沙利文发布《2026年中国AI4S科研智算基础设施市场研究》

AI4S科研智算基础设施指面向高校、科研院所及科研平台等AI4S应用场景，提供科研智算基础设施产品、系统建设及相关投入的市场与产业集合。它不是单一的算力中心，而是由智能算力集群、高速互联网络、高性能并行存储和全栈软件平台共同构成的综合计算底座。本次研究的统计范围涵盖智算集群、AI服务器、存储、网络、液冷等基础设施产品及系统建设投入。

回顾发展历程，行业先后经历通用算力云化（2015-2018年）、科研算力集群化（2019-2021年）、超智融合起步（2022-2023年）和科研流程平台化（2024-2025年）四个阶段，2026年起进入规模化建设阶段。随着科学大模型训练、复杂系统模拟、自动化实验和科研智能体逐步规模化落地，AI4S建设正由课题组层面延伸至校院级、区域级和国家级科研平台，市场竞争重点也从硬件交付转向系统集成、平台运营、学科场景适配和科研生态建设。

中国AI4S科研智算基础设施市场正由试点建设迈向规模化部署。报告显示，中国科研机构AI4S基础设施潜在市场规模预计由2025年的420.7亿元增长至2027年的760.7亿元，并于2030年达到1,480.1亿元，2025-2030年复合增长率约为28.6%。

科研投入的持续增长为市场扩张提供了坚实基础。2020-2024年，中国高等学校和政府属研究机构R&D经费合计由5,291.3亿元增长至7,297.1亿元，年均复合增速约8.4%，预计2030年将达到10,042.9亿元。其中，高校R&D经费增长更快，占比预计由2020年的35.6%提升至2030年的47.9%。与此同时，科学研究正在进入PB级数据、千万级样本和亿原子级仿真阶段，推动科研计算集群向万卡级并行和存算协同架构演进。

从应用成熟度看，高校科研机构的AI4S应用整体仍处于由试点走向规模化的过渡期：局部课题组应用占比最高，为34%；多实验室、多学科拓展应用占27%；已形成校级或院级平台化应用的仅占15%。2025-2027年，市场增长主要来自头部高校校级智算平台、科研院所AI4S平台、全国重点实验室智能化升级，以及国家级和区域级科研算力节点建设。2028年以后，市场将进入新增建设与存量升级并行阶段，节点扩容、存储扩展、网络升级、液冷改造、调度优化和科研软件栈适配等需求将持续释放。

过去，超算中心主要承担物理仿真、分子动力学、气候模拟、材料计算等高精度确定性计算任务，智算中心则主要服务大模型训练和深度学习推理，两类设施在建设主体、资源调度、软件环境和应用场景上相对独立。AI4S正在打破这一边界。科学研究逐步转向物理模型、神经网络、科学数据与实验反馈相结合的融合范式，基础设施也随之由分散建设走向超智融合的统一平台。2026年，国家超算互联网核心节点上线十万卡级超智融合集群曙光8000（登峰），将高精度科学计算与AI训练推理能力纳入统一的科研计算体系，超智融合由技术理念进入规模化部署阶段。

在此基础上，科研机构的关注点正由GPU/NPU数量、理论峰值和节点规模，转向多卡并行效率、网络通信、存储吞吐、任务调度和长周期稳定运行能力。网络、存储或调度一旦成为瓶颈，大量理论算力就会消耗在通信等待、数据加载和资源空转中。评价标准也在进一步向应用效果靠拢，能否提升模型精度、缩短研发周期、降低试错成本并形成可复制的科研与行业应用，正成为衡量平台价值的核心依据。

应用层面，AI4S优先落地于数据规模大、模型复杂、计算周期长、仿真精度要求高和实验试错成本高的科研领域。在生命科学领域，蛋白结构预测、分子性质预测和候选药物筛选正在形成从计算预测、候选筛选到实验验证的闭环；在材料与化学能源领域，材料数据库、机器学习势函数与高通量仿真推动研发由经验试错走向模型驱动设计；在地球系统科学领域，AI气象模型将部分依赖高成本数值迭代的预报能力转化为高吞吐、低时延的推理能力，物理模式与AI协同则成为高分辨率局地天气模拟的重要路径。

随着AI4S由试点建设走向校级、院级、区域级和国家级平台化部署，行业竞争的核心正在发生变化。早期竞争主要围绕服务器数量、峰值算力和集群规模展开，重点在于把集群建起来；如今，科研机构更关注基础设施能否支撑真实科研任务长期稳定运行。报告显示，行业竞争壁垒正由单一硬件性能，升级为覆盖客户与项目获取、有效算力与架构、系统工程交付、基础软件与平台产品化、科研场景与应用、国产化与供应链安全的系统化能力，并沿硬件、系统、平台、场景层层递进。

在这一趋势下，短期看，具备复杂系统交付、平台产品化和基础软件适配能力的厂商更易获得规模化项目机会；中长期看，拥有标杆科研客户、应用共创能力和长期运营服务能力的厂商，更有可能形成持续竞争优势。

目前，中国AI4S科研智算基础设施市场已形成服务器与系统厂商、综合科技企业、运营商及算力服务商共同参与的竞争格局。中科曙光、华为、浪潮信息、并行科技、中国电信、中国移动等厂商依托各自资源基础形成差异化优势：服务器与系统厂商侧重大规模集群交付、超智融合架构与科研软件适配，综合科技企业侧重AI算力底座与软件生态，运营商和算力服务商则在区域公共算力、算力网络和长期运营服务方面具备优势。