一块TFT“屏幕”，如何成为AI4S验证新标准？

6 月初，Anthropic 发布长文，呼吁全球放缓 AI 研究。

在 Anthropic 看来，过去几年，AI 算力以指数级速度增长，“让 AI 自己造出下一代更强大的 AI”正变为现实。但由于后续对齐研究、外部供给链能力，以及市场运作机制等条件没有同步进化，AI 在现实世界的推进正陷入新的瓶颈。

这种上下游能力的增长矛盾，在 AI for Science 领域体现得更为明显，具体表现为， AI 可以加速科学发现，却不能自动完成验证。因此，除了讨论是否要让走在前面的 AI 慢下来，另一个同样重要的问题是：如何让走在后面的实验验证、工程集成和产业转化能力跟上脚步。

以材料科学为例，2023 年，谷歌 DeepMind 发表研究，其材料发现模型一次性预测出 220 万种新晶体结构，其中约 38 万种被认为有合成价值。然而，过去 3 年，全球研究人员仅合成了其中的 700 种左右。

更重要的是，合成出来并不等于验证完成。对于新材料而言，单个样品或单个器件的性能突破只是第一步。它还需要接受大规模阵列、一致性、稳定性和可制造性的检验，以进一步评估其在真实应用场景中的系统级表现和产业化潜力。

谁来承接 AI for Materials 的验证需求？

作为全球显示器的核心元件，TFT（Thin-Film Transistor，薄膜晶体管）承担着对海量像素单元进行精准、独立电信号控制的任务。它天然具备阵列化、高密度等特点，与上述需求完美匹配。

在全球 TFT 产能中，中国大陆拥有全球 80% 的 TFT 产能和完整产业链基础。这意味着，谁能率先将中国成熟显示产业链中的 TFT 能力，牵引到新的应用方向上，谁就掌握了稀缺的结构性优势。

领挚科技，正是这一方向中的领军企业之一。

公开信息显示，基于 TFT 半导体技术，领挚科技打通了从材料与 TFT 的集成、到电子系统驱动与读取、封装与键合等关键环节，让科学家从繁琐的工程实现难题中解放出来，更加专注于材料本身的设计与制备工艺研究，进一步提升效率。其相关技术已被用于超过 290 篇期刊论文，其中包括 20 余篇 Nature、Science 系列论文。凭借广泛的学术应用数据，为行业提供了一种全新的验证标准。

（来源：领挚科技）

在传感方向，苏黎世联邦理工学院的研究团队曾在 Nature 发表研究，尝试让相机不再依赖传统滤光片或复杂算法完成颜色重建。研究团队将器件与领挚科技的 TFT 传感芯片集成，构建了一个小规模成像系统，并通过 TFT 多通道信号的高速实时读取，成功演示了更接近人眼视觉系统的高精度、无伪影彩色成像。

（来源：Nature）

在显示方向，浙江大学团队发表于 Nature 的研究中，成功研制出了世界最小 LED，并与领挚科技联合开发了有源矩阵 PeLED 微显示器原型，为未来超高分辨率可穿戴显示设备的想象勾勒了轮廓。

（来源：Nature）

在感、算方向，上海交通大学、合肥工业大学和韩国科学院团队发表于 Science Advances 的研究，则借助 TFT 阵列开发出了低光学强度下仍可运行自适应成像算法的大规模视网膜形态计算系统，在传感器端完成从“看见”到“决策”的闭环，也验证了 TFT 在感存算一体化方向的潜力，为自动驾驶、智能假肢、康复外骨骼等边缘计算场景提供新路径。

（来源：Science Advances）

这些案例表明，TFT 技术已经在传感、显示、感存计算等不同方向，为全球前沿材料与器件研究提供系统级验证。

打通产研最后一公里

不过，实验室层面的可靠性验证，并不意味着已经能够进入产业。2025 年 5 月，美国国家可再生能源实验室（NREL）召集了超过 50 位材料科学、AI 与机器人领域专家，专门研讨 AI 驱动的科学发现如何走向产业落地。与会者的核心共识只有一条：横亘在实验室与产业之间的“死亡之谷”（Valley of Death），依然是当下最难跨越的关卡。

