科研仿真环境全景：sim2real gap 与 AI

0结论先行

1. "仿真"其实分三代，不能放在一起比。

   • 第一代：第一性原理数值模拟。 包括 DFT、分子动力学、CFD、数值天气预报（NWP）、Geant4、MuJoCo。物理方程是已知的，误差来自近似和算力。
   • 第二代：AI 仿真器（emulator/surrogate）。 例如 MLIP、GraphCast、BioEmu。它们用第一代的输出做训练，快 10³–10⁵ 倍，但精度的上限就是老师（第一代模拟器）。
   • 第三代：数据驱动的"世界模型"。 包括虚拟细胞、ESM3、Evo 2、小鼠视皮层数字孪生。这些领域没有可用的第一性原理方程，模型直接从实验数据里学。 ESM3 和虚拟细胞属于第三代，它们的 gap 形态和 DFT 完全不同。

2. sim2real gap 要分三层量： ① 模拟器对真实实验；② AI 仿真器对模拟器；③ 设计出来的东西在湿实验中的成功率。最容易被夸大的是用 ② 冒充 ①。例如 AI 天气模型对着 ERA5 算的误差，比对着真实观测站低 15–45%；FEP 在公开基准上 RMSE 为 1.73 kcal/mol，换到药企私有体系变成 2.44。

3. 按 gap 从小到大排序： 数学（Lean，验证层 gap≈0，但内核实现有过 bug，见 §2.13）< 刚体机器人控制和等离子体控制（已 zero-shot 上真机）< 天气、流体（仿真本身已很准）< 材料和分子能量（DFT 本身有系统误差）< 蛋白设计（湿实验成功率 5–50%）< 药物结合自由能 < 虚拟细胞（2025 年仍未稳定打败"取平均"这种朴素基线）。

4. 与 AI 的关系已经有四种形态，成熟度依次下降： 仿真造数据训 AI（最成熟）→ AI 替代仿真 → 仿真作 RL 环境训控制策略（TCV 托卡马克、1 型糖尿病人工胰腺、机器人）→ 仿真或预测器作 LLM agent 的工具和 reward（ether0、Lean、虚拟细胞 agent）。前沿公司（Periodic Labs、Lila）押的是第五种："把大自然本身当 RL 环境"。原因正是第 3 点：大部分科学仿真器的 gap 太大，不适合做终极 reward。

1全景总表

2分学科详解

2.1 细胞生物：虚拟细胞（Virtual Cell）

代表

• Arc Institute State：Arc 的第一代虚拟细胞模型，在 1 亿+ 单细胞扰动数据上训练（Tahoe-100M、Parse-PBMC、Replogle-Nadig）。它预测干细胞、癌细胞、免疫细胞在药物、细胞因子或基因扰动下的转录组响应。Arc 称：在 Tahoe-100M 上，State 区分扰动效应的能力比已有模型高 50%，差异表达基因识别准确度是已有模型的 2 倍。

• 数据基建：Arc Virtual Cell Atlas 已超过 6 亿细胞。2026-01，Tahoe、Arc、Biohub 联合启动新数据集项目，扰动丰富度是 Tahoe-100M 的 4 倍以上。

• 另一条路线是蛋白质组层面：An operational perturbation proteomics-based virtual cell model（Nature 2026）。

sim2real gap：所有领域里最大、也最有争议

• Virtual Cell Challenge 2025：超过 5000 人注册，300+ 队进入决赛。第一名 BioMap，Generalist 奖 Altos Labs，第三名 Outlier（TransPert 是一个只用汇总数据的统计模型）。官方复盘原话：预测模型尚未在所有指标上稳定超过朴素基线，只在扰动区分和差异表达识别上有明显进步。

• 独立基准（2026）：在未见过的单基因扰动上，最好的模型（State）比"细胞均值"基线好 26%，调好的线性/加性基线好 19%，GEARS 好 22%。好几个基础模型连线性基线都没打过。 深度模型真正拉开差距的地方在三处：组合（非加性）扰动、跨细胞类型迁移、表征任务（注释、整合）。

• 推荐指标：

• 差异表达基因重合度（DE score）
• 扰动区分度：预测结果能否认回是哪个扰动
• 全谱 MAE
• 每个指标都要对"扰动均值基线"做归一化
• 2025 年的教训是"窄指标会被 overfit"，所以 2026 年改成 6 个指标聚合，评测工具 cell-eval 与 NVIDIA 共建。

• 更硬的检验是前瞻验证：模型推荐的扰动，在真实 Perturb-seq 或表型筛选里的命中率。

• VCC 2026 升级：从"同一细胞类型内泛化"改成"在 6 个全新细胞系上零样本预测 CRISPRi 响应"，不提供该挑战专属的训练集。11-05 截止，11 月中下旬公布结果。

与 AI 的关系

• 虚拟细胞本身就是 AI 模型，是第三代仿真。

• 它开始被当作 agent 的环境：BioDiscoveryAgent 在 in silico 模型里迭代提出扰动、模拟结果、修正假设。2026 年出现了 AssayBench、VCWorld、CellScientist 等"虚拟细胞 × LLM agent"基准和框架。

• ⚠️ 风险：用一个打不过线性基线的模拟器当 reward，agent 学到的是模拟器的偏差。

2.2 蛋白质 / RNA / 基因组

代表

• ESM3（EvolutionaryScale）：同时建模序列、结构、功能三个轨道的生成式语言模型。旗舰案例 esmGFP 与最近的已知荧光蛋白只有 58% 序列同一性，按进化速率估算相当于 5 亿年以上的距离，湿实验确认会发光。第三方用它做打结蛋白，引导生成的成功率为 89/100（这是计算指标，没有湿实验验证）。

• AlphaFold3 / Boltz：结构预测，覆盖蛋白、核酸、配体复合物。

• RFdiffusion / BindCraft / AlphaProteo：结合蛋白（binder）设计。

• Evo 2（Arc）：全生命域的基因组语言模型。

sim2real gap：这里的"real"就是湿实验成功率

• Binder 设计的公开命中率：RFdiffusion（2023）约 19%；AlphaProteo（2024）按靶点从个位数到 88%；BindCraft（Nature 2025）平均 46.3%，范围 10–100%。

• 生产环境要打折：CRO 实践反馈，真实项目中未经过滤的 RFdiffusion/BindCraft 输出，湿实验命中率只有论文数字的一小部分，要靠激进的可开发性过滤才能补回来。命中率从 <1% 提到几十个百分点，真正的杠杆不是模型变大，而是"设计→合成→测量→反馈"这个湿实验闭环。

