深势科技 C 轮

深势科技深度调研:从戈登贝尔奖到国家级独角兽与港股门前,AI for Science 龙头的技术兑现与商业化空白

北京 AI for Science 龙头,Deep Potential 机器学习原子势 + 玻尔科研云 + SciMaster 智能体;2026-10 完成新一轮数亿元国资融资,获评国家级独角兽,正推进赴港上市。

执行摘要

深势科技(北京深势科技股份有限公司)2018 年成立,是中国 AI for Science 赛道最受关注的公司之一。创始人张林峰(首席科学家,普林斯顿大学应用数学博士,师从鄂维南院士)与孙伟杰(CEO,北京大学元培学院),鄂维南院士任董事兼首席科学顾问。公司的技术起点是「深度势能」(DeePMD)分子模拟方法,该方法作为核心成果之一获得 2020 年 ACM 戈登贝尔奖,并入选当年「中国十大科技进展」。

2025 年 12 月 24 日,公司宣布完成总额超 8 亿元人民币的 C 轮融资,投资方包括达晨财智、京国瑞基金、北京市人工智能产业投资基金、北京市医药健康产业投资基金、联想创投、元禾璞华。2026 年 10 月 12 日,公司宣布完成新一轮数亿元人民币融资,投资方为北京市人工智能产业投资基金与中关村科学城公司,资金用于吸引顶尖人才、深化从算法原始创新到工业软件及行业解决方案的全栈能力,并推动技术在生物医药、新能源、化工、半导体等场景的产业化落地与商业化推广。据公开报道,公司累计融资已达数十亿元。独角兽已由推断变为事实:公司 2026 年获评国家级独角兽企业,2025 年为国家级潜在独角兽企业;第三方商业数据平台另记录 2025 年营业收入 1.68 亿元、员工 206 人。2026 年 2 月,媒体报道公司完成股改,正推进港股 IPO,若成功将成为「中国 AI for Science 第一股」。

业务规模方面,公司披露的数据相当可观:玻尔·科学导航服务全球超过 1,000 所高校与机构、300 多万名科学家,近百家 985/211 高校整体入驻;累计支撑上千个科研项目,年均解答 1,200 万个科学问题,为科学家节约超过 20 亿分钟;科学智能产品与解决方案服务超过 150 家先进研发企业,其中 70 多家生命科学企业、100 条以上研发管线(复星医药、国药集团、翰森制药、华东医药、东阳光药、齐鲁制药、联合利华、云南白药等),物质科学客户包括苏州国家实验室、中石油、中国钢研、宁德时代、比亚迪、广汽埃安。

产品矩阵以「玻尔·科研空间站」为枢纽,构成「读、算、做、智」四环:玻尔·科学导航(读文献、查数据)、玻尔·勒贝格智算(算力)、Hermite(药物设计)与 Piloteye(电池设计)等微尺度研发软件、玻尔·赛博实验室(自动化实验)、SciMaster(科学智能体)。模型侧有 DPA 原子大模型、Uni-Mol 分子大模型、Uni-Fold 蛋白大模型,2025 年推出科学基座大模型 Innovator。2026 年 8 月,公司推出玻尔·科学空间公开测试版(桌面端科研工作环境),并同步发起「玻尔 107 计划」面向全球征集科学问题。

物理 AI 视角下,深势的位置很特殊:它做的是「微观尺度的物理 AI」——用机器学习求解电子、原子、分子的相互作用,替代或加速第一性原理计算与分子动力学。这条路线与宏观的 CFD/结构仿真不同,它的物理内核是量子力学与统计力学,输出是材料的性质、药物的结合亲和力、电池的离子传导率。它的价值在于把原本需要超级计算机数周的计算,压缩到 GPU 上的数小时。

需要提前说明判断:这是一家「技术声誉顶级、商业化待验证、治理存在争议」的公司。技术侧,戈登贝尔奖与 DPA/Uni-Mol 系列模型是真资产;规模侧,300 万科学家与 150 家企业的覆盖是真的;但商业化侧,付费转化率、客单价、续约率、软件与服务的收入结构均未披露(仅第三方商业数据平台给出工商口径的 2025 年营业收入 1.68 亿元),且 2026 年出现 CEO 股权代持纠纷的报道,为港股 IPO 增加了不确定性。评估它的关键不是「技术有多强」,而是「谁在为什么付费、付多少、会不会续费」。