大量前沿成果止步于实验室，往往不是因为科学问题没有突破，而是因为从材料到产品之间还隔着一条漫长的工程化链条。

第一，可量产性。对于大多数科研团队和早期创新企业而言，往往需要从小批量开始进行不断试错，想要直接调动成熟产线完成产业化验证，不仅成本高昂、需要投入大量的人力，还要忍受漫长的周期。

第二，“集成化”难题。从材料研发到产品开发需要一整套能够稳定运行的集成系统，涉及电路设计、流片制程、电子系统、模组加工等复杂环节。这些工程化能力并不在早期团队自身承受的范围之内，往往需要另行组建完整的技术团队，带来了新的资金投入压力。

因此，从论文结果到工程样机，从实验室验证到产业导入，需要一套可复用、可扩展的标准来承接。

领挚科技试图补上的，正是这一环。过去几年，领挚科技已与欧洲、北美及亚洲多个国家和地区超过 20 家企业展开合作，覆盖新型显示、光电探测成像、机器视觉、电子皮肤以及神经电子学等多个前沿技术方向，串联起科研成果从小试、中试到规模化量产全流程。

（来源：领挚科技）

据介绍，该公司提供的不只是 TFT 芯片，还包括芯片背后的驱动、读取系统，以及面向具体应用场景的原型开发能力。对于一些早期创新团队而言，这类原型机可以帮助其向投资人或产业客户更直观地说明技术未来可能形成怎样的产品。

在小试阶段，有欧洲企业基于领挚科技提供的 TFT 技术，开发超轻薄、可弯曲的新型 OLED 显示原型机，面向包装、可穿戴设备等应用场景，已获得超过千万美元融资支持。

中试阶段，领挚科技参与的是从器件到系统样机之间的工程化环节，这也是大多数早期团队最难独立完成的部分。

领挚科技与英国一家初创公司共同开发了新一代 TFT 柔性检测系统，目前已进入商业化阶段。相比传统工业检测设备，柔性电子方案能够覆盖更大面积，也能适应更复杂的部署环境，为航空航天、能源设施和智能制造等场景提供新的检测思路。

在量产阶段，领挚科技与欧洲上市企业合作开发的新型量子点发光材料，正在面向下一代显示技术推进，有望进入规模化量产阶段。

将持续瞄准 AI4S 的下半场

目前，领挚科技以杭州为总部研发中心，并在英国剑桥和中国香港设有子公司。其服务网络已覆盖全球 20 多个国家和地区，接近 400 家高校、科研机构与创新企业。在 Nature 发布的研究报告“Multi-project wafers for flexible thin-film electronics by independent foundries”中，领挚科技也作为全球 TFT 创新领域的代表性企业被提及。

资本也在关注这一方向。2026 年，领挚科技引入半导体投资机构华登国际。截至目前，其投资方还包括十维资本、真格基金、杏泽资本、比邻星投资等机构。

与此同时，领挚科技也在尝试将 TFT 技术延伸至生命科学领域。该公司推出的基于 TFT 半导体的桌面式寡核苷酸微阵列合成仪，试图通过 TFT-DNA 合成方案，为生命科学研究提供更高效率、更低成本的数据生产能力。

它所指向的问题，与材料科学中的挑战一致：当 AI 能够更快地提出假设、筛选方案和发现新材料之后，科学研究真正稀缺的能力，正在从提出想法转向高通量、低成本、可规模化的验证。

从这个角度看，TFT 正在成为 AI for Science 走向产业应用的一块关键试金石。领挚科技所处的位置，也恰好落在这条路径的关键节点上。

1.https://doi.org/10.1038/s41586-024-07306-2

2.https://www.anthropic.com/institute/recursive-self-improvement

3.https://doi.org/10.1038/s41586-023-06735-9

4.https://cleantechnica.com/2025/08/19/ai-could-help-bridge-valley-of-death-for-new-materials/

5.https://doi.org/10.1038/s41586-025-09062-3

6.https://doi.org/10.1038/s41586-025-08685-w

7.https://doi.org/10.1126/sciadv.ads2834

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成