• 基因组尺度：用 Evo 1/Evo 2 生成噬菌体全基因组（bioRxiv 2025-09，后发 Science），筛选约 300 个设计，得到 16 个有活性的噬菌体，成功率约 5%；其中部分在生长竞争和裂解动力学上超过天然 ΦX174，鸡尾酒组合能快速击穿三株 E. coli 的抗性。这是"全基因组生成"的第一个成功率锚点。

• RNA 明显落后于蛋白：CASP16 里 RNA 单体赛道上，深度学习（AlphaFold3、DeepFoldRNA）要和模板、物理模型、专家人工精修混合使用才进前列——纯端到端还不够；混合队 GuangzhouRNA-human 拿到 Z-score 第二。EnsembleFold 在 19 个系综靶点上平均 TM-score 0.657，比 AlphaFold3 基线好 10.2%（TM-score 0.657 在蛋白领域只能算中等）。

• 推荐指标：湿实验命中率（每设计多少条测多少条）、亲和力 Kd 分布、可开发性通过率；结构类用 TM-score / RMSD / DockQ；预筛类用 pLDDT、ipTM 等自评分与实际成功率的相关性（已有 2025 研究专门评估 AlphaFold/ESMFold/ProteinMPNN 的零样本预测能力，结论是有用但远非充分）。

与 AI 的关系：本身就是 AI；反向关系是"结构预测器作为设计模型的 reward"——这是目前最成熟的"AI 用仿真器训 AI"，例如 ProteinZero 这类用在线 RL 自我改进的工作。

2.3 分子动力学与药物结合自由能

代表

• 经典 MD：GROMACS、AMBER、OpenMM，力场 + 数值积分，模拟纳秒到毫秒。

• FEP+（Schrödinger）/ OpenFE：炼金术自由能微扰，算结合亲和力，是计算药化的现役主力。

• BioEmu（Microsoft Research, Science 2025）：生成式深度学习直接采样蛋白平衡系综，单 GPU 每小时生成数千个统计独立结构，集成了 200+ 毫秒 MD 数据训练。

sim2real gap：有一个公认的"1 kcal/mol 门槛"

• BioEmu 对毫秒级 MD 和实验数据的相对自由能误差 < 1 kcal/mol，加速 4–5 个数量级；小蛋白折叠稳定性以及突变体 ΔΔG 的相关系数 > 0.6。注意这是"对 MD"和"对实验"的混合评估——典型的第二代模拟器 gap。

• FEP 的真实 gap 有一个很漂亮的对照实验（OpenFE 2025 大规模协作评估）：公开数据集 58 个体系，加权 RMSE 1.73 kcal/mol（10 个达到亚 kcal）；私有药企数据集 37 个体系，加权 RMSE 2.44 kcal/mol（只有 2 个达到亚 kcal）。 同一套方法，真实项目难度下精度掉 40%。这是全文最值得记住的一个数字对。

• 推荐指标：ΔΔG 的 RMSE（kcal/mol）、Spearman/Kendall 排序相关（做先导优化时排序比绝对值重要）、前瞻性命中富集倍数。

2.4 材料

代表

• 第一代：DFT（VASP / Quantum ESPRESSO），PBE 泛函是事实标准。

• 第二代（MLIP，通用原子间势）：MACE-MP、MatterSim、Orb、SevenNet、Meta UMA、EPFL PET-OAM-XL。评测场是 Matbench Discovery（稳定性判别、几何优化、声子、热导 κ、MD、双原子势能曲线多榜单）。OMat24 训练的模型在稳定性 F1 上已 >0.9，形成能精度约 20 meV/atom（对 DFT 而言）。

• 生成式：GNoME（DeepMind，220 万个预测稳定晶体 ⓚ）、MatterGen（Microsoft, Nature 2025）。

• 自动化实验：A-Lab（LBNL），17 天无人值守从 58 个目标合成出 41 个（约 71%）。

sim2real gap：这是"两层 gap 叠加"的教科书案例

• 第二层（MLIP vs DFT）已经很小：F1 > 0.9、20 meV/atom。

• 第一层（DFT vs 实验）才是天花板：PBE 形成能与更高级方法的偏差在 0.15 eV/atom 量级；带隙是重灾区——LDA/PBE 的 MAE > 1 eV、MAPE 约 50%（某些基准上 PBE 对 70 个绝缘体 MAD 1.28 eV，PBEsol 对 121 个材料 MAE 1.35 eV）；HSE06/mBJ 能压到 0.28–0.30 eV。所以一个 MLIP 哪怕把 DFT 学到 1 meV，也无法修正 DFT 自己的 1 eV 带隙错误。 这是 AI 材料领域最容易被掩盖的事实。

• 第三层（设计 → 合成）：MatterGen 以 200 GPa 体模量为条件生成 TaCr₂O₆ 并合成成功，实测 169 GPa，相对误差 <20%；但结构存在 Ta/Cr 组分无序，而且外界质疑该化合物早在 1972 年就有报道、属于训练集覆盖范围。A-Lab 的 41/58 也被同行质疑 XRD 相鉴定的严谨性 ⓚ。

• 注：XRD 不是仿真器，而是 L3 层的"真值获取"工具——把合成产物打 X 射线衍射，看峰位/强度能否对上目标结构。其中"由候选晶体结构算理论衍射谱"（布拉格定律 + 结构因子、Rietveld 精修）是一步确定性物理计算，但它是分析工具，不是被 AI 替代或拿来训练的对象。XRD 相鉴定的假阳性（多相混合、组分无序被误判为目标相）是"合成成功率"这一 L3 指标最主要的误差来源之一。"可合成性"和"新颖性"这两件事，现有仿真基本不管。

• 推荐指标：能量/力/应力的 MAE（对 DFT）；稳定性判别 F1、发现精度（对 DFT 凸包）；κ_SRME 等物性指标；对实验要看合成成功率、目标物性的相对误差、以及"是不是真的新化合物"。

2.5 化学与量子化学

代表

• 第一代：ORCA、Gaussian、PySCF。

• OMol25（Meta，2025-05）：超过 1 亿条高精度 DFT 计算（ORCA，ωB97M-V/def2-TZVPD），覆盖生物分子、金属配合物、电解质，耗费 60 亿+ 超算核时；配套 UMA（在 300 亿原子上训练，用 Mixture of Linear Experts 同时吃多套不同 DFT 设定的数据）。

• 反应/合成侧：逆合成规划、自驱动实验室（self-driving lab）。

• ether0（FutureHouse）：24B 化学推理模型，GRPO + 可验证奖励，64 万道题、375 类任务；在分子设计和推理上超过通用 LLM、专用化学模型甚至人类专家（开放式问题上优势最明显）。

sim2real gap

• 量子化学在小分子能量上是精度最高的学科之一（金标准 CCSD(T) 可到化学精度 1 kcal/mol ⓚ），但一到凝聚相、溶剂、反应动力学、产率就急剧退化。