公司概览

从戈登贝尔奖到公司

深势的技术根脉在学术。2018 年鄂维南院士在北京大学组织国际首次「AI for Science」主题会议,同年张林峰与孙伟杰创立公司。2020 年,张林峰作为核心成员参与的「深度势能」工作获得戈登贝尔奖——这是高性能计算领域的最高荣誉,获奖理由是用深度学习把分子动力学模拟的精度提升到第一性原理水平、同时把计算成本降低几个数量级。

这个技术突破的商业含义是:分子模拟长期受「精度—成本」的两难约束——量子化学(DFT)精确但只能算几百个原子,经典力场快但精度不足。深度势能用神经网络拟合势能面,在保持接近 DFT 精度的同时把体系规模推到百万原子、时间尺度推到纳秒级。这为药物、材料、电池的工业级计算打开了空间。

团队与治理

张林峰负责技术,孙伟杰负责战略与商业化,鄂维南任董事兼首席科学顾问。这个分工在 AI for Science 公司里常见:科学家主导技术路线,商业背景的合伙人负责落地,院士提供学术背书与资源网络。

规模与资质数据来自两个方向。第三方商业数据平台记录 2025 年营业收入 1.68 亿元、员工(参保人数)206 人、注册资本 3,460.406 万元、成立日期 2018-11-29,据此人均创收约 81.5 万元。资质与榜单记录包括 2026-07-17 的国家级独角兽认定、2025-12-13 的国家级潜在独角兽认定、2026-09-24 的北京市企业技术中心认定,以及 2026-09-17 北京市工商联发布的「2026 北京民营企业未来产业先锋排行榜」第 1 名。

治理方面需要记录一个争议。2026 年有媒体报道 CEO 孙伟杰存在股权代持纠纷,具体细节(涉及方、金额、诉讼状态)未见完整披露。股权代持在拟上市企业中属于审核关注重点(权属清晰性、是否存在潜在纠纷),如果未妥善解决,可能影响港股 IPO 进程。这是本报告必须标注的风险项,但不能替代法律判断。

产品矩阵与「读算做智」

公司把能力体系概括为四环。「读」是玻尔·科学导航,帮科研人员检索文献、提取数据、追踪前沿;「算」是玻尔·勒贝格智算与 Hermite、Piloteye 等专业软件,提供算力与领域计算能力;「做」是玻尔·赛博实验室,把计算与自动化实验连接;「智」是 SciMaster 科学智能体,用大模型编排上述环节。

这个闭环的设计意图是「覆盖科研全流程」:从读文献找方向,到算性质做筛选,到做实验验证,最后用智能体把流程自动化。闭环的商业价值在于提高客户粘性(用了读,就会用算;用了算,就会用做),但也意味着每一环都要做到可用,否则闭环变成拼盘。

技术分析

深度势能的技术原理

理解深势的技术,需要理解分子模拟的基本困难。分子模拟要算的是原子间的相互作用力,而力来自电子结构。精确算电子结构要解薛定谔方程(DFT),成本随原子数三次方以上增长,几百个原子就到极限。工程上因此用「力场」——把原子间相互作用参数化成解析函数,计算快但精度依赖参数化质量,且无法描述化学反应(键的断裂与形成)。

深度势能的思路是:用神经网络学习「原子构型 → 势能」的映射,训练数据来自 DFT 计算。网络满足两个物理约束:一是平移、旋转、置换不变性(同样的结构换个位置或顺序,能量相同);二是局域性(每个原子的能量只依赖其邻域环境)。这两个约束让模型可以用小体系的 DFT 数据训练、在大体系上外推。

这个方法的成功关键在数据效率与泛化。训练一个通用势函数需要覆盖元素组合、晶体结构、缺陷、表面、液态、高温高压等大量构型,数据生成本身要消耗大量 DFT 算力。公司后来的 DPA(Deep Potential Atomic)系列模型就是往「通用、可迁移」方向迭代——一个模型覆盖多种元素与结构,减少每个新体系重新训练的成本。

Uni-Mol 与分子表征

Uni-Mol 是三维分子表征模型,用 Transformer 处理分子的原子坐标与类型,学习「结构 → 性质」的映射。它在药物发现里的用途是性质预测(溶解度、毒性、结合亲和力)与构象生成。

