大会概况 - 2026全球开发者先锋大会将于3月27日至29日在上海徐汇西岸国际会展中心举办 [1] - 大会主题为“开发者，找找找”，核心主旨是“产业出题，科技答题”，旨在打通产研融合瓶颈，提升产业需求到科研成果的转化效率 [1] 大会目标与架构 - 大会旨在为全球开发者与产业界搭建系统级验证平台，驱动AI技术“落地、落细、落到产业链的每一个环节” [1] - 大会以“一核三轴”为架构，面向全球开发者提供“找答案、找技术、找场景、找人才、找工作、找朋友”六大对接服务 [2] - “一核”为打造创意落地最快之城，彰显上海产研融合与全球科技引领定位 [2] 核心活动与焦点 - “三轴”分别聚焦产业解题、商业闭环、要素聚合 [2] - 人工智能嘉年华轴展示能源—算力—科学—产业创新闭环，呈现具身智能、科学智能、数字孪生等前沿场景 [2] - SE超级创业者生态轴依托Agent与OpenClaw生态，通过超级创业者挑战赛、Vibe Coding锦标赛、全球黑客松等赛事赋能超级个体与“一人公司”发展 [2] - 开发者社区与Skills市场轴以技能市场为支点，激活Agentic AI活力，打造全球开发者集聚交流平台 [2] - 所有赛题均源自真实产业痛点，覆盖SE超级创业者、科学智能、Agent、vibe coding、智能终端全流程挑战等前沿方向 [3] - 工作坊围绕模型、算力、语料、生态、场景、资本六大核心要素，深度探讨科学智能、具身智能、AI+影视、智能终端等前沿议题 [3] - 通过开发者工作坊、WAIC创新项目路演、具身智能终端展、AIGC体验工坊、灰度玩家实验区等形式，让参与者“亲手触摸未来” [3] 城市与产业定位 - 大会旨在推动产业资源高效聚合，助力上海建成具有全球影响力的科技创新高地 [2] - 城市以开放、包容、创新的姿态，通过嘉年华中的硅基家长会、WAIC创新创业路演、极客派对、开发者社交之夜等活动，为全球开发者打造科技狂欢 [3]

核心观点 - 上海科学智能研究院联合高校团队利用多智能体强化学习系统PackingStar，在数学的“亲吻数”问题上取得系统性突破，标志着科学智能进入“人机协作”互促进化的2.0新范式 [1][3][6] 技术突破与科学意义 - 团队设计的PackingStar系统在多个维度刷新了困扰数学界数百年的“亲吻数”纪录，实现了数学结构领域的系统性突破 [1] - 该系统解决了高维组合优化问题，其找到的解拥有明确的几何规则，却破坏了全局对称性，蕴含着新的数学构造逻辑 [3] - 此次突破的意义超越了数据本身，在于开启了一种“人机”互促进化的科研新范式：人类提供直觉和洞察，AI构造结构和搜索证明，人类再理解结果并抽象理论，进而改进直觉和AI系统 [3] - 对比依赖海量已知数据的“科学智能1.0”代表AlphaFold，PackingStar面对几乎没有现成训练数据的数学问题，实现了在“无中生有”的过程中搜索、生成与合成数据以逼近未知结构，是科学智能2.0的代表 [4] 研发方法与团队协作 - 项目成功的关键在于“工程+算力”，利用人工智能这一工程性平台，以工程化的稳定性来对冲科学发现的不确定性，从而加速数学发现过程 [6] - 研发过程形成了“AI—科学—工程”三位一体的紧密协同模式：科学家提供问题理解与判断边界，AI专家设计搜索与学习机制，工程团队支撑规模化计算与系统实现 [6] - 团队由平均年龄约30岁的跨界年轻人组成，成员背景涵盖物理、人工智能、数学等，没有学科界限，体现了跨界的碰撞与协作 [7] - 团队名称“PackingStar”具有双层含义：既指高维空间填充的球体像星星，也喻指团队中每一位跨界的年轻人都是新星 [7] 行业影响与范式转变 - 此次突破证明了人工智能能够解决有意义的数学问题，挑战了行业里一些大数学家认为AI短期内不可能做到这一点的断言 [5] - 人工智能将数学家从繁琐的计算和构造证明的尝试中解放出来，使其角色转变为“数学观察者”和“直觉设计者” [3] - 这标志着科学研究范式转变为人类定义问题、AI协助解决的“人机协作”模式，AI从工具转变为合作伙伴，让人类能更快更深入地探索奥秘 [8] - 这种创造诞生于“科技与人文的十字路口”，AI不再是冰冷工具，上海在此过程中展现了其独特的人文底色 [8]

行业趋势与大会定位 - 2026年人工智能行业正从模型规模竞争转向科学智能、Agent智能体、端侧AI、具身智能、AI+视频等核心能力的全面突破 [1] - 2026全球开发者先锋大会定位于“产业出题，科技答题”，旨在打通产研融合瓶颈，提升从产业需求到科研成果的应用效率 [3] - 大会以“开发者，找找找”为主题，从“找答案、找技术、找场景、找人才、找工作、找朋友”六大方向促进产业资源高效对接 [3] 大会核心目标与架构 - 大会旨在为全球开发者与产业界搭建系统级验证平台，驱动AI技术“落地、落细、落到产业链的每一个环节” [3] - 大会以“一核三轴”的整体架构模式，打造“未来科学文明样板间”，展示上海“能源—算力—科学—产业”的创新闭环 [3] - 大会依托Skills技能市场为支点，释放AgenticAI活力，实现从代码库到能力互动场的跃迁，赋能人工智能时代的个体创新与一人公司发展 [4] 大会主要内容版块 - **开幕式版块**：汇聚全球人工智能领域顶尖科学家、企业家与学者，共话前沿洞见并发布重磅战略 [5] - **大赛版块**：所有赛题均源自真实产业痛点，覆盖SE超级创业者、科学智能、Agent、vibe coding、智能终端等前沿赛道 [5] - **工作坊版块**：围绕模型、算力、语料、生态、场景、资本六大核心要素，聚焦科学智能、具身智能、AI+影视、智能终端等热点议题 [5] - **沉浸式体验版块**：通过开发者工作坊、WAIC创新项目路演、具身智能终端展、AIGC体验工坊等形式，让参与者近距离感受前沿AI成果 [5] - **嘉年华版块**：以硅基家长会、WAIC创新创业路演、极客派对、开发者社交之夜等活动，打造沉浸式科技狂欢 [5] 生态构建与赋能方向 - 展现人工智能赋能超级个体与一人公司的新图景，通过Agent以及OpenClaw生态对接创新供需双方，助力开发者实现技术变现 [3] - 以场景对接会为链接点，形成场景与业务的有效联动 [3] - 推动技能体系与创新范式的全面升级，目标是让上海成为“全球开发者社区的社区” [4] - 五大版块有机联动，以前瞻引领、产业务实、体验沉浸、生态开放为特色，全面助力人工智能技术创新与产业落地 [6]

行业：人工智能与科学研究 - 人工智能成为科学家的合作伙伴，在科学研究中从被动工具转变为主动寻找求解路径的伙伴，改变了科学探索的节奏与边界 [8] - 人工智能在数学层面的突破，其方法论有望推广到科学智能诸多领域，数学是人工智能进行闭环验证和推动多步严谨推理能力进化的理想测试场 [7] - 人工智能在高维组合几何领域取得首个系统性突破，揭示了不同维度间的几何关联与内在脉络，形成了可迁移、可比较、可演化的关系网络，为经典难题提供了新的整体视角与方法框架 [8] 公司：上海科学智能研究院及相关团队 - 上海科学智能研究院、北京大学和复旦大学的联合团队，利用人工智能在多个高维空间打破了亲吻数问题已知的最优解 [3] - 研究团队开发的PackingStar强化学习系统在短短一年多时间里刷新多项世界纪录：在25-31维打破人类已知最佳堆积结构，在13维发现50多年来的最优有理解，在14维等多维度中找到6000多种新解法 [8] - 团队通过优化GPU内存管理模式，使搜索速度提升数倍，累计节省超过10万GPU卡时 [7] - 机构文化鼓励年轻人牵头组织团队，强调群体力量、有组织科研以及跨学科交叉融合，通过“科学工程化”以工程的效率和稳定性对冲科学发现的不确定性 [10]

