深势科技（DP Technology）
AI for Science 产品、行业与核心能力调研
在 AI4S "从提效到自主"的大趋势下，深势科技以"微尺度工业设计基础设施"起家，正沿着"微尺度研发软件 → 玻尔科研平台 → 科学发现智能引擎"的路径，向"AI 科学家 / 自主发现"演进。本报告梳理其产品布局、行业布局与核心能力。
Executive Summary
摘要与核心结论
深势科技（DP Technology）成立于 2018 年，总部北京，是"AI for Science"研究范式的代表性平台级公司。它以多尺度建模 + 机器学习分子模拟为技术内核，把"第一性原理精度"与"AI 的规模与速度"结合，构建覆盖药物、材料、能源等物质科学的"微尺度工业基础设施"。其使命已从"科研提效工具"升级为"打造能帮助人类发现全新科学成果的 AI 科学家"，即科学发现智能引擎。
- 产品布局：以「玻尔 Bohrium 科研空间站」为统一入口，向下是勒贝格智算与「深势·宇知®」科学大模型体系，向上是 Hermite/RiDYMO/Piloteye 等微尺度研发软件，最新扩展到 SciMaster 科学智能体与「玻尔·赛博实验室」——形成从"算力—模型—软件—智能体—实验"的全栈。
- 行业布局：核心在生命科学（药物）、能源（电池）、材料/化工三大高价值物质科学场景，并通过平台向高校科研与更广产业研发外扩。
- 核心能力：多尺度建模与深度势能（DPA）、"宇知"科学大模型群、平台化科研入口、云原生异构算力，以及正在成型的"智能体 + 自主实验"闭环。
- 主线判断：深势正处在 AI4S 的"提效 → 平台"已扎实、"平台 → 自主"进行中的位置：微尺度软件解决"提效"，玻尔平台占据"入口"，SciMaster + 赛博实验室押注"自主发现"。
Company
一、公司概览
深势科技由张林峰等青年科学家于 2018 年创立，是国内最早系统性布局 AI for Science 的公司之一，被视为"定义科研范式的平台级企业"。其自我定位是"微尺度工业设计基础设施"提供方——用 AI 学习科学原理与数据，去解决科学研究和工业研发中"看不见但决定性能"的微观尺度问题（分子、原子、材料结构）。
| 成立 / 总部 | 2018 年 / 北京 |
| 定位 | AI for Science 全球领先者；微尺度工业设计基础设施；科学发现智能引擎 |
| 使命升级 | 从"科研提效工具"到"打造能帮助人类发现全新科学成果的 AI 科学家" |
| 规模 | 服务 300 万+ 科学家、近 100 所 985/211 高校、150+ 研发企业；年均为科学家节约约 20 亿分钟 |
| 融资 | 百度风投天使轮（2020）、B 轮 4370 万美元（2021）、华为等 8 亿元（2023）、C 轮超 8 亿元（2025.12）；非上市、待 IPO |
Thesis
二、主线：在"从提效到自主"中的位置
AI4S 的演进主线是从"AI 帮人算得更快（提效）"，经"平台化整合入口"，走向"AI 自主提出并验证假设（自主发现）"。深势科技的产品演进恰好可以映射到这条主线上——它不是停在某一层，而是同时占住了"提效"与"平台"，并向"自主"重注。
Products
三、产品布局：玻尔科研空间站为核心的全栈
深势的产品体系可以理解为一个四层全栈：底层算力、其上是"宇知"科学大模型群、中间是面向各行业的微尺度研发软件、顶层是把这些能力串起来的玻尔平台与正在成型的智能体/自主实验层。
3.1 全栈架构一览
| 产品 | 层级 | 定位与功能 |
|---|---|---|
| 玻尔 Bohrium 科研空间站 | 平台入口 | 面向全球科学家的一站式科研平台，含科学导航（文献/知识库）、应用市场（1000+ 垂类模型）、协作与算力调度，是深势的"科研操作系统" |
| Hermite® | 药物 | 融合 AI+物理建模+HPC 的药物计算/设计平台：蛋白结构预测、药靶结合预测、化合物筛选 |
| RiDYMO® | 药物 | 动力学平台，用 AI 解锁难成药靶点的动力学机制，拓展小分子与环肽化学空间 |
