从项目公司到科学基础设施：Science Token打开晶泰科技的估值新框架

　　XtalPi Science发布后，资本市场最值得关注的或许并不是又多了一组科学智能体，而是晶泰科技开始改变科研能力的组织方式和商业化方式。

　　据介绍，这是全球首个整合大语言模型、科学智能体与大规模自动化机器人实验的 AI for Science综合，定位为可供全球科研组织按需调用的 AI4S 底层基础设施(Global Scientific

　　过去，晶泰的模型、科研工具、专家流程和机器人实验设施，主要通过具体研发项目对外输出。客户购买的是一个项目、一套设备或一个阶段性结果，商业规模在一定程度上受到销售周期、项目数量和交付资源限制。

　　XtalPi Science试图将这些能力重新封装为可按需调用的科学基础设施。Science Token则承担模型、工具、智能体和实验资源的统一计量与调度。

　　如果这一模式能够成立，晶泰出售的将不再只是一次项目交付，而是持续发生的科研调用。

　　一次复杂的科研任务可能同时需要大语言模型、垂直科学模型、专业数据库、仿真工具、合成实验、检测仪器和结果分析。

　　过去，这些资源分散在不同部门和供应商中。科研人员需要分别采购软件、申请设备、协调实验室，再依靠人工将整个流程连接起来。

　　Science Token所解决的，是科研资源缺少统一接口的问题。用户提出目标后，Genius Agents拆解任务，并根据需要调度模型、工具和Physical AI实验资源，Science Token则记录和计量不同能力的调用。

　　其意义类似云计算对服务器、存储和网络资源的抽象：用户不必了解每一项底层资源如何部署，只需要根据任务调用所需能力。

　　但科学智能比云计算更进一步。调度的不只是数字算力，还包括现实世界中稀缺的实验验证能力与数据反馈闭环。这使Science Token同时连接软件的规模效应与物理实验的高价值壁垒。

　　商业模式可能形成四个层次

　　第一层是及智能体调用。企业和科研机构可以使用专业模型、科研工具和Genius Agents完成文献分析、分子设计、路线预测及材料筛选。

　　第二层是实验资源调用。数字端形成的假设可以进一步进入晶泰的机器人实验室，完成合成、测试、表征及数据分析。

　　第三层是企业私有化部署。对于拥有敏感数据和核心知识产权的药企、材料企业，晶泰可以在客户内部环境中部署专属模型、智能体和研发流程;客户可以自行沉淀数据，改良模型，在晶泰的 XtalPi Science 上跑通自己的 DMTA 循环。

　　第四层是联合研发与成果商业化。对于药物管线、新材料和新能源产品，晶泰还可以通过里程碑付款、知识产权授权、合资公司及商业化收益分享获得更长期的价值。

　　这四种模式并非相互替代，而可能形成递进关系：试用降低客户首次接触门槛，科研调用验证能力，实验服务建立信任，随后再延伸至私有化部署或深度联合开发。

　　过去，晶泰需要逐个项目证明自己;未来，本身可能成为持续展示能力、筛选需求和转化客户的入口。

　　200家申请，显示科研市场等待统一入口

　　据发布会现场披露，截至7月29 日中午，已有近 200家企业、高校及科研机构提交XtalPi Science试用申请。

　　对于消费级应用，200个现场注册并不是大数字;但对于决策链条长、使用门槛高、直接关系核心研发数据的专业科研，发布当天获得这一规模的机构申请，具有不同意义。

　　它说明行业需求不只停留在“了解AI4S”，而是已经开始寻找能够进入实际工作流的，也说明晶泰的 AI+DMTA 足够稀缺，捏住产业的需求。尤其当申请者同时覆盖药物、材料、高校及科研机构时，可能面对的并非单一垂直市场，而是一组具有共同底层流程的研发行业。

　　需要强调的是，试用申请不能等同于收入。接下来更重要的是，有多少机构真正开始调用、多少试用转化为付费、单个客户的Science Token消耗量，以及用户是否持续复用。

