 对于那些需要跑上几个月、不能中断的超大型模拟任务，系统承诺全年意外停机时间不超过53分钟。

这些技术细节拼凑出的是一幅清晰的图景：它在试图把超级算力，变成一种稳定、可靠、易于获取的“公共服务”。

中科曙光在财报电话会里透露，他们正在通过国家超算互联网平台，向药企、材料公司和研究院所提供这种“算力即服务”。 简单说，就是“重资产我来投，你用多少，买多少”。 2026年第一季度，曙光净利润同比增长了20.88%，这部分新兴业务功不可没。

这恰好印证了一个经典的商业隐喻：淘金热中，最赚钱的往往不是淘金者，而是卖铲子、卖牛仔裤和卖水的人。 当所有人都涌向AI制药、AI材料设计这些“金矿”时，为整个掘金过程提供不可或缺工具的人，生意反而更确定、更持久。

产业链的格局正在因此分化。 上游的算力基础设施，包括芯片、服务器、高速网络和液冷解决方案，成为了确定性最高的环节。 需求明确，且直接受益于AI科研的规模化。

中游的竞争在于生态。 比如曙光推出的“OneScience”平台，把常用的科学计算模型、工具和数据集打包，让生物学家、化学家不用精通编程也能调用AI。 这是在修建护城河。

至于下游的具体行业应用，比如AI制药公司，空间巨大但风险也高。 最终胜出的，很可能是那些既懂AI，又深扎行业，还能打通实验室验证环节的团队。

一场静默的转向已经发生。 资本的流向，技术的演进，以及像郑州那个庞大集群的落地，都在重新绘制中国AI产业的版图。 喧嚣正在褪去，一些更坚实的东西，开始浮现。