• 合成产率几乎无法从第一性原理预测，这是自驱动实验室存在的根本原因。

• 推荐指标：能量 MAE（kcal/mol）、力 MAE、反应能垒误差；实验侧看预测产率的 MAE、逆合成路线的实验可执行率。

2.6 天气与气候

代表：ECMWF IFS（第一代）；GraphCast、GenCast（扩散，概率预报，在 96% 以上的目标上优于 ECMWF ENS）、WeatherNext 3（2026-08，FGN mesh transformer，直接同化卫星原始观测，0.05° 站点 / 0.1° 地面 / 0.25° 气压层，逐小时起报）、微软 Aurora、NeuralGCM（混合可微动力核）。

sim2real gap：这个领域给了全文最干净的"基准夸大"证据

• AI 天气模型基本都以 ERA5 再分析为训练和评测基准。而 ERA5 本身就是模式产物。南亚季风的观测对比研究发现：AI 模型对真实气象站观测的 MAE，比对 ERA5 的 MAE 高 15–45%（所有变量，含降水）。结论是"以再分析为中心的标准基准会系统性高估业务技巧"。

• WeatherNext 3 的应对就是直接吃原始观测，这是趋势信号。

• 推荐指标：RMSE / ACC（确定性）、CRPS、ensemble spread-skill ratio、Brier score（概率）；极端事件另算；并且必须报告"对观测"而不只是"对再分析"的分数。WeatherBench 2 是标准场地 ⓚ。

2.7 流体与工程 CFD

代表：OpenFOAM、Ansys Fluent（第一代，RANS/LES/DNS）；神经算子 FNO、NVIDIA PhysicsNeMo；数据基建 The Well（PolymathicAI，15 TB、16 个物理域，从生物系统、流体、声散射到磁流体和超新星，统一 PyTorch API + 预训练基线）；汽车气动专用基准 CarBench（2025）。

sim2real gap

• 第一代自身的 gap 主要来自湍流模型和边界条件：AIAA 阻力预测研讨会（DPW）系列的结论是：巡航点、无分离流时，RANS 算设计方案之间的增量尚可接受；一旦有大面积湍流分离或偏离设计点，各家结果散布明显，甚至出现风洞里不存在的分离泡。LES/DNS 更准，但贵到工业上跑不起。

• 第二代（神经代理）比 CFD 快约 1000 倍，但它的老师是 CFD，误差是叠加的：surrogate 误差 + 湍流模型误差。

• 推荐指标：场量的相对 L2 误差、能谱保真度、长程 rollout 稳定性（这是神经 PDE 求解器的主要死法）、守恒量漂移；对实物看阻力/升力系数与风洞的偏差。

2.8 聚变与等离子体

代表：自由边界平衡演化模型（TCV 用的 FGE）、回旋动理学（GENE/GX）、TORAX（DeepMind 的 JAX 可微输运求解器，可反传、可做 RL）ⓚ。

sim2real gap：这是"仿真训练直接上真机"的最佳范例

• DeepMind × 瑞士等离子体中心（Nature 2022）：RL 策略只在仿真器里训练，然后 zero-shot 直接跑在 TCV 托卡马克真机上，成功控制拉长形位形、负三角形位形、"雪花"位形，还维持了两团等离子体同时存在的 droplet 形态。后续工作（2023）把形状精度提升到 65%、等离子体电流长期偏差显著下降、新任务训练时间缩短 3 倍以上。

• 能 zero-shot 成功的原因是：电磁+平衡方程是强物理先验，状态可观测，控制频率高（kHz），而且失败代价可控。这些条件生物学一条都不满足。

• 推荐指标：形状误差（cm）、电流跟踪误差、放电存活率、真机首次尝试成功率。

2.9 粒子物理与宇宙学

• Geant4 是粒子穿过探测器的第一性原理蒙特卡洛，LHC 整个物理分析都建立在它之上；数据/MC 差异通过"scale factor"校正，通常在百分之几量级 ⓚ。它的问题不是精度而是贵：量能器模拟是最耗时的部分。于是有了 CaloChallenge 2022：30+ 个生成模型参赛，扩散/transformer 类保真度高但慢，GAN/VAE 快但差；CaloDiT-2 已能在常用物理可观测量上与 Geant4 良好吻合。这是"用仿真数据训 AI 去替代仿真"的最纯粹形态。

• 宇宙学：IllustrisTNG / SIMBA / ASTRID / EAGLE 这些流体模拟用的亚格子物理各不相同，本身就是"对现实的不同近似"。CAMELS 项目干脆把这件事做成方法论：在 TNG 上训练、在 SIMBA 上测试，用跨模拟器泛化来度量 sim2real 风险；MIEST 之类估计器专门做"抹掉模拟器指纹"的表征学习。这套"跨模拟器留一法"是全文最值得被别的学科抄走的评测范式。

2.10 神经科学

代表

• 小鼠视皮层数字孪生（MICrONS，Nature 2025）：在多只小鼠看自然视频的大规模钙成像上训练基础模型，能预测对全新刺激域（相干运动点、噪声）的神经元响应，并已在体内验证；还能预测细胞类型、树突特征和连接关系。配套的电镜重建有 20 万+ 细胞、5 亿突触。

• 果蝇：FlyWire 全脑连接组（约 13.9 万神经元）+ NeuroMechFly v2 / flybody（87 关节、基于 X 射线断层扫描的 3D 身体，跑在 MuJoCo 上）；Nature 2025 的 flybody 做了全身物理仿真的运动控制；2026 年出现 FlyGM 等"连接组图模型驱动全身运动"的工作。

• 线虫有 BAAIWorm ⓚ；Blue Brain 项目 2024 年结束 ⓚ。

sim2real gap

• 感觉编码这层已经相当准（数字孪生对新刺激的响应预测在体内被验证）；但行为、学习、跨脑区闭环这层还很远。

• ⚠️ 这个领域最近有"病毒式演示"污染问题（比如"果蝇在玩 Beat Saber"这类视频），需要看是不是真的连接组约束下的闭环。

• 推荐指标：单试次响应的相关系数 / 可解释方差、对分布外刺激的泛化（关键）、预测的连接关系与电镜真值的一致性；行为侧看运动学与真实果蝇步态的统计吻合。

2.11 医学与生理：最被低估的成功案例

• UVA/Padova 1 型糖尿病模拟器：2008 年被 FDA 接受，作为人工胰腺控制器临床前设计与安全测试中动物试验的替代品。 从那以后，为设计人工胰腺算法而做的动物实验几乎绝迹。模拟器含 300 个虚拟受试者（100 成人 / 100 青少年 / 100 儿童）。到 2023 年，在它上面开发的算法已有 6 个进入临床使用：Medtronic 670G/770G、780G、CamAPS FX、Diabeloop、Tandem Control-IQ、Insulet Omnipod 5。这是"仿真环境直接产出被监管接受的真实产品"的最强先例，而且它是一个手工建的 ODE 模型，不是深度学习。

