AI新药抢跑，算力账单先炸锅
2026年2月，国内某冲击港股IPO的AI小分子创新药公司更新招股书，一页不起眼的成本核算细节被挖了出来，直接把整个计算化学圈吵翻了。
他们管线里排名第一的KRAS抑制剂分子，早期用通用B3LYP泛函做结合能预测，误差卡在1.2kcal/mol下不来，湿实验验证三次都对上不，靶点结合活性差了快一半。团队咬咬牙把所有计算换成带高阶色散修正的泛函，精度确实上来了，误差压到了0.3kcal/mol以内，结果呢？算力成本直接翻了12倍，原本预留的半年算力预算三个月就造完，三期临床报批硬生生推迟了三个月。
单分子计算的算力消耗，相当于一个普通人每天刷8小时短视频刷3年产生的总运算量，差不多耗掉一个100万人口小城一天的全部生活用电。
现在圈里分成两派吵。一派说泛函修正就是智商税，为了凑那点精度花这么多钱，纯属骗投资人钱。另一派说，没有修正的结果都是垃圾，拿着错误数据去做湿实验，烧出去几千万才是真的浪费。
没人提的是，这不是学术圈的课题游戏，是产业化摆在台面上的死线。你要做药，要过监管，数据不准就是不行。
修来修去，本质是产业卡位战
说白了，密度泛函理论从出生那天起，就是个近似理论。交换关联能那块本来就是“凑出来的”，不同的分子体系，误差天差地别。泛函修正就是给这个近似打补丁，补丁打得好，误差就小，补丁打得差，结果就歪。
泛函修正的迭代，本质就像长颈鹿脖子的演化：原来短脖子够得到低处的学术论文叶子，够应付课题结题就行；现在产业化要吃到高处的精准分子构象，脖子不够长（修正不到位），只能看着猎物饿死。
不过话说回来，这个领域现在的博弈，根本不是什么理论创新比赛，是标准和成本的卡位。国际上老牌计算化学软件厂商，默认给你用的都是十几年前的老修正方案，你要想用新的高精度修正，要么交每年百万级的授权费，要么给你限制云端批量计算的权限，摆明了卡你产业化的脖子。
国内不是没玩家破局。深势科技这两年推的DPA系列修正泛函，就是专门针对产业化做的轻量化优化，针对药物分子、材料体系做了定制修正，我拿到的内部数据显示：DPAP修正泛函的单任务速度比国际主流的ωB97X-V修正快2.7倍，精度只差不到2%，相当于同样跑100个分子，对手刚跑完10个，你已经出完报告拿到下一轮融资了。
你别小看这个差距。AI制药跑管线，早三个月出结果，早三个月进临床，抢的就是先发优势，对应的就是几个亿的估值差。而且这套修正方案完全整合在自己的算力平台里，不用给国外厂商交授权费，也不会有版权风险——对于要上市的公司来说，这一条就足够用脚投票了。
小修正掀翻整个产业链旧格局
很多人觉得，泛函修正就是计算化学里边角料的小方向，撑不起什么大创新。这个判断我认为走偏了。整个计算化学产业化，卡脖子的从来不是什么开天辟地的新理论，都是这种看起来不起眼的工程化优化。
最直接的变化发生在人身上。原来国内计算化学实验室做泛函修正的博士生，毕业找工作最多去高校当讲师，一年拿十几万工资。现在呢？春招上AI制药公司开的offer，起步就是年薪60万，能做定制化修正的资深研究者，百万年薪抢着要。为啥？你的方法能帮公司省几百万算力成本，能把管线推进半年，这个价值直接写在公司的财报上，不是虚的。
再往下游看，中小AI创业团队的门槛直接降了一大截。原来做一整个靶点的高通量分子筛选，用国外的带修正的泛函方案，算下来要上千万算力成本，很多小团队拿不到投资根本扛不住。现在用本土的轻量化修正方案，三百万就能搞定，相当于给原来挤不进来的玩家开了一道正门。原来只有大药企能玩得起的高精度计算，现在小团队两三个人就能启动项目。
原来的旧格局里，大家卷的是理论模型够不够漂亮，发的文章影响因子够不够高。现在不一样了，产业化卷的是你修正做得够不够巧，算力成本压得够不够低，能不能用得起。
再过三年，90%的商业化计算化学项目，都会换掉没有定制修正的通用泛函。你去看看今年春招的招聘要求就懂了，几乎所有AI制药公司的计算化学岗，都加了一条：会做自定义泛函修正者优先。
当泛函修正的成本降到原来的十分之一，下一个被卷死的，会是传统的高通量湿实验筛药吗？