这类模型与深度势能的关系是「不同尺度」:深度势能算能量与力(物理量),Uni-Mol 算分子性质(化学量)。两者结合可以形成「算能量 → 推性质 → 筛分子」的链条。但 Uni-Mol 面临的竞争更激烈——分子性质预测是 AI 制药最拥挤的赛道,国际上有大量模型与公司(包括 Schrödinger 的物理方法、Isomorphic 的生成模型、以及众多初创)。

SciMaster 与智能体的定位

SciMaster 是科学智能体,定位是编排科研工作流:理解研究目标、检索文献、调用计算工具、分析结果、提出下一步。这与工业界的「工程智能体」是同一范式(LLM 负责编排、专业工具负责计算),但应用域是科研,不是生产。

这个方向的难点在「可靠性」。科研工作要求可复现、可验证、可追溯,而 LLM 的输出具有随机性。如果智能体给出的结论无法追溯到具体的计算或文献,科研人员不会采用。公司的应对是把智能体与玻尔平台的计算能力绑定——每个结论背后都有一次可复现的计算,这是合理的设计。

赛博实验室:计算与实验的闭环

玻尔·赛博实验室做的是自动化实验:用机器人执行合成、表征、测试,把实验结果回流到模型。这个方向的价值在于解决 AI for Science 的最大瓶颈——数据。计算可以生成海量数据,但模型的最终验证必须靠实验;实验数据又能反过来校正模型。

自动化实验室的工程难度很高:硬件集成(液体处理、分析仪器)、实验协议的程序化、异常处理、数据管理。国际上做得最好的是 Emerald Cloud Lab、Strateos 等;国内有晶泰科技的实验室自动化、以及一些高校平台。深势的差异化是「计算 + 实验」一体——它不是单纯卖实验室自动化设备,而是把实验作为计算闭环的一环。

技术短板

第一,通用势函数的精度边界。DPA 系列在训练覆盖的体系上精度高,在极端条件(高温、高压、强场)或新元素组合上可能失效,而工业客户常在这些边界上工作。

第二,数据依赖。模型的精度上限由训练数据的 DFT 级别决定,而高精度 DFT(如杂化泛函、GW)的成本极高,数据规模受限。

第三,实验闭环的规模。赛博实验室目前是「点」,尚未成「网」,能支撑多少个客户、多少条管线,未见披露。

第四,商业化指标缺失。付费客户数、ARPU、续约率、软件与服务收入结构均未公开;第三方商业数据平台另从企业年报数据整理出 2025 年营业收入 1.68 亿元与员工 206 人,该口径来自工商备案,公司自身未以此形式发布,故按工商口径而非公司口径处理。

产品与商业化

产品分层

产品可以分四层。平台层是玻尔·科研空间站(Bohrium),提供算力调度、软件集成、数据管理;工具层是 Hermite(药物设计)、Piloteye(电池设计)等垂直软件;模型层是 DPA、Uni-Mol、Uni-Fold、Innovator;服务层是 SciMaster 智能体、赛博实验室、以及面向企业的研发服务。

这个分层的好处是「从免费到付费」的漏斗:科学导航免费或低价(吸引 300 万科学家),算力与软件按需付费(转化企业与高校),研发服务按项目收费(高客单)。

玻尔·科学空间与玻尔 107 计划

2026 年 8 月,公司把玻尔·科学空间推向公开测试版,这是一款面向科研人员与 AI 科学家的桌面端科研工作环境,把科研全流程整合进统一工作台。平台内置面向生物、药物、材料等方向的学科智能体,包括 BioMaster、PharmMaster、MatMaster,并连接超过 2 亿篇文献专利与 5 万余个科学计算工具。随发布披露的平台数字包括:Uni-Lab-OS 可接入 150 多个大类共 1,800 款仪器设备;Uni-Parser 对多模态科学信息的解析准确率超过 98%;SciX 智能体框架累计启动约 185 万次任务,创建成功率 98.8%。公开测试版的发布日期存在两个口径:科技媒体报道为 2026-08-21,词条资料记为 2026-08-30,本报告并列记录。

同期公司发起「玻尔 107 计划」,面向全球征集具有重要科学价值的科研问题,并为入选问题依托玻尔·科学空间提供科研支持。官方表述是「体力活交给 AI,判断与创新留给你」,这是目前最清晰的一次研发工作流智能体方向表述。