• 监管框架：FDA 已发布计算建模可信度评估的最终指南，基于 ASME V&V 40，定义了 8 类可信度证据（台架验证、体内验证、群体验证等）。已知局限是 V&V40 假定只有一个验证对照物、语言偏向台架试验，对 in silico 临床试验不完全适配。

• 心脏方向：虚拟病人队列 + 从 ECG 反推激活/复极序列的数字孪生，用于器械开发。

• 推荐指标：虚拟队列与真实队列在终点上的分布重合度、CoU（context of use）下的 V&V40 可信度等级、以及最硬的——监管是否接受。

2.12 机器人与具身（已有专门追踪，此处从简）

• 第一代：MuJoCo（接触金标准）、Isaac Sim、Genesis、SAPIEN；第三代：视频世界模型（Cosmos、SC3-Eval、WorldEval）。

• sim2real gap 的度量方式与别的学科不同，主要是排序保真度：SIMPLER 用 1500+ 组"仿真-真机配对评测"证明可以做到较强相关，关键指标是 Pearson r 与 MMRV（mean minimum rank violation，最小排序违背率）——因为当几个策略真机成绩接近时，r 会失真，真正要问的是"模拟器有没有排错序"。

• 已有结论：纯物理仿真基准与真机的相关性偏弱（r 约 0.4），视频世界模型评测可达 0.9+；真机绝对成功率普遍只有 ~44%，与仿真虚高形成反差。

2.13 数学：验证层 gap≈0 的对照组（但内核会有 bug）

Lean 4 / Isabelle 严格说不是"仿真"，而是真值本身——内核检查通过就是证明成立，验证这一步不存在近似。这正是为什么 AlphaProof、DeepSeek-Prover-V2、Leanabell-Prover-V2 这条线进展最快：可验证奖励无限量、零噪声、零成本。2026 年的新方向是把 Lean 的 REPL 接进 RL 训练做稠密的、tactic 级的信用分配，而不只是最终结果奖励。

Lean 的元理论（它凭什么是真值）

• 基础是依值类型论，具体是归纳构造演算（CIC）的一个变体。按 Curry-Howard 对应，命题即类型、证明即项，"检查证明"就等于"类型检查"。

• 宇宙层级：Prop（非直谓、证明无关：同一命题的任意两个证明定义上相等）⊂ Type 0 ⊂ Type 1 ⊂ …，支持宇宙多态。

• 归纳类型（含互递归、嵌套）由内核自动生成递推子（recursor）。结构递归和良基递归由前端编译成递推子，所以内核里没有终止性检查器。Coq 的 guard checker 历史上出过多次漏洞，Lean 在设计上避开了这一类问题。

• 类型论之外只加三条公理：propext（命题外延）、Quot.sound（商类型，函数外延性由它导出）、Classical.choice（选择公理，排中律由 Diaconescu 定理导出）。所以 Mathlib 是经典数学。

• 一致性：Carneiro（2019，The Type Theory of Lean）构造了集合论模型，证明 Lean 相对 ZFC + 可数个不可达基数一致 ⓚ。也就是说，信任 Lean ≈ 信任略强于 ZFC 的集合论。按哥德尔第二不完备定理，这已经是能做到的最好结果。

• 已知的理论瑕疵：定义相等不传递、类型检查理论上不可判定、subject reduction 不成立 ⓚ。这些影响完备性（内核可能拒绝本应接受的证明），不影响可靠性（它接受的东西都是对的）。

信任链上真正出过事的地方（按可信度从高到低） | 层 | 会不会错 | 历史 | |---|---|---| | 元理论 | 无法自证一致，相对 ZFC+不可达基数一致 | 从未发现漏洞 | | 内核实现（几千行 C++） | 会，普通软件 bug | 2026-07 #14576：AI 辅助生成的 Collatz"证伪"利用嵌套归纳类型幽灵参数漏检证出 False，1 小时修复；独立内核 nanoda（另有 bug）和 Lean4Lean（同 bug）都没拦住；随后 OpenAI Selsam 用 AI 审计又挖出多处，均可被 nanoda 捕获 | | native_decide/reduceBool | 会，信任未验证的编译器 | 2023 年 Carneiro 用随机 IO 构造矛盾；修复为显式公理 trustCompiler，可被 #print axioms 看见 | | 前端 elaborator/tactic | 常有 bug，但内核会复查，基本无害 | — | | 形式化 gap | 最常见：Lean 命题≠想证的数学命题 | 基准集中多次发现形式化错题 |

其他证明器同样如此：Rocq（Coq）专门维护 critical-bugs.md，记录多个能证出 False 的历史漏洞（Set+1 类型计算、native_compute 常量名冲突、guard checker 等）。表达力越强，内核越大，可被攻击的面也越大：HOL Light 的内核只有几百行 ⓚ，Lean 和 Rocq 的内核要大得多。

对 RL 环境的含义：RL 极擅长找后门，内核的可靠性已经是 AI 安全基础设施问题。 工程纪律：

• 禁用 native_decide、自定义 axiom 和直接的元编程声明，用 #print axioms 做白名单；

• 证明通过后，再用至少一个独立内核（如 nanoda、lean4checker）复核；

• "证出"著名猜想或反常结论时，默认先当 bug 处理。

长期方向是经过验证的验证器：Lean4Lean 在 Lean 里形式化 Lean 的类型检查器；Rocq 有 MetaCoq，HOL Light 有基于 CakeML 的 Candle ⓚ。

这条对照组解释了整篇报告的结构性规律：一个领域的 AI 进展速度，与它的 reward 可验证性成正比，与它的 sim2real gap 成反比。

3sim2real gap 横向对比与指标体系

3.1 三层 gap 必须分开报

3.2 各领域 gap 现状打分

3.3 四条通用的评测纪律（来自本次调研的横向教训）

1. 永远先打朴素基线。 虚拟细胞领域的"取均值/线性加性"基线，已经淘汰了一批基础模型。任何号称 SOTA 的科学模型，先问"比取平均好多少"。

2. 对着真实观测评，不要对着模拟产物评。 天气的 15–45% 差距就是代价。

3. 公开基准和私有/真实任务要分开报。 FEP 的 1.73 vs 2.44 是最干净的例子。

4. 跨模拟器留一验证。 CAMELS 的做法（TNG 训练 → SIMBA 测试）应该成为所有依赖模拟数据训练的领域的标配。

5. 单指标必被 overfit。VCC 2025 的教训写在官方复盘里："窄的评分面会诱导对指标而非对生物学的优化。"