峰会概况与主题 - 2月1日至3日，世界顶尖科学家峰会在阿联酋迪拜举行，主题为“基础科学：应对人类未来的挑战” [1] - 峰会聚焦人工智能与机器学习、量子科学与纳米技术、生物技术与基因组学、数据科学与密码学、神经技术与脑科学以及能源与先进材料等多个关键领域 [1] 人工智能（AI）的应用与观点 - AI能够加速教育和科研的各项工作，例如加速文章阅读、提升学习进度，并使科学研究因机器人和人工智能技术而变得更加快速 [3] - 存在顾虑：若未来AI深度参与论文发表和项目评审，基于已有知识的AI可能难以准确评估面向未来的研究 [3] - 在科研中广泛采用AI技术，涉及光子学、微纳器件及基础物理等领域，正在积极打造AI自动化设备及相关AI实验室 [3] - AI能极大地加速微纳器件设计和材料发现工作 [3] - 强调应尽可能增加AI的可解释性，并让AI与研究工作有机结合，而非简单应用 [5] - 指出大语言模型存在“幻觉”问题，提供的答案不一定完全准确，科研人员需保持自身判断，用实验数据说话以有效利用AI [5] 研究领域与成果 - 研究方向主要包括智能材料、微传感器、莫尔物理、科学智能等 [5] - 研究旨在为能源环保、信息智能、生命健康领域的全球关键问题提供颠覆性的全新解决方案 [5] - 其研究的节能材料和器件有助于实现“双碳”目标，引导走向可持续发展的未来，引起与会嘉宾浓厚兴趣 [5] - 在光子和声子基础理论的研究也引起了多位诺贝尔物理学奖获得者的浓厚兴趣 [7] 科研环境与理念 - 粤港澳大湾区被描述为发展迅速且与国际接轨的有机整体，其国际交流环境非常有利于新技术哺育和落地，为科研创新提供了良好土壤 [1][7] - 深圳被描述为非常有活力且节奏很快的城市，是公司对外开放的前沿窗口 [7] - 强调在快节奏环境中做研究要有“坐冷板凳”的精神，需要长时间钻研并深度培养学生的科研素养和思维方式 [7] - 认为定义一个好的科学问题并向宏大目标前进，才有可能取得突破性成果 [7]

文章核心观点 - 中科曙光计划通过发行可转债募集不超过80亿元人民币，资金将投向三大AI算力相关项目，此举反映了当前算力市场正从单纯的大模型训练向推理应用侧转移，并面临高密度计算环境下冷却、供电、存算传协同等系统性工程挑战 [2][3][11] 80亿元资金投向 - 募集资金总额不超过80亿元，扣除发行费用后拟投入三个项目 [2] - **面向人工智能的先进算力集群系统项目**：拟投入35亿元，占总募资额的43.75% [5][6] - **下一代高性能AI训推一体机项目**：拟投入25亿元 [5] - **国产化先进存储系统项目**：拟投入20亿元 [5] - 资金投向揭示了算力市场的重点方向，包括先进算力集群、AI训推一体机和先进存储系统 [3] 先进算力集群项目的具体投向与挑战 - 项目可参照国家超算互联网郑州核心节点，该节点上线了由公司提供的3套scaleX万卡超集群，是目前接入国家超算互联网的最大单体国产AI算力资源池 [7] - 该集群可全面覆盖万亿参数模型训练、高通量推理以及AI for Science等大规模场景 [7] - 