TFT屏幕如何成为AI4S验证新标准

6月初，Anthropic发表了一篇长文，呼吁全球放缓AI研究的步伐。这背后有一个核心命题：过去几年，AI算力正以指数级速度飙升，而“让AI自己造出下一代更强大的AI”这件事，正在从理论走向现实。但问题在于，后续的对齐研究、外部供给链能力，以及市场运作机制等条件，并没有同步跟上。结果就是，AI在现实世界中的推进，开始遭遇新的瓶颈。

这种上下游能力的“脱节”，在AI for Science领域表现得尤为突出。具体来说，AI可以加速科学发现的过程，但它没办法自动完成后续的验证。所以，除了讨论是不是该让跑得太快的AI慢下来，另一个同等重要的问题是：如何让落在后面的实验验证、工程集成和产业转化能力，追上来跟上它的节奏？

拿材料科学来说。2024年，谷歌DeepMind发表了一项研究，他们的材料发现模型一次性预测出了220万种新晶体结构，其中大约38万种被认为具有合成价值。但现实是，过去3年，全球研究人员只合成了其中的约700种。这还只是第一步。

更重要的一点：合成出来不等于验证完成。对于一种新材料，单个样品或单个器件的性能突破，仅仅是开端。它还需要接受大规模阵列、一致性、稳定性和可制造性的检验，才能进一步评估其在真实应用场景中的系统级表现和产业化潜力。那么，谁来承接AI for Materials这种庞大的验证需求？

这里就不得不提TFT了。作为全球显示器的核心元件，TFT（薄膜晶体管）承担着对海量像素单元进行精准、独立电信号控制的任务。它天然具备阵列化、高密度这些特点，跟上面所说的验证需求，简直完美匹配。

更重要的是，在全球TFT产能中，中国大陆拥有80%的产能和完整的产业链基础。这意味着，谁能率先把中国成熟显示产业链中的TFT能力，牵引到新的应用方向上，谁就掌握了一种极稀缺的结构性优势。

领挚科技，就是这一方向上的领军企业之一。

根据公开信息，领挚科技基于TFT半导体技术，打通了从材料与TFT的集成，到电子系统驱动与读取、封装与键合等关键环节。这能让科学家从繁琐的工程实现难题中解放出来，更专注于材料本身的设计与制备工艺研究，从而进一步提升效率。他们的技术已经被用于超过290篇期刊论文，其中包括20余篇Nature、Science系列论文。凭借如此广泛的学术应用数据，为行业提供了一种全新的验证标准。

（来源：领挚科技）

在传感方向，苏黎世联邦理工学院的研究团队曾在Nature发表研究，尝试让相机不再依赖传统滤光片或复杂算法来完成颜色重建。他们将自己的器件与领挚科技的TFT传感芯片集成，构建了一个小规模成像系统。通过TFT多通道信号的高速实时读取，成功演示了更接近人眼视觉系统的高精度、无伪影彩色成像。

（来源：Nature）

在显示方向，浙江大学团队发表于Nature的研究中，成功研制出了世界最小的LED，并与领挚科技联合开发了有源矩阵PeLED微显示器原型，为未来超高分辨率可穿戴显示设备勾勒了一个具体的轮廓。

（来源：Nature）

在感、算方向，上海交通大学、合肥工业大学和韩国科学院团队发表于Science Advances的研究，则借助TFT阵列开发出了在低光学强度下仍可以运行自适应成像算法的大规模视网膜形态计算系统。这在传感器端完成了从“看见”到“决策”的闭环，也验证了TFT在感存算一体化方向的巨大潜力，为自动驾驶、智能假肢、康复外骨骼等边缘计算场景提供了新的路径。

（来源：Science Advances）

这些案例已经很能说明问题了：TFT技术，已经在传感、显示、感存计算等不同方向上，为全球前沿材料与器件研究提供了系统级的验证能力。

打通产研最后一公里

不过，实验室层面的可靠性验证，距离真正进入产业还有很长一段路。2025年5月，美国国家可再生能源实验室（NREL）召集了超过50位材料科学、AI与机器人领域的专家，专门研讨“AI驱动的科学发现如何走向产业落地”。与会者的核心共识只有一个：横亘在实验室与产业之间的“死亡之谷”（Valley of Death），依然是当下最难跨越的关卡。

