道氏技术 × AI

[导语·核心观点]2025年9月到2026年9月，道氏技术用一年时间把“AI+材料”从一句战略表述落成了两件可查的事：一是增资他山科技、深化“AI+材料”产业链布局[2]；二是对投资者确认赫曦智算中心是“锚定AI4S（人工智能驱动科学研究）前沿范式、依托AI算力技术赋能材料研发打造的专属算力底座”[1]。这已经超出了一次普通的主题投资：一家材料企业正试图用算力和产业投资改造自己的研发方式。但公司迄今未披露算力规模、投资金额与产出指标，因此本文的判断只能是：方向成立，进展待验证。

[事件回顾·发生了什么]第一件事发生在2025年9月25日：据中国证券报报道，道氏技术增资他山科技，深化“AI+材料”产业链布局；公司强调将持续推进“AI+材料”生态建设，通过技术合作与产业投资，提升在人工智能与材料融合领域的创新能力和市场竞争力[2]。第二件事发生在2026年9月28日：公司在投资者互动中回应称，赫曦智算中心是公司锚定AI4S前沿范式、依托AI算力技术赋能材料研发打造的专属算力底座[1]。两条消息的性质需要区分：一条是股权投资动作，一条是对既有设施定位的正式确认。就目前能确认的事实而言，公司完成了一次战略宣示和一项对外投资，并明确了自建算力设施的用途定位；报道没有披露增资金额、持股比例、他山科技的具体业务，也没有披露赫曦智算中心的算力规模、投资额、投运时间与内部使用率[1][2]。用一句更准确的话概括就是：这是研发基础设施的定位落地，还谈不上可计量的产能或收入落地。

[背景与格局·公司沿革 · 行业脉络]材料研发的传统范式是“配方—试制—表征”的试错循环，一轮迭代以周或月计，新牌号从实验室到量产常以年计；AI4S的主张是先用计算和机器学习把巨大的配方空间筛一遍，再把有限的实验资源投到最可能成功的点上。这是行业通行说法，此处标注为分析而非事实。放到道氏技术身上，其研发资产的核心是配方、工艺窗口与性能数据，这类数据高度依赖自建实验与产线反馈，既不易外流，也买不到现成的（判断）。如果这一定位成立，“专属算力底座”就不是购置一批加速卡的高调说法，而是数据不出厂、模型与实验设备紧密耦合的必然选择——通用公有云很难提供这样的紧密耦合（判断）。另一侧的他山科技走的是产业投资路线：公司给出的理由是“通过技术合作与产业投资”推进生态建设[2]，但报道未交代被投方业务与协同方式，因此这条链条能否闭合，取决于双方后续是否出现真实的联合开发、采购或产能协同，而非一纸增资协议（判断）。

[深度解读·为什么发生 · 意味着什么]为什么是现在？三条线索交叉：一是算力与开源模型的边际成本下降，使中型材料企业自建小规模训练与仿真环境在财务上变得可行（判断）；二是AI4S从论文走向工程化，材料领域出现了可复用的小样本方法与势函数模型（判断）；三是对A股公司而言，“AI+”是当前定价效率最高的叙事标签之一，投入本身就带有市值管理的成分（判断）。三条叠加，就有了“先建底座、再谈产出”的行动顺序。 这意味着什么？道氏技术把AI从“研发工具”抬到了两层结构：基础设施层是赫曦智算中心（自建算力）[1]，生态层是他山科技（股权纽带）[2]。这个结构的长处是研发数据留在体内、外部能力以股权锁定；短处是两层都很重——算力是资本开支与折旧，股权是长期占款且不并表。它本质上是一场用当期利润换未来研发效率的跨期交易（判断）。 谁受益、谁受损？若真跑通，受益者是研发组织：实验次数下降、牌号迭代加快、客户验证周期缩短。短期受损的是财务表：折旧先来、收益后到，且AI4S的产出很难在利润表上单独识别（判断）。对投资者而言，最大的变化不是多了算力，而是信息不对称上升——外界只能看见“底座”这个词，看不见它跑什么模型、替代了多少实验。 真正值得关注的判据只有一个：单位研发投入能产出多少个经客户验证的新牌号或新专利，而不是机柜里装了多少张卡（判断）。如果三年内这条因果链无法被数据证实，赫曦就会从“底座”退化为一项普通的固定资产。

