8月3日，中科闻歌孵化企业赛思极限科技有限公司正式揭牌。这家名字里藏着野心的新公司，定位聚焦科学基础模型与AI驱动科研，愿景是推动人工智能理解科学规律、参与科学发现，从公司命名就能看出团队的意图：赛思源自Science，代表对科学规律的探索，极限寓意突破认知边界、挑战未知。
赛思极限的登场，让本就热闹的AI4S赛道又多了一个值得关注的玩家。公司CEO徐楠博士是90后，长期参与中科闻歌人工智能研发团队的核心工作，现任中国科学院自动化研究所研究员。在她的带领下，赛思极限将围绕科学基础模型与AI驱动科研两大方向，为高校、科研院所及相关企业提供科研创新全流程的AI能力，加快科研智能技术在真实科研场景中的落地和成果转化。
赛思极限的底气，来自一支经历过硬仗的技术团队。在中国科学院的统一部署下，自2025年2月起，团队核心成员深度参与磐石科学基础大模型研发，先后承担了S1Base、S1Omni的研发工作。这两个模型是磐石2.0的核心组成部分，也是国内科学基础模型研发的重要成果，代表着国家队在科学智能领域的探索方向。
这些研发实践为团队积累了科学数据治理、科学知识建模、专业任务推理及模型工程化的系统能力。徐楠表示，基于这些技术与团队积累，赛思极限致力于构建能够理解科学对象、学习科学规律、服务科学发现的新一代人工智能系统，把此前在磐石项目上的沉淀转化为独立的产品能力，而不是停留在论文和评测报告里。
磐石2.0 S1Omni的表现，是赛思极限敢对标国际巨头的重要原因。据公开信息，S1Omni在60余项专业科研任务评测中表现突出，绝大多数任务上均显著超越Gemini-3.1-pro、GPT-5.5等通用旗舰模型；在化学性质预测、谱到分子结构预测、蛋白质位点预测等任务上，甚至领先领域专用模型，达到国际领先水平。
这一成绩说明了一个关键事实：通用大模型在科研专业任务上的短板，可以通过科学数据和科学推理的专门训练来补齐。通用模型在训练时以互联网语料为主，对化学、材料、生物等领域的专业知识覆盖浅薄，而科学基础模型用海量实验数据和科学文献专门训练，能够在专业任务上建立碾压性的优势。赛思极限要做的，正是沿着这条路径继续深耕，以科学数据、科学推理和科学计算为基础，探索一条面向科学发现的新路径。
中科闻歌董事长王磊在揭牌仪式上的致辞，透露了孵化赛思极限的战略考量。他表示，中科闻歌已实现从科研成果产业化到登陆港股的重要跨越，希望把创业的火种传下去，期待以徐楠博士为代表的90后团队在AI4S前沿方向打开更大的想象空间。未来，中科闻歌将以7至10年为一个周期，持续发现和孵化更多青年优秀人才，让一代又一代年轻人创立符合时代需要的企业。
从产业角度看，中科闻歌的选择也顺应了AI4S的资本热潮。今年以来，全球AI for Science投资持续升温，海外巨头集体把资源投入AI for Scientist，让AI直接参与科学发现和研发流程。中国AI4S企业也在加速卡位，此时孵化一支有磐石2.0研发经验的团队独立运作，等于用组织创新换取赛道先机，也给年轻技术团队提供了一个更大的舞台。
判断一家AI4S企业是否领先，不能只看单项模型跑分，更要看它能否对最终的科研结果负责。目前行业多数参与者仍从模型、科学软件、实验仪器或研发服务的某一个环节切入，而真正的竞争焦点，正在转向谁能把垂直模型、专业工作流、实验基础设施和真实项目数据连接为完整闭环。模型能力可以采购，算力可以调用，软件也可以快速开发，但实验基础设施和长期积累的失败数据很难复制。
赛思极限目前的切入点是科学基础模型和科研智能应用，面向生命科学、材料化学、先进制造等领域，其商业化路径是服务高校、科研院所和企业客户。这一选择避开了与巨头在通用模型上的正面消耗，把精力集中在科学数据这一AI4S的核心资产上，用专业纵深构建自己的壁垒。
王磊希望赛思极限能够对标DeepMind，这个目标既宏大也现实。DeepMind凭借AlphaFold系列在蛋白质结构预测领域建立了统治地位，证明了科学基础模型的巨大价值，但其背后是谷歌级的算力投入和顶尖人才密度。中国AI4S企业要在同样的赛道上竞争，需要在科学数据积累和场景落地效率上找到自己的差异化优势，而不是简单复制DeepMind的路径。
值得关注的是，中国科研生态为AI4S提供了独特的土壤：庞大的科研人员基数、丰富的行业应用场景、以及政策和资本的持续加码。赛思极限的成立，标志着AI4S在中国正在从大厂和科研院所的实验室走向独立的市场主体，这本身就是产业走向成熟的信号。至于能否真正对标DeepMind，时间会给出答案，但至少，中国AI4S的版图上又多了一支愿意下重注的队伍。