科学计算正在成为AI投资的下一个爆点，但小心泡沫的伏笔

这篇文章最有价值的信息是，Dimension Capital在短短三年内将第三期基金规模撑到8亿美元，而同期大量VC还在为募资焦头烂额。这背后不是简单的“AI热”，而是资本逻辑的深层转向：从“软件吃掉世界”切换到“计算改写科学”。

先看两个反常现象。第一，2022年底成立的基金，按正常周期现在应该还在消化第一期，但Dimension已经连跳三级，而且每一期都比上一期大得多。第二，他们的LP名单里出现了大量主权基金和大学捐赠基金，这些钱通常极其保守，只在确定性的赛道上出手。如果这些机构愿意押注，只能说明他们看到了一个即将爆发的结构性机会。

这个机会就是“科学+计算”的交叉地带。Dimension的合伙人明确说过，他们投的不是传统biotech，也不是纯SaaS，而是“用计算重新定义科学发现流程”的公司。典型案例如Recursion Pharmaceuticals（AI药物发现）、Pony.ai（自动驾驶与物理模拟）、乃至一些合成生物学公司。这些公司的共同点是：需要大量算力，但更关键的是，它们把计算视为实验本身的一部分，而不是辅助工具。

这背后的逻辑其实很清晰。过去五年，AI的突破主要发生在语言和视觉领域，本质上是在处理人类已有的数据。但自然科学领域的数据是极度稀疏的，比如蛋白质结构、材料性质、化学反应路径，这些数据要么难以获取，要么成本极高。真正能推动科学突破的，不是用AI去拟合现有数据，而是用AI去生成数据、设计实验、甚至替代部分实验。这就是“AI for Science”的底层逻辑，而Dimension赌的就是这个方向。

但注意，这里有一个容易被忽视的细节：Dimension基金的规模增长，很大程度上是因为他们投的很多项目需要重资产投入。比如一家做量子化学模拟的公司，可能需要自建专用计算集群，或者购买昂贵的实验设备来验证AI预测。这与传统软件公司花几百万美元就能跑通MVP的模式完全不同。所以，8亿美元看起来很多，但如果投10个此类项目，每个项目可能就需要5000万到1亿美元，加上后续跟投，实际上并不宽裕。这其实意味着，这个赛道天然具有高资本门槛，会筛掉大多数小型VC，而头部机构会越来越像“科学计算的基础设施投资商”。

另一个值得警惕的信号是，目前市场上宣称“AI for Science”的创业公司，大部分还没有真正跑通商业闭环。很多公司还在用论文和专利申请来证明自己，而非产品收入。Dimension的LP之所以愿意掏钱，很大程度上是因为他们相信科学计算最终会像互联网一样，产生平台级的机会。但这个信念能否兑现，取决于两个变量：一是算力成本能否持续下降，二是基础科学本身的突破速度（比如新的算法或新的实验范式）。如果这两个变量任何一个出现停滞，整个赛道的叙事就会从“黄金时代”变成“烧钱黑洞”。

不过，从更宏观的视角看，Dimension的崛起确实代表了一个时代转折。过去十年，风险投资的主线是“数字化”，把传统行业搬到线上。未来十年，主线很可能是“科学化”，用计算去加速科学发现，从而创造新的产业。这不像互联网那样可以快速复制，但一旦突破，壁垒极高。

最后，不要被8亿美元这个数字迷惑。它不是因为市场钱太多，而是因为科学计算这个领域太“重”，需要更大的弹药才能打穿。

那句总结的话：科学计算正在成为AI投资的下一个爆点，但它的繁荣建立在“计算成本持续下降”和“基础科学突破”两根脆弱的柱子上，任何一根断裂，泡沫都会来得比想象中更快。

原文链接：https://techcrunch.com/2026/07/21/dimension-capitals-800m-third-fund-shows-the-intersection-of-science-and-compute-is-booming/