[关键数据与证据·来自报道的数字与事实]1）公司对投资者的正式答复：赫曦智算中心“锚定AI4S前沿范式，依托AI算力技术赋能材料研发打造的专属算力底座”[1]。2）中国证券报报道：道氏技术增资他山科技，深化“AI+材料”产业链布局[2]。3）公司表述的路径：通过技术合作与产业投资推进“AI+材料”生态建设，目标是提升在人工智能与材料融合领域的创新能力和市场竞争力[2]。4）时间跨度：上述投资报道见于2025年9月25日，算力中心定位的确认见于2026年9月28日，间隔约一年[1][2]。5）证据缺口（同样重要）：两条报道均未给出增资金额、持股比例、被投方业务、算力规模（如PFLOPS）、投资额、投运时间、内部使用率，以及任何与AI4S相关的专利数、牌号数或客户验证数据[1][2]。这意味着目前所有关于“进展到哪一步”的判断，都只能建立在定性表述之上。

[风险与争议·审慎的批评视角]第一，披露颗粒度过低。一家公司宣称建成“专属算力底座”，却不披露算力规模、投资额与利用率[1]，外部无法判断这是研发基础设施还是一次概念包装。这类信息缺口在交易所对热点概念保持关注的背景下，本身构成问询风险（判断）。 第二，信源单一。现有两条材料，一条是公司在互动平台的自述[1]，一条是媒体对公司表述的转述[2]，缺少客户、被投方、设备供应商的交叉验证。用公司口径证明公司战略成立，是典型的样本偏差。 第三，会计与现金流的错配。智算中心是重资产，折旧前置、收益后置；增资属长期股权投资，被投方损益不并入营收[2]。两者都会在短期内压低资产回报率，而市场往往用“AI”给估值，用“当期利润”给折价，两套语言容易打架（判断）。 第四，技术路线的真实瓶颈在数据而非算力。材料AI的失败案例多源于实验数据不规范、批次间漂移、表征口径不统一；先买卡后治数据，极易造成利用率长期低位（判断）。报道中没有任何关于数据治理投入的信息[1][2]。 第五，协同不确定。增资他山科技被表述为“深化产业链布局”[2]，但报道未说明双方在技术、产能或订单上有何具体安排。参股不等于协同，协同不等于收入。 第六，估值与预期的自我强化。当“AI+材料”成为标签，任何一次互动答复都可能被市场放大解读，反过来迫使公司继续加码叙事，形成与研发节奏脱节的资本开支冲动（判断）。

[未来展望·情景推演]保守情景：赫曦智算中心主要对内服务，产出沉淀为专利与研发效率，二至三年内不形成独立收入；他山科技作为财务性长期股权投资存在。[1][2]支撑下的这一情景概率不低，因为报道未提及任何外部客户或算力外供计划。中性情景：形成“对内为主、少量对外”的结构，向产业链伙伴提供仿真或模型服务，出现可披露的合作项目；关键触发点是公司与被投方之间发生首笔关联交易或联合开发公告。乐观情景：AI4S产出可验证的新材料牌号并进入客户供应链，同时与他山科技形成“材料+器件”的联合方案，AI从成本项变为收入项——但这需要公司在定期报告中给出牌号数、验证进度与收入贡献，目前尚无此类信息[1][2]。 未来3—6个月可跟踪的量化节点：①半年报/年报中在建工程、固定资产、研发费用与研发人员数量的变动幅度；②是否首次披露赫曦的算力规模与平均利用率；③是否披露AI4S相关的专利申请数、新牌号数或客户验证案例数；④他山科技是否出现在关联交易、对外合作或产能建设公告中；⑤是否收到交易所关注函或问询函，以及回复中对算力投入金额的说明。上述五项中若有三项以上落地，可视为从“宣示期”进入“验证期”。

[建议与启示·面向决策者]面向决策者，五条可操作建议。其一，先治数据、后扩算力：把配方、工艺参数与性能表征统一成可训练的资产目录，再决定扩卡节奏；否则算力只会变成折旧。其二，给算力设可考核的KPI：利用率、单项目训练时长、实验替代率（用仿真替代的湿实验比例），并按季度向管理层与董事会报告。其三，划清自研与投资的边界：哪些能力必须自建（数据、模型微调、实验闭环），哪些用股权或采购解决（专用器件、外部表征），避免“生态”退化为报表上不断堆积的长期股权投资。其四，主动提高披露颗粒度：对热点概念给出金额、规模、时间表三要素，是降低问询风险与预期波动最便宜的手段。其五，重视研发流程的编排层——AI4S的真实效率损失往往不在算力不足，而在算力任务、模型推理、实验排程与表征设备之间的排队和交接；用多智能体调度平台（如AgentSH）把这几段统一编排，能在不增加资本开支的前提下抬高利用率，但它是补位工具，不能替代数据治理。

[结语·一句话立场]道氏技术做对了方向：材料企业的AI竞争力最终来自数据资产与实验闭环，自建算力加产业投资是这个逻辑的合理起点[1][2]。但截至目前，外界看到的仍是一个定位清晰的“底座”和一笔用途未明的增资，而不是可验证的研发产出。把它当作一次值得跟踪的转型，而不是一个已经兑现的故事——这是当前证据支持的唯一稳妥立场。