大量前沿成果止步于实验室，往往不是因为科学问题没有突破，而是因为从材料到产品之间，还隔着一条漫长的工程化链条。

第一，可量产性。对于大多数科研团队和早期创新企业来说，只能从小批量开始不断试错。要想直接调动成熟产线来完成产业化验证，成本高昂不说，还得投入大量的人力，忍受漫长的周期。

第二，“集成化”难题。从材料研发到产品开发，需要一整套能够稳定运行的集成系统，包括电路设计、流片制程、电子系统、模组加工等复杂环节。这些工程化能力并不在早期团队自身能承受的范围之内，想要补上，往往得另行组建完整的技术团队，这又会带来新的资金投入压力。

所以，从论文结果到工程样机，从实验室验证到产业导入，确实需要一套可复用、可扩展的标准来承接。而领挚科技试图补上的，正是这一环。

过去几年，领挚科技已与欧洲、北美及亚洲多个国家和地区的超过20家企业展开合作，覆盖新型显示、光电探测成像、机器视觉、电子皮肤以及神经电子学等多个前沿技术方向，串联起了科研成果从小试、中试到规模化量产的全流程。

（来源：领挚科技）

据介绍，他们提供的不只是TFT芯片，还包括芯片背后的驱动、读取系统，以及面向具体应用场景的原型开发能力。对于一些早期创新团队来说，这类原型机可以帮助他们向投资人或产业客户更直观地说明，技术未来可能变成什么样的产品。

在小试阶段，有欧洲企业基于领挚科技提供的TFT技术，开发出了超轻薄、可弯曲的新型OLED显示原型机，面向包装、可穿戴设备等应用场景，已经获得了超过千万美元的融资支持。

中试阶段，领挚科技参与的是从器件到系统样机之间的工程化环节。这恰恰是大多数早期团队最难独立完成的部分。

比如，领挚科技与英国一家初创公司共同开发了新一代TFT柔性检测系统，目前已进入商业化阶段。相比传统工业检测设备，柔性电子方案能够覆盖更大面积，也能适应更复杂的部署环境，为航空航天、能源设施和智能制造等场景提供了新的检测思路。

在量产阶段，领挚科技与欧洲上市企业合作开发的新型量子点发光材料，正在面向下一代显示技术推进，有望进入规模化量产阶段。

将持续瞄准AI4S的下半场

目前，领挚科技以杭州为总部研发中心，并在英国剑桥和中国香港设有子公司。其服务网络已覆盖全球20多个国家和地区，接近400家高校、科研机构与创新企业。在Nature发布的研究报告“Multi-project wafers for flexible thin-film electronics by independent foundries”中，领挚科技也作为全球TFT创新领域的代表性企业被提及。

资本也在关注这一方向。2026年，领挚科技引入了半导体投资机构华登国际。截至目前，其投资方还包括十维资本、真格基金、杏泽资本、比邻星投资等机构。

与此同时，领挚科技也在尝试将TFT技术延伸至生命科学领域。他们推出的基于TFT半导体的桌面式寡核苷酸微阵列合成仪，试图通过TFT-DNA合成方案，为生命科学研究提供更高效率、更低成本的数据生产能力。

它所指向的问题，跟材料科学中面临的挑战高度一致：当AI能够更快地提出假设、筛选方案和发现新材料之后，科学研究真正稀缺的能力，正在从“提出想法”转向“高通量、低成本、可规模化的验证”。

从这个角度看，TFT正在成为AI for Science走向产业应用的一块关键试金石。而领挚科技所处的位置，也恰好落在这条路径的关键节点上。

1.https://doi.org/10.1038/s41586-024-07306-2
2.https://www.anthropic.com/institute/recursive-self-improvement
3.https://doi.org/10.1038/s41586-023-06735-9
4.https://cleantechnica.com/2025/08/19/ai-could-help-bridge-valley-of-death-for-new-materials/
5.https://doi.org/10.1038/s41586-025-09062-3
6.https://doi.org/10.1038/s41586-025-08685-w
7.https://doi.org/10.1126/sciadv.ads2834