用户规模与付费转化

公司披露的用户规模很大:1,000 多所高校与机构、300 多万科学家、近百家 985/211 整体入驻、年均 1,200 万个科学问题、节约 20 亿分钟。这些数字说明产品的「使用广度」,但不等于「付费深度」。

科学研究的一个特点是:个人用户多、付费能力弱、决策链长。高校的科研软件采购通常走课题经费或学校集中采购,周期长、金额有限;企业客户付费能力强,但要求可量化的研发收益。深势的用户结构以高校为主,这意味着「规模大、转化难」。

企业客户与效率数据

公司披露了企业侧的效率数据:文献调研与整理效率提升百倍;AI 计算方法使湿实验需求与成本下降 76%;智能实验室使仪器使用效率与实验通量提升 3 倍以上;「AI 科学家」使科学家的琐碎重复性工作降低约 70%。

这些数字如果成立,商业价值很高——研发投入产出比是药企与材料企业最关心的指标。但它们的统计口径(基线是什么、样本量多少、是否经客户复核)未披露,属公司口径。

2026 年 9 月 16 日,公司与安科生物签署战略合作,围绕抗体偶联药物(ADC)毒素载荷(Payload)分子的设计与优化展开,深势侧提供分子模拟、自由能计算、定量构效关系分析与 ADMET 预测能力,覆盖载荷候选分子的结构生成与虚拟筛选、关键理化性质预测与转运体外排相关耐药风险评估,并走「计算设计—实验验证—数据回流」的闭环。安科生物此前已与中国科学技术大学精准智能化学全国重点实验室建立合作。该协议属技术合作,未披露合同金额,本报告将其记为生态与管线信号,不作为收入披露。

收入结构与商业模式

商业模式可能是「订阅 + 算力 + 项目」的混合:平台订阅(按席位或按用量)、算力消耗(按 GPU 小时)、项目服务(按项目收费)。这种混合模式在科研云里常见(如 AWS/Azure 的科研计算),但毛利率结构差异大——算力是低毛利(接近成本加成),软件是高毛利,项目服务是中等。

如果收入以算力为主,公司更像「科研云服务商」,与「AI 软件公司」有距离,估值逻辑会不同。这是未披露但关键的信息。

竞争格局

国际对照

在分子模拟与计算化学领域,国际标杆是 Schrödinger(FEP+ 自由能计算、量子化学、分子动力学,2025 年收入 2.56 亿美元),Dassault BIOVIA,以及新兴的 AI 制药公司(Isomorphic Labs、Relay Therapeutics、Recursion)。

深势与 Schrödinger 的区别在技术路线:Schrödinger 以物理方法(量子化学 + 力场 + 自由能微扰)为核心,用三十年积累的误差控制工程保证精度;深势以机器学习势函数为核心,用数据驱动的方式逼近第一性原理。前者可解释性强、边界清楚,后者速度快、可扩展,但外推能力依赖训练覆盖。

国内对照

国内的竞争者包括晶泰科技(XtalPi,量子物理 + AI + 实验室自动化,已港股上市)、百图生科(BioMap,生物计算)、以及各高校的计算团队。晶泰与深势的定位最接近——都做「计算 + 实验」闭环,都服务药企。

差异在侧重:晶泰的强项在药物晶型预测与实验室自动化,深势的强项在分子模拟的物理内核与科研平台。晶泰已上市(有公开财务数据),深势在 IPO 进程中。

科研云的竞争

玻尔平台要与阿里云、华为云、AWS、Azure 的科研计算服务竞争。云厂商的优势是算力资源与价格,劣势是不懂科研工作流(不知道科学家需要什么软件、什么数据格式、什么计算流程)。深势的差异化是「科研工作流 + 领域软件」,这是它的护城河。

与开源生态的关系

深势的底层技术(DeePMD-kit)是开源的,这是它获得学术影响力的重要原因。开源策略的好处是快速建立标准与生态,坏处是商业化要靠「托管服务 + 企业版 + 领域软件」——客户可以自己部署开源版本,只在需要算力、支持、行业模板时才付费。