| Piloteye® | 电池 | 电池设计平台：预测材料物化性质，模拟电极与电芯尺度性能，优化电池配方与设计 |
| 深势·宇知® | 模型底座 | 科学大模型体系（现升级为"科学发现智能引擎"），整合 1.7 亿英文文献、2 亿专利、8000 万中文文献，支持 1000+ 垂类应用模型 |
| 勒贝格智算 | 算力 | 云原生异构算力调度，整合通算/超算/智算资源，支撑大规模科学计算 |
| SciMaster | 智能体 | 科学智能体，向"自主提出并验证假设"的 AI 科学家方向演进 |
| 玻尔·赛博实验室 | 自主实验 | 实验仪器集成，打通"计算—实验"干湿闭环，是走向自主发现的关键一环 |
3.2 深势·宇知® 科学大模型群
"宇知"是深势的模型底座，覆盖从原子、分子到蛋白、核酸再到文献的多个尺度，并已集成进各产品平台：
- DPA 原子大模型——分子动力学与材料模拟的通用势函数（深度势能路线的延伸）。
- Uni-Mol——3D 分子构象/表征大模型；Uni-Dock——高性能药物分子对接引擎。
- Uni-Fold——蛋白折叠；Uni-RNA——核酸结构大模型。
- Uni-SMART——科学文献多模态大语言模型，支撑玻尔"科学导航"。
Industries
四、行业布局：三大物质科学场景 + 平台外扩
深势的行业布局高度聚焦在研发成本高、微观机理决定性能的物质科学领域——这些正是 AI4S 降本增效最易兑现付费意愿的场景；同时借玻尔平台向高校科研和更广产业研发外扩。
| 行业 | 对应产品/模型 | 价值与切入点 |
|---|---|---|
| 生命科学 / 药物 | Hermite®、RiDYMO®、Uni-Fold/Uni-Mol/Uni-Dock | 靶点发现、结合预测、化合物筛选、难成药靶点；药物研发降本增效，合作方含云南白药等 |
| 能源 / 电池 | Piloteye®、DPA | 电解液/电极材料性质预测、电芯性能模拟；合作方含宁德时代等 |
| 材料 / 化工 | DPA、Bohrium、Uni-Mol | 新材料、催化剂、高分子等多尺度模拟；研发周期与实验次数压缩 |
| 高校 / 基础科研 | 玻尔 Bohrium 科研空间站 | 近 100 所 985/211、300 万+ 科学家；平台化科研入口与教育科研赋能 |
| 更广产业研发 | 玻尔平台 + 1000+ 垂类模型 | 150+ 先进研发企业；以应用市场承接长尾行业需求 |
Capabilities
五、核心能力
深势的根基能力：用 AI（深度势能 / DPA）逼近第一性原理精度，同时具备大规模计算的速度，跨原子—分子—介观多尺度，解决传统方法"要么准要么快"的两难。
覆盖原子/分子/蛋白/核酸/文献的一整套预训练科学模型，并沉淀海量文献与专利知识，成为各产品平台的统一底座。
玻尔 Bohrium 把算力、模型、软件、数据、协作整合为一站式入口，形成"科研操作系统"与应用市场生态——谁掌握入口，谁掌握数据飞轮。
勒贝格智算统一调度异构算力，支撑大规模科学计算，是把"提效"规模化的基础设施。
SciMaster 科学智能体 + 玻尔·赛博实验室，打通"假设—计算—实验—反馈"闭环，是深势押注"自主发现"的关键能力，也是最大的不确定性所在。
以"共创、共建、共享"联合高校与龙头企业（云南白药、宁德时代等），把行业数据与场景沉淀回模型与平台。
Conclusion
六、结论与研判
把深势科技放回 AI4S"从提效到自主"的坐标里，可得三点判断：
- 提效层已建立护城河：微尺度研发软件（Hermite/RiDYMO/Piloteye）+ 宇知模型在药物、电池、材料已有真实付费与规模化客户，这是现金流与数据的基本盘。
- 平台层是最大杠杆：玻尔 Bohrium 以"科研操作系统 + 应用市场"聚合 300 万科学家与 1000+ 模型，是把单点能力放大为生态、掌握入口与数据飞轮的关键，也是对标浦江"端砚"式平台的直接竞争维度。
- 自主层是估值想象空间，也是风险点：SciMaster + 赛博实验室代表"AI 科学家 / 自主发现"的下一范式，长期价值最高；但与全行业一样，其可靠性、可复现性与经济性仍待验证，兑现周期长。