4与 AI 的关系：五种形态，成熟度递减

形态一：仿真产数据训 AI（最成熟，已工业化）

• OMat24 / OMol25 → MLIP：OMol25 有 1 亿+ DFT 计算、烧掉 60 亿+ 超算核时，UMA 在 300 亿原子上训练。这是"用超算把物理定律蒸馏进神经网络"。

• ERA5/HRES → GraphCast/WeatherNext；200 毫秒 MD → BioEmu；Geant4 → CaloDiT；The Well 15 TB → 神经 PDE 求解器。

• 共同模式：第一代模拟器变成了数据工厂，AI 拿走 10³–10⁵ 倍的加速。

形态二：AI 替代仿真（进行中）

关键判据是"替代之后误差有没有超过原模拟器对真实的误差"。在天气领域已经越过（AI 比 IFS 准），在材料 MLIP 领域越过了对 DFT 的需求但没越过 DFT 自身的天花板，在 CFD 领域还没。

形态三：仿真作 RL 环境训控制策略（已有真实成功）

• TCV 托卡马克：仿真训练 → zero-shot 真机。

• UVA/Padova T1D：仿真训练 → FDA 认可 → 6 个上市产品。

• 机器人：Isaac/MuJoCo 大规模域随机化，但排序保真度仍是瓶颈。

• 共性：状态可观测、物理先验强、动作频率高、失败可回滚。 这三个成功案例都是控制问题，不是发现问题。

形态四：仿真/预测器作 LLM agent 的工具与 reward（2025–2026 主战场）

• ether0：RDKit 等确定性化学检查器当 verifier，GRPO 训练，64 万题 / 375 任务。

• Lean：近零噪声 verifier，tactic 级稠密奖励。但 2026-07 的 #14576 事件证明 RL/AI 会主动利用内核 bug，所以需要多内核复核。

• 虚拟细胞 agent：BioDiscoveryAgent、CellScientist、VCWorld、AssayBench。

• 结构预测器作 binder 设计的 reward（ProteinZero 等在线 RL）。

• ⚠️ 这一形态的通病是 reward hacking：verifier 越弱，agent 越会去钻空子（这在代码 RL 环境里已被量化——SWE-bench Verified 抽样中 28.5% 的任务测试弱到错误 patch 也能过；科学 verifier 只会更弱）。

形态五：把大自然当 RL 环境（最贵，也是 2026 年的资本共识）

• Periodic Labs：自建物理实验室，模型先在逐级提高保真度的模拟器里试，再上真实实验；reward 来自实验结果本身。原话逻辑是："ChatGPT 对人类偏好奖励模型做优化，Periodic 对实验做优化。"

• Lila Sciences：生命/化学/材料的自主实验室平台，假设-实验-学习闭环。

• OpenAI 已在和药企做闭环实验（GPT-5 自主迭代协议）；DeepMind 2026 年开自动化材料实验室；Anthropic 走的是企业工具路线（Claude for Life Sciences，接 Benchling / 10x / PubMed）。

• 经济学硬约束（SemiAnalysis 总结）：一次生物实验成本数百到数千美元、耗时数小时，而一个代码任务的判分近乎免费。单位美元的数据回报低好几个数量级，加上生物实验 rollout 长、奖励稀疏、文献本身自相矛盾。业界的缓解手段是 step-level rubric 奖励（奖励过程而非只奖结果）和 in-flight 权重更新（同样时间里迭代约 2 倍）。目前科学领域的奖励仍以人工评分为主。

一句话判断

仿真环境对 AI 的价值，取决于它离"可验证奖励"有多近。Lean 最近（验证层 gap≈0，需防内核后门），控制类仿真其次（gap 小且可 zero-shot），材料和分子居中（gap 已知、可校正），虚拟细胞最远（gap 未知、基线都没打过）——所以最有钱的玩家选择绕过仿真，直接买真实实验当 reward。

5对 AI4S 平台与创业者的几条启示

1. 要做"科学 RL 环境"产品，优先级应该按 verifier 强度排，而不是按学科热度排。 强 verifier 的洼地：形式化数学、量子化学的确定性检查、晶体结构有效性、逆合成路线的可执行性、生信 pipeline 的可复现性。虚拟细胞现在做 reward 太早。

2. 卖"跨模拟器/跨基线评测"本身就是产品。 CAMELS 式的留一验证、VCC 的均值基线归一化、SIMPLER 的 MMRV——这套评测纪律在大多数学科里是缺位的，而缺位的地方就是信任缺口。

3. L2 冒充 L1 是这个行业最普遍的营销话术。 任何合作方给出"我们比 DFT/MD 准"的说法，都要追问对照物是模拟器还是实验。

4. T1D 模拟器是最值得研究的商业先例：一个手工 ODE 模型，因为拿到监管认可，垄断了一个赛道近 20 年、催生 6 个上市产品。监管接受度的护城河远比模型精度深。

附录 A一代仿真软件的产业格局（开源 vs 商业、公司、市值与利润）

结论

1. 两个世界：工程仿真（CFD/有限元/多物理）高度商业化、寡头化，营业利润率 30–46%；科学仿真（DFT/MD/NWP/Geant4/MuJoCo）以开源和学术软件为主，靠政府、国际组织或大厂补贴。唯一上市的纯科学计算公司 Schrödinger 市值约 $2B，且长期亏损。

2. 2024–2026 年工程仿真被 EDA 巨头和西门子并购，合计约 $50B：Synopsys 收购 Ansys（约 $35B），Cadence 收购 BETA CAE 和 Hexagon 的 MSC（约 €2.7B），西门子收购 Altair（约 $10B）。