融资与资本结构

融资历程

公司累计融资数十亿元。C 轮超 8 亿元人民币(2025-12-24),投资方含达晨财智、京国瑞基金、北京市人工智能产业投资基金、北京市医药健康产业投资基金、联想创投、元禾璞华。2026 年 10 月另有一轮国资背景的数亿元融资,见下节。这个投资人结构的特点是「地方产业基金 + 市场化 VC + 产业资本」的组合:北京的两个产业基金提供政策与资源,达晨与联想创投提供市场化背书,元禾璞华提供半导体与硬科技视角。

2026 年 10 月新一轮与独角兽认定

2026 年 10 月 12 日,公司宣布完成新一轮数亿元人民币融资,投资方为北京市人工智能产业投资基金与中关村科学城公司。官方表述的资金用途是:吸引顶尖人才,深化从算法原始创新到工业软件及行业解决方案的全栈能力,推动技术在生物医药、新能源、化工、半导体等场景的产业化落地与商业化推广。该轮未披露轮次标签,也未披露区间以外的金额,而第三方商业档案仍记「最新融资时间 2025-12-24、融资轮次 C 轮」,因此本报告不把这一轮标注为更高轮次。

独角兽已从推断变为事实。 公司 2026 年获评国家级独角兽企业,2025 年为国家级潜在独角兽企业,两项认定均由长城战略咨询出具,另有 2026-09-24 的北京市企业技术中心认定。认定背后的估值口径并不一致:2026-01-22 发布的行业榜单记录 2025 年估值 约 12.31 亿美元;企业数据库页面给出「当前 C 轮估值 26 亿元」;而「独角兽」表述本身隐含估值在 10 亿美元以上。本报告并列保留这三个口径,不做调和。

股改与港股 IPO

2026 年 2 月媒体报道公司完成股改(从有限公司变为股份有限公司),正推进港股 IPO。港股对 AI for Science 类公司的估值逻辑与 A 股不同:更看重收入增速与国际客户,对亏损容忍度较高(18A 章允许未盈利生物科技公司上市,但 AI 软件公司通常走 18C 或主板)。

IPO 的关键在三点:收入规模与增速、客户集中度、以及治理(含股权代持纠纷的解决)。

估值与融资节奏

公司未正式披露估值。独角兽已是正式认定,但认定背后的三个读数并不一致:行业榜单口径 2025 年估值 12.31 亿美元,数据库口径 C 轮估值 26 亿元,「独角兽」表述本身隐含 10 亿美元以上。本报告并列保留三个读数,不择一采信;同时指出,这个估值对应的是「AI for Science 平台」的叙事,与当期收入无关——工商口径的 2025 年营业收入为 1.68 亿元。

DISCREPANCIES

1. 累计融资额的表述。 公司 C 轮公告称「总额超 8 亿元」;媒体称「累计融资数十亿元」。两个口径不同(单轮 vs 累计),且「数十亿元」是约数。本报告分别标注单轮与累计;2026 年 10 月新一轮数亿元融资另见第 9 条。来源等级:OFFICIAL(C 轮公告)与 MEDIA(累计口径)。

2. 用户规模的三个数字。 公司称「1,000 多所高校与机构」「300 多万名科学家」「近百家 985/211 整体入驻」。三个数字的统计方式未说明:「科学家」是否含学生、是否含注册未活跃用户、「整体入驻」的定义(全校采购?IP 段开放?)。本报告保留数字并标注口径不明。来源等级:OFFICIAL(公司表述)。

3. 效率数据的统计口径缺失。 「文献调研效率提升百倍」「湿实验成本下降 76%」「仪器通量提升 3 倍」「琐碎工作降低 70%」均为单点数据,未说明基线、样本量、客户名称与复核方式。本报告保留数字并标注为公司口径。来源等级:公司表述(UNVERIFIED)。

4. 鄂维南的角色表述。 部分资料称鄂维南为「创始人」,工商登记的创始人为张林峰与孙伟杰,鄂维南任董事兼首席科学顾问。本报告采用「董事兼首席科学顾问、公司成立的关键推动者」的表述。来源等级:OFFICIAL(工商信息)优于 MEDIA 概述。

5. 商业化质量的披露情况。 公司披露了用户规模(1,000 所高校、300 万科学家、150 家企业)。第三方商业数据平台另从企业年报数据整理出 2025 年营业收入 1.68 亿元与员工 206 人,该口径来自工商备案、公司自身未以此形式发布,故按工商口径处理。付费客户数、客单价、续约率、软件与算力的收入占比仍无公开来源,媒体已就此提出「商业化困局」的质疑。本报告将其余缺口列为关键,不因规模数据而推断商业成功。来源等级:OFFICIAL(规模数据)+ 工商口径收入数据,质量数据仍缺失。