高密度计算环境下，冷却、供电等系统是资金投入的重点，已超出传统服务器范畴，成为跨学科的工程技术挑战 [7][8] - 单机柜算力密度大幅提升导致热量远超风冷极限，必须引入液冷技术，涉及流体力学、热力学等复杂问题 [8] - 在郑州项目中，公司攻克了高速互联网络、存算传紧耦合等技术难题，采用单机柜级640卡超节点设计，将单机柜算力密度提升了20倍 [8] - 公司下一步计划在郑州设立先进计算技术研究所，规划建设16万平方米的研发空间，初期计划集聚千名科研人员 [8] - 国产化先进存储系统项目直接对应了算力集群中“存算传”紧耦合的硬性需求，AI大模型训练中海量数据的读写速度可能成为效率短板 [8] 市场趋势：从训练向推理侧转移 - “下一代高性能AI训推一体机项目”的投入对应了算力市场从单纯的大模型训练向推理应用侧转移的变化 [10][11] - 国产大模型正在加速争夺用户端的流量入口，这一趋势将重塑AI交互模式，推动推理侧算力需求爆发式增长 [12] - 业内人士认为，2026年或将成为国产超节点在推理侧规模化落地的关键年份，华为、沐曦等厂商已推出解决方案，市场竞争白热化 [12] - 公司投入研发和生产训推一体机，意在抢占供需双向奔赴的市场窗口期 [12] - 当前的万卡集群强化了对更广泛应用的支持能力，产业需求是科学计算与人工智能的融合 [12] - 科学智能是代表性领域，需要融合多种计算方法 [13] 公司的技术适配与经营状况 - 为验证融合能力，公司在郑州节点上线前已完成大量应用适配工作，scaleX万卡超集群已完成400多个主流大模型和世界模型的适配优化 [14] - 依托国家超算互联网平台，郑州节点目前可接入上千款已验证的应用 [14] - 计算产业链长，涉及从上游芯片到系统再到最终应用的软硬件跨层协同，公司希望连接上游的芯片、系统资源和下游的应用、用户 [14] - 2025年前三季度，公司实现营业收入88.20亿元，同比增长9.68%；实现归属于上市公司股东的净利润9.66亿元，同比增长25.55% [14] - 本次发行的可转债给予原股东优先配售权，未来十二个月内的其他再融资计划将根据业务发展情况确定 [14]

公司融资与项目投向 - 公司拟通过发行可转换公司债券募集不超过80亿元资金 [2] - 募集资金扣除发行费用后将投向三个核心项目：1) 面向人工智能的先进算力集群系统项目（拟投入35亿元，占总募资额43.75%）；2) 下一代高性能AI训推一体机项目（拟投入25亿元）；3) 国产化先进存储系统项目（拟投入20亿元） [4] 先进算力集群建设 - 公司近期在郑州上线了国家超算互联网核心节点的3套scaleX万卡超集群，是目前接入该网络的最大单体国产AI算力资源池 [5] - 该集群可全面覆盖万亿参数模型训练、高通量推理及AI for Science等大规模场景 [5] - 在高密度计算环境下，冷却、供电等系统是资金投入的重点，已超出传统服务器范畴，成为跨学科工程挑战 [5] - 公司通过系统性设计攻克了高速互联网络、存算传紧耦合等技术难题，采用单机柜级640卡超节点设计，将单机柜算力密度提升了20倍 [6] - 公司下一步计划在郑州设立先进计算技术研究所，规划建设16万平方米研发空间，初期计划集聚千名科研人员 [6] 存储与系统架构 - 国产化先进存储系统项目直接对应算力集群中“存算传”紧耦合的硬性需求 [7] - 在AI大模型训练中，海量数据的读写速度可能成为制约整体效率的短板，需要根据应用需求设计计算、存储、网络的配比 [7] 市场趋势与产品布局 - 市场正从单纯的大模型训练向推理应用侧转移，推动推理侧算力需求爆发式增长 [8][9] - 