A.1 按领域：开源还是商业，谁在支持

机器人仿真器开源不是因为没价值，而是价值被 NVIDIA（卖 GPU）和 Google（生态）拿走了。

A.2 公司市值与利润（2026-09）

市场规模：CAE 2025 年约 $12–13B，前五家占 50–55%；量子化学软件 2024 年约 $0.62B，相差约 20 倍。

A.3 四个判断

1. 钱在工程，不在科学。 航空、汽车、芯片的产品认证流程绑定特定软件，切换成本极高；科学仿真的用户要可公开、可复现的代码，天然倾向开源。

2. EDA 吞并仿真是为了"从芯片到系统"。 AI 芯片的先进封装、散热、电磁、信号完整性都需要多物理仿真。Ansys 约 $35B 的价格说明，成熟工程仿真的定价在营收 10 倍以上。

3. Schrödinger 是反面教材。 科学计算软件卖给药企，软件年营收约 $200M 就碰到天花板，只能靠自研药物管线讲故事，长期亏损。卖科学仿真软件本身很难成为大生意。

4. 对第二代 AI 仿真器的含义。 工程领域，AI 代理模型冲击高利润在位者，但后者已在自集成 AI（Ansys SimAI、PhysicsNeMo 合作），且握有认证壁垒。科学领域，AI 模型（UMA、MACE、GraphCast）大多也开源，软件本身不值钱，价值在数据、算力和湿实验验证。

附录 B二代与三代的市场格局（公司、融资估值、收入）

结论

1. 私募估值远高于公开市场定价。 一级市场头部估值：Isomorphic（媒体报道 $15–20B）、Lila（$8.5B 投前，谈判中）、Periodic Labs（$7.5B，谈判中）、CuspAI（$2.6B）、PhysicsX（$2.4B）。已上市的 AI 制药/AI4S 公司（Recursion 约 $1.8B、Schrödinger 约 $2.2B、晶泰约 300 亿港元量级）都停在几十亿美元，而且大多亏损。

2. 几乎没有公司靠"卖模型"赚钱。 二代公司卖给工程和能源客户（与 Ansys 同一批买家）；三代公司要么自研管线（Isomorphic、Xaira、Recursion），要么做数据工厂（Tahoe），要么是非营利机构开源模型（Arc、Biohub）。EvolutionaryScale（ESM3）2025-11 被非营利的 Biohub 收购，说明"独立卖蛋白质模型"这门生意没跑通。

3. 最大的钱流向了"真实实验室当 RL 环境"（Lila、Periodic Labs），与正文 §4 形态五的判断一致。

4. 大厂的角色是平台而非卖软件：NVIDIA（Earth-2、PhysicsNeMo、BioNeMo、Cosmos、ALCHEMI）靠 GPU 变现，NVentures 还投了 Lila、Luminary、Orbital；Google DeepMind（WeatherNext、AlphaFold/Isomorphic）、Microsoft（MatterGen、MatterSim、Aurora、BioEmu）、Meta（UMA，开源）都没有单独披露这部分收入。

B.0 二代 vs 三代：区别、代表与资本画像

混合型：NeuralGCM（物理内核 + 学习模块）、BioEmu（MD + 实验数据）、WeatherNext 3（开始直接吃观测数据）。横跨两代的 Lila（投前 $8.5B）和 Periodic Labs（$7.5B）用二代模型在模拟器里预筛、用真实实验当训练信号，是估值涨得最快的一类。

B.1 第二代：AI 仿真器 / 代理模型公司

B.2 第三代：数据驱动世界模型公司

B.3 横跨两代：把真实实验室当环境

B.4 二代代表模型背后的机构：成立时间、估值、收入

要点

1. 这 10 个代表模型里，8 个出自大厂实验室或大学，只有 Orb 背后是独立创业公司（外加 Aurora 团队出走创立的 Silurian）。

2. 模型本身几乎没有直接收入：大多开源，大厂的变现方式是带动云用量（Azure、Google Cloud）、GPU 销量（NVIDIA）或增强自家消费产品（Google 搜索和地图天气、MSN 天气）。相对母公司 $2000–4000 亿的年收入，这部分无法、也没有被单独披露。

3. 真正把二代模型当生意做的是下游公司：PhysicsX、CuspAI、Neural Concept、深势科技等，它们常常直接基于这些开源模型再做行业化，赚的是行业交付和数据的钱。

4. 这意味着二代的"模型层"已被大厂开源免费化，护城河只能建在行业数据、工作流集成和客户交付上。

B.5 判断

1. 二代的估值锚是 CAE 市场：PhysicsX $2.4B 对应 Ansys 年收入约 $3B，赌的是"AI 代理模型吃掉一部分传统仿真预算"。风险在于在位者自带 AI，且握有认证壁垒。

2. 三代的估值锚是药物管线，不是模型：Isomorphic、Xaira 的估值来自对未来药物的期权；公开市场对 Recursion、晶泰这类"AI 平台 + 管线"公司只给 $2–4B，且收入依赖少数合作大单，波动剧烈（晶泰 2025 年爆发、2026 H1 回落）。

3. 一级市场正在给"数据 + 真实验证"定最高价：Lila、Periodic 半年内估值涨 5–6 倍，而纯模型公司（EvolutionaryScale）被收编。这和正文结论一致：仿真 gap 越大的领域，价值越往数据和湿实验端迁移。

附录 C二代为何被采用、开源格局、市场规模与降低一代 gap 的新方法

C.1 高校和企业为什么用二代而不是一代

核心原因：在精度"够用"的前提下，二代把计算成本降了 3–5 个数量级，很多原来做不了的研究变得可以做。 但实际做法不是替换一代，而是把两者串起来用。

1. 快 10³–10⁵ 倍，研究尺度直接变了。

   • 材料/化学：DFT 算一个结构要几分钟到几小时，通用原子势（MACE、UMA 等）是毫秒级，精度接近 DFT。以前 DFT 分子动力学只能跑几百个原子、几十皮秒，现在能跑几万到几百万原子、纳秒级；界面、缺陷、电解液、催化剂表面这类必须够大够久的体系才算得动。
   • 天气：GraphCast 在一台 TPU v4 上不到 1 分钟出 10 天预报；ECMWF 的 HRES 要在超算上跑约 1 小时。
   • 蛋白：BioEmu 单 GPU 每小时生成几千个独立构象，原来要跑毫秒级 MD 才能看到的隐藏口袋等构象变化，现在几小时就能拿到。

2. 能做大规模筛选。 一代只能算"已经想好的几个候选"；二代可以先扫百万级，再挑少数交给 DFT 或实验。GNoME 预测 220 万个晶体结构，其中 38 万个预测稳定，就是这个模式。

3. 概率预报和不确定性变便宜。 集合预报原来要把整个物理模式跑几十遍；GenCast 一类模型一次采几十上百个成员。

4. 可微分，能接进优化和 AI 流程。 可以做反向设计、接进 RL 当奖励或约束、被 LLM agent 调用；一代的 Fortran/C 老代码很难改成可微分。

5. 门槛低。 硬件：一块 GPU 即可，不用排队申请超算机时。许可证：VASP 按课题组收费、Gaussian 年维护费 $1.2 万、商业 CAE 按席位收年费，而 MACE-MP-0、MatterSim、Orb、BioEmu、PhysicsNeMo 都开源免费。人：一代软件要懂泛函选择、收敛参数、网格划分的专家，二代基本 pip install 加几行 Python。