6. 股权代持纠纷的信息完整度。 2026 年有媒体报道 CEO 孙伟杰存在股权代持纠纷,但涉及方、金额、诉讼状态与公司回应未见完整披露。本报告将其列为治理风险,不作事实认定。来源等级:MEDIA(单一来源)待核。

7. 「中国 AI for Science 第一股」的表述。 媒体称若港股 IPO 成功将成为「中国 AI for Science 第一股」。这取决于「AI for Science」的定义边界(晶泰科技已上市,是否属于该范畴?),属媒体标签,不是事实。本报告不使用该表述。来源等级:MEDIA(UNVERIFIED)。

8. 开源与商业化的关系。 公司的 DeePMD-kit 为开源项目,商业产品为玻尔平台与 Hermite/Piloteye。部分解读把开源项目的影响力等同于商业产品的市场份额。本报告区分「开源生态影响力」与「商业收入」。来源等级:OFFICIAL(开源事实)与推断的区分。

9. 2026 年 10 月新一轮的口径。 口径 A:公司公告与产业联盟周报称 2026-10-12 完成新一轮数亿元人民币融资,投资方为北京市人工智能产业投资基金与中关村科学城公司,未披露轮次标签,也未披露区间以外的具体金额。口径 B:第三方商业档案仍记「最新融资时间 2025-12-24、融资轮次 C 轮、C 轮估值 26 亿元」。裁定:两者并列陈述——用公告口径确认「新增一轮国资背景融资」这一事实,用数据库口径说明轮次与金额未披露。本报告不把这一轮标注为更高轮次。

10. 估值的三个读数。 「独角兽」表述隐含一级市场估值超过 10 亿美元;2026-01-22 发布的行业榜单记录 2025 年估值 约 12.31 亿美元;企业数据库页面给出「当前 C 轮估值 26 亿元」(不足 4 亿美元)。裁定:三个读数各自标注来源,均不作为公司口径引用,公司未正式披露估值。读数之间的差距本身就是一条发现。

11. 玻尔·科学空间公开测试版的发布日。 口径 A:科技媒体报道为 2026-08-21。口径 B:词条资料记为 2026-08-30。裁定:使用月份,两个日期并列记录;本次未取得带日期的公司公告可以定案,因此不把其中任一日期写成确定事实。

12. 「独角兽」由推断转为事实。 本报告此前版本把独角兽表述当作由融资规模推出的媒体口径。工商侧记录已可核实:2026-07-17 的 2026 年国家级独角兽认定、2025-12-13 的 2025 年国家级潜在独角兽认定,认定机构均为长城战略咨询,另有 IT 桔子与胡润研究院的第三方榜单条目。裁定:独角兽作为有认定机构与日期的正式认定陈述,而其背后的估值分歧按第 10 条记录。

13. 成立年份:2018 vs 2019。 口径 A:工商登记成立日期 2018-11-29,公司自述与官方材料亦为 2018 年。口径 B:部分报道 2026 年 10 月新一轮融资的媒体称公司成立于 2019 年。裁定:采用 2018(工商登记与公司自述一致),媒体口径作为差异记录,不改变事实认定。

风险与尽调缺口

其一,商业化质量不明。 300 万科学家、1,000 所高校是使用广度,不是付费深度。科研客户付费能力弱、决策链长,若收入以算力为主,毛利率与规模效应都受限。

其二,治理风险。 股权代持纠纷若未解决,可能影响港股 IPO 审核。权属清晰性是上市审核的硬指标。

其三,技术边界。 通用势函数在极端条件与新元素组合上的精度,决定了它能否进入工业级设计与认证流程。目前公开的验证数据有限。

其四,竞争加剧。 国际上有 Schrödinger 的物理方法与 Isomorphic 等 AI 制药公司,国内有晶泰科技等已上市公司,科研云还有阿里云、华为云。深势的差异化(物理内核 + 科研平台)需要持续投入才能维持。

