AI4S进入真实科研任务，校院级平台化建设处起步阶段

从落地阶段看，高校科研机构AI4S应用已由早期概念验证逐步进入具体科研任务场景，但整体仍处于“局部深化、平台化不足”的发展阶段。当前应用主要集中于局部课题组，占比达34%，说明AI4S已在材料、生命科学、化学、计算科学等具体科研环节形成实际使用，但多仍以单点工具、单一团队或单一学科场景为主；多实验室/多学科拓展应用占比为27%，显示部分头部机构已开始推动AI4S能力跨团队、跨学科复用；而校级/院级平台化应用占比仅15%，反映当前建设瓶颈已从“是否尝试AI4S”转向“能否实现算力统筹、数据治理、工具集成、跨团队协同与持续运营”。分机构类型看，985/211高校成熟度相对均衡，具备较好的基础设施与跨学科组织条件；普通本科高校仍以工具尝试和课题探索为主；中科院/工程院及国家级科研院所则依托重大科研任务和交叉平台，在多实验室、多学科协同应用方面表现更突出。

2025年高校科研机构AI4S应用普及程度与落地阶段，来源：沙利文分析

市场规模持续扩张，云基础设施与平台解决方案双轮驱动

从市场规模看，2020—2024年市场规模由25亿元增至44亿元，年复合增速约15%；2025年预计达到51亿元，并于2030年增至107亿元，2025—2030年复合增速约16%。

从结构看，云基础设施仍是当前收入主盘。2025年高校科研机构AI4S云基础设施市场规模约34亿元，占比约三分之二，反映当前高校科研机构的核心需求仍集中在算力供给、云资源调度、模型训练环境和科研计算资源池建设。与此同时，AI4S平台解决方案规模预计由2025年的17亿元提升至2030年的35亿元，其价值延伸至科研数据管理、模型开发、仿真计算、智能体调用、实验流程编排和多学科协同等环节。

中国高校科研机构AI4S云市场规模，来源：沙利文分析

基础设施以公有云算力服务为主，统一资源编排成为建设重点

从建设现状看，高校科研机构AI4S基础设施呈现“院系/实验室自建集群、公有云服务、校级平台和第三方科研计算平台并行”的混合格局。从资源供给来源看，院系/实验室自建算力和公有云算力服务占比较高，一方面说明院系和实验室倾向于自建资源，以保障敏感数据、核心模型和长期科研任务的可控性；另一方面，公有云因具备弹性扩展、快速部署和峰值算力支撑能力，成为应对大模型训练、临时项目和高并发任务的重要补充。相比之下，外部公共资源虽已开始参与科研算力供给，但仍存在协同门槛。由此看，未来高校AI4S基础设施的建设重点不只是新增算力资源，而是建立能够统一接入院系自建、公有云、校级平台和区域算力的资源编排体系，实现不同来源算力的统一管理、任务分发、成本核算和安全治理。

高校科研机构AI4S基础设施建设现状，来源：沙利文分析

平台工具多路径并行，外部服务机会仍待释放

从建设模式看，高校科研机构AI4S平台工具基于开源框架自建占比最高，达到36%，说明科研团队仍高度依赖开源生态进行模型训练、数据处理和算法验证；与此同时，与企业或科研机构联合建设、采购商业科研平台/软件均占25%，表明高校在追求科研灵活性的同时，也开始引入企业级平台能力，以弥补开源工具在稳定性、权限管理、资源调度、流程协同和长期运维方面的不足。自主研发平台占比仅14%，说明大多数高校并不具备持续投入平台工程、算力调度、模型管理和科研软件生态建设的完整能力，平台工具市场仍存在较大外部服务机会。

高校科研机构AI4S平台工具建设现状，来源：沙利文分析

平台选型从单一模型调用转向科研系统集成能力

从影响因素看，高校科研机构AI4S平台工具建设的核心关注点，正从单一模型调用转向“模型生态+学科模块+接入扩展+部署兼容”的系统化平台能力。其中，模型生态丰富占比最高，达到40%，说明高校科研机构更重视平台能否持续接入主流开源及商业模型，并支撑不同科研任务下的灵活调用；具备较强的学科专用能力/模块占比38%，表明AI4S平台不能仅提供通用大模型能力，还需要沉淀面向材料、生命科学、化学、计算科学等领域的专业工具与科研模块；模型接入、调用与扩展能力强占比36%，支持本地化部署或多种部署方式占比35%，进一步反映高校在平台选型中高度关注系统开放性、部署灵活性及后续扩展空间。相比之下，易用性、成本可控、技术支持和工作流适配等因素占比相对较低，说明当前高校AI4S平台建设仍处于能力优先阶段，采购和建设决策更侧重于模型、学科能力、算力数据兼容和部署架构等底层能力，而非单纯追求工具易用或短期使用成本。

高校科研机构AI4S平台工具建设的影响因素，来源：沙利文分析

大模型深入科研主流程，端到端闭环仍待形成

从科研流程看，高校科研机构对大模型的应用已从外围辅助逐步进入核心科研环节，其中实验与计算阶段使用占比最高，达到69%，表明大模型已被用于实验方案设计、科学计算代码生成、仿真模拟辅助和参数配置等任务，不再局限于文献综述或论文润色等低门槛场景；成果产出阶段占比53%，数据准备和结果分析阶段均为49%，说明大模型在数据清洗、标注、统计分析、可视化、论文写作、翻译润色及专利撰写等流程性工作中已形成较强工具价值，有助于降低科研人员重复性劳动成本。但从整体成熟度看，当前应用仍以单点任务辅助为主，文献与选题阶段占比仅20%、跨环节工具集成占比仅23%，尚未普遍贯穿“问题发现—数据准备—模型计算—实验验证—结果产出”的AI4S科研闭环。未来AI4S平台的核心价值，将取决于其能否将大模型与科研数据库、专业软件、仿真工具、实验系统及Agent工作流深度集成，推动大模型从“科研助手”升级为“科研流程编排与执行引擎”。

大模型在高校科研机构AI4S科研流程环节使用分布，来源：沙利文分析

高校科研机构AI4S市场呈现“头部云厂商领先、垂直厂商与区域服务商分散参与”的结构特征

从竞争格局看，高校科研机构AI4S市场呈现“头部云厂商领先、垂直厂商与区域服务商分散参与”的结构特征。如阿里云核心优势来自其较早布局高校科研云、AI开发平台、弹性智算资源及大模型服务能力，能够同时覆盖算力调度、模型训练、科研数据处理和平台化工具建设等需求；华为云依托昇腾算力生态、ModelArts/MindSpore平台、政教科研客户基础以及国产化部署能力，在安全可控、私有化部署和大型科研平台建设中具备较强适配性；腾讯云、百度智能云、天翼云更多依托云资源、AI平台、行业客户和区域项目进入高校科研机构场景。由于高校科研采购具有项目制、预算分散、课题组需求差异大和本地化服务要求高等特点，短期内市场仍将保持较高分散度。未来竞争重点将从云资源价格和算力规模，进一步转向“算力底座、科研数据、模型工具、平台服务和学科场景”的一体化交付能力，具备全栈平台、科研场景适配和持续运营能力的厂商更有机会沉淀长期客户关系。