6. 企业看重迭代速度。 设计循环从"改一版等一晚 CFD"变成"几秒出结果"，一天能试几百个方案。

为什么一代没被淘汰：标准做法是三级漏斗。

二代大规模粗筛（百万级候选，快、便宜）→ 留下前 1% → 一代精算验证（DFT / MD / CFD，贵但可信）→ 留下最有希望的几个 → 实验 / 风洞 / 临床做最终裁判

• 二代的训练数据就是一代算的，精度上限是一代；遇到新化学体系还得回去跑 DFT/CFD。

• 分布外不可信：没见过的元素组合、极端条件、没见过的流态，二代可能给出看似合理的错误结果。

• 认证：航空、汽车、核电、医疗器械的认证流程认的是一代商业软件加验证记录。

C.2 二代模型：开源还是闭源

"开源"要分四档，而且各家效果最好的业务版往往不开源。许可证均已在 GitHub/Hugging Face 核对。

规律：

1. 同一家公司，研究版开源、业务版闭源。 Google 的 GraphCast、GenCast 开放权重但禁止商用；业务上跑的 WeatherNext 2/3 只卖数据和服务。

2. 开源策略对应商业模式。 微软最开放（靠 Azure 和 Foundry 变现）；NVIDIA 开源（靠 GPU）；Meta 开放但要申请（无云业务要保护）；Google 研究版开放、业务版闭源；创业公司闭源（模型即产品）；Orbital 是例外（开源建影响力，靠工业硬件赚钱）。

3. 许可证对企业比对高校重要。 高校基本不受限；企业商用只能选 ①、② 档，或买 ④ 档服务。同一个 MACE 家族，早期 MP-0 系列可商用，后来基于 OMAT/OMOL 等更大数据训练的新模型反而改成了学术许可。天气方向，AIFS（CC BY 4.0）和 Aurora（MIT）是少数"业务级精度 + 可商用"的选择。

C.3 市场规模：一代约 $120–150 亿/年，二代实际收入约 $10–20 亿

一代

二代

对照：2025–26 年流入二代公司的风险投资合计约 $15 亿以上（CuspAI $4.5 亿、PhysicsX 约 $4.5 亿、Tomorrow.io $2.1 亿、Genesis AI $1.05 亿、Neural Concept $1 亿、Luminary $0.72 亿、Orbital $0.5 亿……）。每年的融资额和整个细分的年收入差不多大，处在资本抢跑、收入没跟上的阶段。

C.4 sim2real 精度：一代 vs 二代

（L1 = 仿真对真实实验；L2 = AI 模型对它所学的模拟器）

规律：二代精度上限是一代，唯一例外是天气。要真正降低 sim2real 误差，必须改一代自己。

C.5 近几年降低一代 gap 的方法

主线两条：用 AI 修正物理近似；直接从观测和实验学。

1. 用 AI 把更高级的理论变便宜。

   • Skala（微软，arXiv 2506.14665，v6 2026-04）：深度学习拟合的交换关联泛函，成本保持半局域泛函水平，小分子原子化能达到化学精度，GMTKN55 误差 2.8 kcal/mol，超过主流杂化泛函。目前覆盖主族分子，过渡金属和周期性体系在后续计划中。MIT 开源。
   • DM21（DeepMind，Science 2021）：在分数电荷体系上训练的神经网络泛函，修正电荷离域等系统误差（外界对其在分数电荷体系上的效果有质疑）。
   • 神经网络波函数：FermiNet、Psiformer，直接从第一性原理解多电子薛定谔方程。
   • 训练数据升级：OMol25 用 ωB97M-V/def2-TZVPD，明显高于材料界惯用的 PBE。

2. 跳过模拟器，直接从观测学。

   • Aardvark Weather（Nature 2025）：首个端到端纯数据驱动天气系统，从原始观测直接出预报，不依赖数值预报；观测量少一个数量级、算力少几个数量级，多个变量 RMSE 低于业务数值预报基线。
   • WeatherNext 3（2026-08）：直接同化原始卫星观测。
   • DiffTRe（Nature Communications 2021）：用实验观测量（热力学、结构、力学性质）直接训练神经网络势，而不只是对齐 DFT。

3. 物理 + ML 混合，只替换最不准的那一块。

   • 湍流：ML 学 RANS 闭合项（张量基神经网络 TBNN 等）；ML 训练的 LES 壁面模型已在真实飞机构型上与参考数据吻合。
   • 气候：NeuralGCM 保留物理动力内核，用学习模块替代云、对流等参数化。
   • 分子力场：MACE-OFF 等 ML 力场替代固定电荷经典力场。

4. 校准与数字孪生。 机器人用系统辨识、域随机化、3D 高斯溅射 real-to-sim；粒子物理用束流测试数据调 Geant4 模型；天气和工程用数据同化持续注入观测。

5. 更高分辨率和算力。 欧盟 Destination Earth 的气候数字孪生首次业务化生产 5–10 km 全球多年代际预估；极端天气孪生全球 4.4 km、欧洲区域 500–750 m；2026 年夏季进入持续运行阶段。

趋势：一代和二代的边界正在消失。 Skala 本质上还是 DFT 泛函（一代），却是 AI 训练出来的；NeuralGCM 是一代物理内核加二代学习模块。方向正从"AI 替代物理"转向"AI 修正物理，再用真实数据校准"。

6参考来源

虚拟细胞

• Virtual Cell Challenge 2025 Wrap-Up: Winners and Reflections — Arc Institute

• The 2026 Virtual Cell Challenge — Arc Institute

• Arc Institute's first virtual cell model: State

• Tahoe × Arc × Biohub perturbation dataset partnership

• Benchmarking virtual cell models for in-the-wild perturbation response (arXiv 2604.27646)

• Signal, Bounds, and Baselines: Principles for Evaluating Virtual Cell Perturbation Models (bioRxiv)

• An operational perturbation proteomics-based virtual cell model (Nature 2026)

• BioDiscoveryAgent (ICLR 2024) · How to build the virtual cell with AI (Cell 2024)

蛋白/RNA/基因组

• One-shot design of functional protein binders with BindCraft (Nature 2025)

• Code to complex: AI-driven de novo binder design (Structure 2025)

• Why AI-Designed Binders Fail Wet Lab — Ranomics

• Generative design of bacteriophages with genome language models (Science) · bioRxiv 版

• Evo 2: One Year Later — Arc Institute

• Advancing Knotted Protein Design with ESM3 (bioRxiv 2026)