其五,实验闭环的资本消耗。 赛博实验室是重资产方向(硬件、场地、人员),如果规模化不及预期,会拖累现金流。

其六,IPO 窗口。 港股对 AI 公司的估值受市场情绪影响大,若窗口关闭,融资节奏会受影响。

其七,数据合规。 科研数据涉及知识产权与跨境流动,尤其服务国际客户时,数据合规是隐性成本。

综合评分

技术维度给 8.5 分。深度势能与戈登贝尔奖是国际级的技术资产,DPA/Uni-Mol/Uni-Fold 构成完整的微观尺度模型体系,「读算做智」四环的设计覆盖科研全流程。扣分项是通用势函数的极端条件精度、实验闭环的规模未验证。

商业维度给 6 分。300 万科学家、1,000 所高校、150 家企业的覆盖是真实的市场触达,效率数据(若成立)价值很高。扣分项是付费转化与收入结构未披露、科研客户付费能力弱、商业模式偏算力则毛利受限。

财务维度给 7.5 分。累计融资数十亿元、C 轮 8 亿元、2026 年 10 月又完成一轮数亿元的国资背景融资、获评国家级独角兽企业,加上地方产业基金与市场化 VC 组合的股东结构,资金充足。扣分项是盈利状况未披露、实验闭环重资产、IPO 进程受治理问题影响,以及独角兽标签背后的估值读数分歧较大。

产品维度给 7.5 分。玻尔平台、Hermite、Piloteye、SciMaster、赛博实验室构成从工具到闭环的完整矩阵,开源生态(DeePMD-kit)建立了标准影响力。扣分项是产品间协同的深度未验证、企业级功能(权限、审计、合规)披露不足。

市场维度给 8 分。AI for Science 是政策与资本共同关注的方向,药物研发与新材料的需求刚性,公司在学术界的品牌力强。扣分项是商业化验证尚早、国际竞争者技术深厚、科研预算增长有限。

综合 7.5 分。这是中国 AI for Science 里「技术最硬、商业化最待验证」的一家:它用深度势能解决了分子模拟的精度—成本两难,用玻尔平台把能力产品化,用赛博实验室补上实验闭环。它的短板是商业质量不透明与治理风险。对物理 AI 的判断是:它的物理内核(量子力学 + 统计力学 + 机器学习势函数)是真实且国际领先的,微观尺度的物理 AI 是宏观仿真之外的另一条主线;但从「学术影响力」到「工业级收入」,需要跨越付费转化、验证体系与治理规范三道关,港股 IPO 是这三道关的集中检验。

参考资料

  1. 深势科技 C 轮融资公告(2025-12-24):总额超 8 亿元人民币,投资方含达晨财智、京国瑞基金、北京市人工智能产业投资基金、北京市医药健康产业投资基金、联想创投、元禾璞华;资金用于吸引培养人才、迭代「科学发现智能引擎」、夯实全栈能力、加速市场拓展

  2. 同一公告的产品与规模数据:以「玻尔·科研空间站」为枢纽的「读、算、做、智」能力体系;产品含玻尔·科学导航、玻尔·勒贝格智算、Hermite、Piloteye、玻尔·赛博实验室、SciMaster 科学智能体;玻尔·科学导航服务全球 1,000 多所高校与组织、300 多万名科学家,近百家 985/211 高校整体入驻;累计支撑上千个科研项目、年均解答 1,200 万个科学问题、节约超 20 亿分钟

  3. 同一公告的企业客户与效率数据:服务超过 150 家先进研发企业,含 70 多家生命科学企业、100 条以上研发管线(复星医药、国药集团、翰森制药、华东医药、东阳光药、齐鲁制药、联合利华、云南白药等);物质科学客户含苏州国家实验室、中石油、中国钢研、宁德时代、比亚迪、广汽埃安;创造超过 50 项高价值科学资产;文献调研效率提升百倍、湿实验需求与成本下降 76%、仪器使用效率与通量提升 3 倍以上、琐碎工作降低约 70%

  4. 公司沿革与团队(公开资料与媒体):2018 年成立;张林峰(创始人兼首席科学家,普林斯顿大学应用数学博士,师从鄂维南)与孙伟杰(创始人兼 CEO,北京大学元培学院)联合创立;鄂维南任董事兼首席科学顾问,2018 年推动二人回国创业;2020 年「深度势能」获 ACM 戈登贝尔奖,并入选 2020 年中国十大科技进展