2026年或将成为国产超节点在推理侧规模化落地的关键年份，市场供给端竞争日益激烈 [9] - 公司投入25亿元研发和生产训推一体机，意在抢占市场窗口期 [9] - 当前的产业需求是科学计算与人工智能的融合，例如科学智能需要融合多种计算方法 [9] 技术适配与生态连接 - scaleX万卡超集群已完成400多个主流大模型和世界模型的适配优化，依托国家超算互联网平台可接入上千款已验证的应用 [11] - 公司希望连接上游的芯片、系统资源和下游的应用、用户，实现计算产业链的跨层协同 [11] 公司近期经营表现 - 2025年前三季度，公司实现营业收入88.20亿元，同比增长9.68% [11] - 2025年前三季度，公司实现归属于上市公司股东的净利润9.66亿元，同比增长25.55% [11]

模型发布与战略意义 - 上海人工智能实验室开源了基于“通专融合”SAGE架构的万亿参数科学多模态大模型Intern-S1-Pro，旨在为AI for Science从1.0“工具革命”迈向2.0“革命的工具”时代提供系统性开源基座 [1] - 该模型是全球开源社区中参数规模最大的科学多模态模型之一，其性能稳居全球第一梯队，通过SAGE基础模型层技术创新拓宽了应用边界并提升了超大规模训练可行性 [1] - 公司提出“可深度专业化通用模型”是实现通用人工智能的可行路径，其关键挑战在于低成本规模化反馈、持续主动学习、多解决方案能力以及引入物理世界规律 [1] 核心技术突破 - 研究团队引入傅里叶位置编码并重构时序编码器，使模型能同时以“粒子”视角捕捉相对距离和以“波”视角把握科学信号整体规律与频率 [2] - 基于自适应数据密度的时序编码器，模型首次能统一处理从寥寥数个到百万级采样的各类信号，支持的分析对象从天文学、地理学拓展至生理信号、生物声学等领域 [2] - 为高效训练万亿参数模型，团队革新了内部“路由机制”，通过“路由稠密估计”提升学习充分性与稳定性，并通过“分组路由”策略实现海量计算芯片的负载均衡，避免资源闲置 [2] 系统与生态成就 - Intern-S1-Pro同时攻克了超大规模模型训练在“学习效率”和“资源调度”上的核心瓶颈，为高效稳健训练下一代万亿参数模型提供了关键基础 [3] - 该模型验证了从原创模型架构到国产算力基座自主技术的完整链路，从架构设计之初就与昇腾计算生态确立了联合研发路线，实现了从底层算子、编译优化到上层训练、推理框架的深度全栈适配 [3] - 模型还与沐曦联合研发利用模型加速算子适配，为开放共享、面向未来的科学智能基础设施奠定了坚实基础 [3]

AI for Science 在生物医药领域的应用与突破 - 人工智能模型正加速应用于以DNA、RNA、蛋白质、单细胞等基础生命单元为核心的药物设计等真实场景 [1] - 科学智能（AI for Science）正在重新定义科学发现的速度与方式 [1] - 制药是AI for Science最重要的应用领域之一 [2] siRNA药物研发的技术瓶颈与AI解决方案 - siRNA（小干扰RNA）因其精准“沉默”致病基因的能力，是创新药研发中重要的高潜技术路线 [1] - 传统siRNA药物研发长期依赖经验试错，难以规模化提效 [1][2] - 人工智能的应用正在打破上述瓶颈，例如“女娲RNA大模型”深度应用使上海一家公司的siRNA药物筛选效率大幅提升 [1] 女娲RNA大模型的核心能力与应用成效 - 女娲RNA大模型由上海科学智能研究院联合复旦大学于2025年9月共同研发面世 [2] - 该模型整合了10亿级RNA序列、结构、功能和化学修饰等多模态数据，覆盖mRNA、ncRNA等主要类型 [2] - 