　　205家申请是需求热度的起点，付费转化与持续调用才是商业模式成立的证据。

　　开放联盟构建的是科研资源双边市场

　　科学智能开放生态联盟的作用，也不应只理解为一次品牌合作。

　　药企、化工企业和材料公司可以向提供真实科研问题与应用场景;高校及科研机构贡献前沿知识和人才;模型、仪器与机器人企业可以接入专业能力;晶泰则通过Genius Agents和Science Token完成统一编排与计量。

　　随着更多工具和实验资源进入，XtalPi Science能够解决的问题将持续增加;任务类型增加，又可能吸引更多科研机构使用。这使具备形成双边网络效应的可能。

　　与互联网不同，这种网络效应不会只体现在用户数量上，更体现在科研能力密度上：能够调用多少专业模型、覆盖多少实验类型、积累多少真实数据，以及完成多少端到端任务。

　　一份盈警与两条增长曲线：短期预期释放，长期估值框架重构

　　7月24日发布的盈利预警，首先下调了市场对晶泰科技短期利润和表观收入的预期。公司预计2026年上半年归母净亏损约2.15亿至2.75亿元，收入约3.8亿至4亿元，低于去年同期。

　　但此次业绩变化的核心，并非主营业务增长失速。去年同期确认的一笔3.65亿元管线授权首付款形成较高基数;剔除大额管线授权收入影响后，报告期整体收入预计增长超过65%，其中AI for Science智慧解决方案收入预计增长超过120%。研发费用增长超过50%，增量则主要投向自主实验室、智能体系统、多模态和在研管线。

　　换言之，报表呈现的是高基数下的阶段性回落，底层业务反映的却是AI4S需求加速与战略投入前置。

　　盈警在中期业绩正式发布前披露，也意味着收入及利润端的主要压力已经进入市场预期。虽然不能据此判断负面因素已被完全消化，但随着短期不确定性开始释放，市场关注点有望逐步从“上半年亏损多少”，转向“内生业务增长能否延续、试用能否转化为付费、Science Token能否形成持续调用”。

　　这对应着晶泰科技同时运行的两条增长曲线：第一条是项目收入、研发投入和阶段性利润构成的财务曲线;第二条是用户、科研调用、实验数据和生态资源持续积累形成的能力曲线。前者决定短期业绩波动，后者决定公司的长期价值上限。

　　更值得期待的变化，是XtalPi Science可能推动晶泰科技的估值逻辑发生切换。

　　过去，市场主要按照AI制药或研发服务公司理解晶泰，关注项目数量、合同金额、收入确认和短期盈亏。随着模型、工具、智能体与实验资源被封装为可重复调用的能力，公司未来或可采用“三层价值框架”重新评估：

　　第一层是现有AI4S解决方案、药物研发及机器人业务构成的基本价值底盘，主要由收入增速、在手项目、客户质量及交付能力支撑;

　　第二层是Science Token、Genius Agents和实验资源调用形成的重估价值。如果付费机构、调用量、客户留存和经常性收入持续增长，市场可能开始参考大模型及企业AI对“使用量、生态规模和收入可重复性”的估值方法，而不再只按照一次性项目收入定价;

　　第三层是Physical AI数据闭环、药物管线里程碑、材料知识产权及联合产业化收益构成的长期期权价值。这些业务尚未完全反映在当期收入中，却可能随着数据积累和商业成果兑现持续释放。

　　晶泰不能简单照搬基础大模型公司的估值倍数，其机器人实验室具有更强的产业属性和资本投入要求;但其估值方法可以借鉴大模型的核心逻辑——不只看当期利润，更看调用规模、用户黏性、生态扩张和数据飞轮。

　　如果XtalPi Science后续能够披露稳定增长的付费机构数量、Science Token消耗、机器人实验室利用率和经常性收入，晶泰的估值中枢便有望从“项目型AI制药公司”，逐步切换至“AI+科学基础设施”，并叠加药物与材料成果商业化的期权价值。

　　当前的关键并不是短期业绩已经完全出清，而是旧的估值框架正在松动，新的价值尚未得到充分验证与定价。短期预期开始释放、长期成长路径逐渐清晰，两者之间的时间差，正构成晶泰科技现阶段最值得关注的价值窗口。