  5. 模型体系(公开资料):DPA 原子大模型、Uni-Mol 分子大模型、Uni-Fold 蛋白大模型,构成「深势·宇知」科学大模型体系;2025 年推出科学基座大模型 Innovator 与科学智能体 SciMaster;2026 年推进智能科研与实验自动化结合

  6. 媒体报道(凤凰网,2026):公司累计融资数十亿元;2026 年股改与赴港上市消息传出;报道提出「商业化困局」,指出付费客户比例、软件与项目收入结构、续约率等指标缺乏公开数据;同时报道 CEO 孙伟杰存在股权代持纠纷(细节未完整披露)

  7. 上市进展(媒体,2026-02):公司完成股改,正冲刺港股 IPO,被媒体称为有望成为「中国 AI for Science 第一股」

  8. 技术背景(公开资料):分子模拟的精度—成本两难——DFT 精确但只能算数百原子,经典力场快但精度不足;深度势能用神经网络拟合势能面,训练数据来自 DFT,模型满足平移旋转置换不变性与局域性约束,可在小体系训练、大体系外推;DPA 系列向「通用、可迁移」迭代

  9. 技术背景(公开资料):Uni-Mol 用 Transformer 处理原子坐标与类型,学习结构到性质的映射,用于性质预测与构象生成;与深度势能的关系是「不同尺度」(能量与力 vs 分子性质)

  10. 竞争格局(公开资料):国际标杆含 Schrödinger(2025 年收入 2.56 亿美元,以 FEP+ 自由能计算与量子化学为核心)、Dassault BIOVIA、Isomorphic Labs、Relay Therapeutics、Recursion;国内含晶泰科技(已港股上市,量子物理 + AI + 实验室自动化)、百图生科;科研云竞争含阿里云、华为云、AWS、Azure

  11. 行业背景(公开资料):自动化实验室的国际代表含 Emerald Cloud Lab、Strateos;工程难点在硬件集成、实验协议程序化、异常处理与数据管理;「计算 + 实验」闭环的价值在于解决 AI for Science 的数据瓶颈

  12. 港股上市背景(公开资料):港股对 AI 软件公司的估值更看重收入增速与国际客户,对亏损容忍度较高;上市审核关注股权权属清晰性,股权代持属重点核查事项

  13. 中关村金融科技产业发展联盟周报(2026-10-14 期)与牛透社 2026-10-14 报道,含 2026-10-12 宣布新一轮数亿元人民币融资(北京市人工智能产业投资基金、中关村科学城公司)及资金用途表述

  14. 企查查商业档案(北京深势科技股份有限公司,2026 年 10 月更新),含 2026 年国家级独角兽与 2025 年国家级潜在独角兽认定、2026-01-22 行业榜单口径 12.31 亿美元估值、工商口径 2025 年营业收入 1.68 亿元与员工 206 人、注册资本 3,460.406 万元、成立日期 2018-11-29、C 轮估值 26 亿元、最新融资时间 2025-12-24、北京市企业技术中心认定,以及玻尔·科学空间公开测试版、玻尔 107 计划与安科生物合作的记录

  15. 百度百科「玻尔·科学空间」与「SciMaster」词条,辅以 2026 年 8 月公开测试版的科技媒体报道,含桌面端工作环境、BioMaster / PharmMaster / MatMaster 学科智能体、连接超 2 亿篇文献专利与 5 万余个科学计算工具、Uni-Lab-OS 覆盖 150+ 大类 1,800 款仪器、Uni-Parser 解析准确率超 98%、SciX 累计启动约 185 万次任务且创建成功率 98.8%,以及 2026-08-21 与 2026-08-30 两个发布日口径的差异

  16. 安科生物官方公告与上海证券报 2026-09-16 报道,含 ADC 毒素载荷(Payload)分子设计与优化的战略合作协议,以及深势侧技术能力的范围

本报告依据公开资料整理,不构成投资建议。数据截至 2026 年 11 月 2 日。公司未上市,融资与用户数据来自公司公告、工商备案与媒体;效率数据为公司口径、未经第三方验证;股权代持纠纷为媒体报道、细节待核,不构成法律判断。

相关报告66

本报告基于公开信息整理,仅供参考,不构成任何投资建议。数据截至报告发布日,请以公司公告与定期报告为准。