核心观点
　　 AI for Science打造科研新范式，重塑科研底层逻辑。传统科研遵循“观察—假设—验证”的线性链路，随着大模型等AI技术的不断发展，这一范式正在被AI forScience打破。AI for Science通过AI算法，直接从海量的科学数据中挖掘隐性规律，生成科学假设，甚至自主设计实验方案，打破了人类认知局限与学科壁垒。我们认为AI for Science让科研从“经验驱动”转向“数据与算法驱动”，催生了全新的知识生产方式。
　　 AI for Science是国家政策重点支持方向。25年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》将“人工智能+科学技术”列到重点行动首位。《意见》提出利用人工智能技术加速“从0到1”科学发现的核心引擎，通过科学大模型建设、科研平台智能化升级、高质量科学数据集开放共享，提升跨模态数据处理能力，推动科研范式从线性探索转向智能驱动，助力破解基础学科重大难题。此外，政策还提出推动人工智能驱动的技术研发、工程实现、产品落地一体化协同发展，加速“从1到N”技术落地和迭代突破，促进创新成果高效转化，均为是AIfor Science的发展方向。
　　 AI for Science商业前景广阔。AI for Science正从基础科研领域加速渗透到产业创新全链条，我们认为AI for Science是当前AI应用领域里成果商业转化最快也是空间最可观的领域，核心源于其可以精准解决研发密集型行业“周期长、成本高、试错难”的核心痛点，形成“技术突破—效率提升—商业闭环”的快速转化链路。AI for Science应用场景可覆盖AI育种、药物研发、新材料研发、工程科学等多个场景，有望成为AI提效最明显的领域。
　　投资建议与投资标的
　　我们认为目前在AI for Science领域布局的公司有望率先受益，相关标的为托普云农(301556，未评级)、晶泰控股(02228，未评级)、志特新材(300986，未评级)、科大讯飞(002230，买入)等。
　　风险提示
　　研发进展不及预期；
　　商业化进展不及预期。