模型在RNA结构预测、逆折叠等任务中取得领先表现，被视为RNA生物学模拟器 [2] - 应用该模型，可于数小时内从靶点上万条序列中筛选出约200条高分候选序列 [3] - 通过3至4轮迭代优化，筛选出的序列已具备极高成药潜力 [3] - 模型辅助体外筛选效率比传统方式提升约1.6倍 [1] - 已有超过5个靶点的siRNA设计流程完成验证，并在针对高血脂、高血压等慢性病的siRNA药物设计中完成初步体外实验验证 [3] - 模型已搭建从序列筛选到体外湿实验的全流程闭环，湿实验机器人“7×24”小时不间断运行，实现数据、实验与AI模型间的闭环迭代 [4] 星河启智科学智能开放平台的定位与功能 - 星河启智平台由上智院联合复旦大学、无限光年在2025年世界人工智能大会期间推出，是全国首家专注于科学智能领域的大型新型研发机构的核心平台 [5] - 平台汇聚了包括女娲RNA大模型在内的400余个科学模型与工具 [4] - 平台旨在降低科研门槛，预置海量高价值可信科学数据、基座大模型、智能体及领域科研算子，实现资源“开箱即用” [5] - 平台贯通整个科研流程，科学家可定义研究目标，由大模型自动调用资源串联数据获取、模型训练、干湿实验、结果验证等环节 [5] - 平台已建成22类4万多个高价值科学数据集，科学文献库覆盖近5亿篇文献 [6] - 平台单日访问次数约2.3万次，在重点场景中已服务复旦大学7600余名师生、19个院系、5家附属医院 [7] - 平台计划在2026年支持用户直接调度远程自动化设备完成真实实验验证 [6] AI驱动的科研范式变革与跨界协同 - AI正从“可用工具”向“科研伙伴”进化，旨在全面驱动科研范式变革 [5] - 星河启智平台将分散的数据、模型和方法整合到统一科研环境，系统性地推进科学问题 [6] - 上智院推出“Alpha破界营”机制，让领域科学家与AI算法专家、工程师同处一室办公，实现深度协同 [6] - 跨界协同模式已成功孵化出如“燧人催化反应模型”等高水平科研成果 [7] - 以生物医药临床大数据为起点，借助AI算法和工程优化，可更高效地解决关键科学问题并提供线索，再由领域科学家通过实验验证与转化 [7]

公司发布与战略 - 上海人工智能实验室开源了全球首个基于“通专融合”架构的万亿参数科学多模态大模型Intern（书生）-S1-Pro [1] - 该模型是全球开源社区中参数规模最大的科学模型，其性能表现稳居全球第一梯队 [1] - 公司旨在通过开源降低全球科研门槛，与学术界和产业界共同推动以通用人工智能驱动科学发现的范式革命 [1] - 该模型验证了从原创模型架构到国产算力基座自主技术的完整链路 [1] 技术架构与创新 - 模型通过多项SAGE基础模型层的技术创新，拓宽了应用边界并提升了超大规模训练可行性 [2] - 研究团队引入了傅里叶位置编码并重构时序编码器，以构建能更深层次理解物理世界规律的科学大模型 [2] - 团队革新了内部的“路由机制”，通过“路由稠密估计”提升模型学习充分性和稳定性 [2] - 采用“分组路由”策略实现海量计算芯片的负载均衡，避免了资源闲置和算力浪费 [2] 行业影响与愿景 - 该模型为AI for Science从“工具革命”的1.0阶段迈向以“革命的工具”驱动科学发现的2.0时代提供了创新的系统性开源基座 [1] - 公司首席科学家提出，可深度专业化通用模型是实现通用人工智能的可行路径 [1] - 实现路径的关键挑战包括需要低成本、能规模化的密集反馈，以及持续学习、主动探索和多视角解决问题的能力 [1] - 另一关键挑战是需引入对物理世界规律的考量，并兼顾多项差异化能力的学习效率与性能 [1]