• Evaluating zero-shot prediction of protein design success by AlphaFold, ESMFold, ProteinMPNN

• Enhancing RNA 3D Structure Prediction in CASP16

分子动力学 / 自由能

• Scalable emulation of protein equilibrium ensembles with generative deep learning (Science, BioEmu)

• Large-scale collaborative assessment of binding free energy calculations using OpenFE (ChemRxiv 2025)

材料 / 化学

• Matbench Discovery (Nature Machine Intelligence 2025) · leaderboard repo

• A generative model for inorganic materials design — MatterGen (Nature 2025) · MSR blog · novelty dispute

• Many-body perturbation theory vs. DFT: band gap benchmark (npj Comput Mater 2025)

• UMA: A Family of Universal Models for Atoms (arXiv 2506.23971) · Meta FAIR OMol25 发布

• An autonomous laboratory for the accelerated synthesis of novel materials — A-Lab

• ether0: a scientific reasoning model for chemistry — FutureHouse

天气 / 流体 / 物理 / 宇宙学

• WeatherNext 3 (arXiv 2609.03582) · Google WeatherNext research & benchmarks

• MAUSAM: Observations-focused assessment of global AI weather models during the South Asian monsoon (arXiv 2509.01879)

• The Well: 15TB of physics simulations — PolymathicAI · arXiv 2412.00568

• Fast Calorimeter Simulation Challenge 2022 · A Generalisable Generative Model for Multi-Detector Calorimeter Simulation (arXiv 2509.07700)

• Toward Robustness across Cosmological Simulation Models TNG/SIMBA/Astrid/EAGLE (ApJ)

聚变 / 神经科学 / 医学 / 机器人 / 数学

• Magnetic control of tokamak plasmas through deep reinforcement learning (Nature 2022) · Towards practical RL for tokamak magnetic control (arXiv 2307.11546)

• Foundation model of neural activity predicts response to new stimulus types (Nature 2025) · Functional connectomics spanning multiple areas of mouse visual cortex (Nature 2025)

• Whole-Brain Connectomic Graph Model Enables Whole-Body Locomotion Control in Fruit Fly (arXiv 2602.17997) · Deconstructing viral fly sims — Patrick Mineault

• Developing the UVA/Padova Type 1 Diabetes Simulator (PMC)

• Credibility assessment of in silico clinical trials for medical devices (PLOS Comput Biol) · FDA final guidance on in silico model credibility

• SIMPLER: Evaluating Real-World Robot Manipulation Policies in Simulation · A Practical Recipe Towards Improving Sim-and-Real Correlation for VLA Evaluation (arXiv 2606.10366)

• Process-Verified Reinforcement Learning for Theorem Proving via Lean (arXiv 2606.20068)

• Postmortem for Kernel Soundness Bug #14576 — Leonardo de Moura · lean4 issue #14576

• soundness bug: native_decide leakage — Lean Zulip

• Lean4Lean: Verifying a Typechecker for Lean, in Lean · Rocq critical-bugs.md · Touring the MetaCoq Project

RL for Science 产业侧

• RL Environments and RL for Science — SemiAnalysis

• Periodic Labs business breakdown — Contrary Research · a16z: Investing in Periodic Labs

• Lila Sciences business breakdown — Contrary Research

附录 A：产业格局

• Synopsys Q3 FY2026 results · Synopsys completes $35B Ansys deal · Ansys FY2024 results · SNPS market cap

• Cadence FY2025 results · Cadence to buy Hexagon D&E · CDNS market cap

• Dassault Q4 2025 results · Dassault market cap

• Siemens completes Altair · Siemens Q4 FY2025 earnings

• Schrödinger FY2025 results · Schrödinger Q2 2026 · SDGR market cap

• CAE market (MarketsandMarkets) · Quantum-chemistry software market · MathWorks · Gaussian pricing

• OpenIFS open source (ECMWF 2026) · Isaac Lab · MuJoCo Warp

附录 B：二代/三代市场

• PhysicsX $300M Series C · PhysicsX (Tracxn) · Neural Concept $100M Series C · Luminary Cloud $72M Series B

• CuspAI $450M Series B · Orbital Industries $50M Series B (Fortune) · 深势科技 C 轮（量子位） · AI materials VC returns (PitchBook)

• Tomorrow.io Series F (SiliconANGLE) · WindBorne (TechCrunch) · Genesis AI $105M seed

• Isomorphic Labs $2.1B Series B · Forbes on Isomorphic · Chai Discovery $130M Series B (TechCrunch) · Xaira X-Cell

• Biohub acquires EvolutionaryScale · Tahoe $30M (Forbes)

• Recursion market cap · Recursion 10-Q (9M 2025) · 晶泰控股 2025 年度业绩 · 晶泰控股行情

• Lila Sciences $8.5B talks (Bloomberg) · Periodic Labs $7B talks (Bloomberg) · Periodic Labs $500M (Forbes)

• Orbital Industries $50M (Resilience Media) · Orbital Materials (Tracxn) · MACE (GitHub) · UMA paper

• WeatherNext 2 (Google blog) · Aurora next phase (Microsoft) · Aurora 1.5 · Silurian founders (GeekWire) · PhysicsNeMo

• Big tech market caps (Motley Fool, 2026-09) · Alphabet FY2025 · Meta FY2025 · Microsoft FY2026 Q4 · NVIDIA FY2026

附录 C

• 许可证核对：ACEsuit/mace（README 模型许可表） · mace-off README · microsoft/mattersim · orbital-materials/orb-models · microsoft/bioemu · microsoft/aurora · neuraloperator · NVIDIA/physicsnemo · google-research/neuralgcm · microsoft/skala · facebook/UMA · FAIR Chemistry models · GraphCast repo · ECMWF AIFS open weights · Pangu-Weather · FuXi · Aurora 1.5

• 市场规模：CAE market · Simulation software (Mordor) · Physics AI engineering simulation · Multi-physics surrogate AI · AI-based weather modelling · AI in materials discovery

• 精度与方法：GraphCast (DeepMind blog) · GNoME (DeepMind) · DPW-5 summary · DPW-6 summary · Geant4 validation with CMS test-beam data · Validation of Geant4 physics models (OSTI) · Skala (arXiv 2506.14665) · DM21 (Science 2021) · DM21 质疑 (phys.org) · FermiNet · Aardvark Weather (Nature 2025) · DiffTRe (Nat Commun 2021) · Data-augmented turbulence model · Destination Earth Climate DT · DestinE 2025

• 机构核对：Microsoft Research AI for Science · Open Catalyst Project launch · Meta AI (Wikipedia) · Google DeepMind (Wikipedia) · Meta market cap · PhysicsNeMo (PyPI)