文章核心观点 - 上海科学智能研究院与复旦大学联合发布了名为“大圣”的系统级、面向科学探索的高能动性智能体，旨在通过AI技术彻底变革科研范式，提升科研效率与成功率 [4][5] - “大圣”智能体具备“上天入体”的全域科学探索能力，覆盖生命科学、地球科学、物质科学、人文科学等多个领域，并能通过自驱动实验室链接物理世界进行实证 [11][12][39][74] - 该智能体的成功源于对底层AI架构的重构，包括多模态科学基础模型、多分支群体记忆架构、经过验证的Skills体系以及安全可信的闭环设计，背后是跨学科青年科学家团队的融合创新 [40][41][80][82] 产品与能力 - **核心定位**：作为“超级科研合伙人”，“大圣”是一个系统级、面向科学探索的高能动性智能体，致力于推动科研范式变革 [4][5] - **效率提升**：在演示案例中，针对心肌病基因调控网络的研究问题，智能体通过14个智能体并行工作，迭代11轮，将性能提升11%以上，而传统研究生完成类似工作需至少半个月 [1][2] - **干湿实验闭环**：在生命科学领域，智能体实现了“设计-执行-反馈-优化”的干湿闭环。例如，在siRNA药物设计实验中，联动自驱动实验室后，机械臂在16分钟内完成96个样本的转染操作，效率较传统手工提升3到4倍 [13][18][19] - **多模态科学理解**：智能体具备原生多模态理解能力，能直接处理RNA二级结构、分子结构等科学模态数据，无需转换为文本，避免了信息失真。在RNA序列设计任务中，能理解多源科学条件并直接输出高性能序列 [21][25][26][44] - **地球科学应用**：基于“伏羲气象大模型”，智能体已完成“空地数据互联—模型上天—星上计算”的闭环验证，模型已在轨稳定运行一个月，未来计划发射更多卫星星座以提供更精准的天气预报 [30][31][33][34] - **人文科学应用**：在人文社科领域，智能体能进行苏格拉底式思辨，编排教学流程以培养学生的独立思考能力，而非提供死板的百科定义 [36][37][38] 技术架构与创新 - **多模态科学基础模型（大脑）**：采用“神珍科学多模态基础模型”，为不同科学模态（如RNA序列、分子结构）配备专用Tokenizer，生成原生高保真的Science Token，实现多模态对齐与自反思能力，在文本科学推理上达到业界SOTA水平 [42][44][46][48] - **多分支群体记忆架构（记忆）**：创新性地引入Git版本管理思想，构建多分支群体记忆。该架构以海量文献为基础认知主干，每个并行探索的智能体分身拥有独立记忆分支，实现信息隔离与保护，成功经验与失败教训经审核后可回流至主体认知网络 [50][51][52][54] - **场景验证Skills（法器）**：Skills体系源自真实科研任务的反复实践，而非简单的提示词工程。目前已形成300余个可复用Skills，覆盖物质、生命、地球、人文社科四大学科群的20多个科研场景 [57][59][60] - **安全可信体系（紧箍咒）**：通过体系化三层设计保障安全：执行层（Skill安全、沙箱安全）、协作层（智能体互联安全、隐私计算）、存证溯源层（分布式账本）。隐私计算混合架构将性能损耗降至3%以内，实现“数据不外流、任务可进场” [65][66][67][69] - **自驱动实验室（物理世界链接）**：通过“自驱动生命实验室”和“天算实验室”，实现从数字世界到物理世界的全天候、跨尺度实证闭环，让AI建议得以进行真值验证 [72][74][75] 研发背景与平台 - **开发团队**：“大圣”由上海科学智能研究院（上智院）联合复旦大学发布，研发团队汇聚了领域科学家、AI专家和工程师，通过紧密的跨学科融合进行创新 [4][40][80][82] - **基础平台**：“大圣”是基于“星河启智科学智能开放平台”全面升级的成果。该平台已汇聚400余个科学模型，沉淀22PB级高价值数据与5亿篇文献专利资源 [40] - **科研环境**：上智院提供了自由度极高的探索环境，配备海量高质量算力与充足资源，支持科研人员将想法落地，此前已推动如“亲吻数”等数学难题的突破 [83] 行业活动与展望 - **AI4S智能体CNS挑战赛**：复旦大学与上智院将举办第四届世界科学智能大赛的创新赛道，要求参赛智能体独立完成从文献理解到实验验证的全流程，挑战顶级期刊成果的当前SOTA水平，旨在让智能体承担繁琐工作，解放科研人员 [84][85][87] - **商业价值案例**：基于智能体Skills体系的成果已产生实际商业价值，例如在新型补锂剂分子研发中成果转化2000万元并获得数亿元投资；在某难成药靶点药物研发中，潜在价值估计高达5亿美元 [62] - **产业化推进**：上智院孵化企业“格物智研”打造的AI科研验证基础设施平台将于今年6月上线，旨在推动AI从工具升级为科学家的“超级科研合伙人” [62]

行业背景与核心问题 - AI工具在科研领域爆发式增长，但工具繁多导致系统碎片化，科研流程并未因此变得更轻松[3] - 科研是一项高度专业、强约束、长周期演进的系统工程，要求对原生结构与物理约束的高保真理解、对多路径探索过程的持续记忆、对实验结果的严格验证闭环以及对高敏数据与知识产权的安全控制[4] - AI4S（AI for Science）的核心问题正从“模型不够强”转向更结构性的命题：能否在专业约束下高能动性地组织科研流程、与人类科学家共同进行深度科学探索[4] “大圣”超级科研合伙人的定位与发布 - 2026年3月1日，由上海科学智能研究院、复旦大学和无限光年联合共建的星河启智平台宣布全面升级，正式推出超级科研合伙人“大圣”[4] - 发布会由上海科学智能研究院联合复旦大学主办，来自上海市经信委、科委、国资体系及阿里达摩院等多方代表到场，标志着科研范式变革正在集中顶尖学术与官方资源加速推进[6] - 其目标是构建一个具备专业面向科学探索、主动组织流程的高能动性系统，而不仅是零散的工具[9][11] “大圣”的四大核心能力体系 认知能力：多模态科学基础模型“神珍” - 核心是让模型直接在科学模态空间里思考，而非绕道语言，解决将科学数据“文本化”导致空间结构信息损失的问题[12][16] - 支持结构、序列、场信息的原生输入，输出直接对齐科学结果形式，在系统内部实现多种模态科学token对齐[17] - 早期验证显示，在ncRNA分类任务中准确率达96.3%，在RNA Switch生成任务中设计精准度约90%+，并完成Toehold Switch的实验闭环[18] 行动能力：从Tools到科研级Skills - 将AI能力封装成科研级Skills，其本质是一种可被AI理解且能自适应调整/调度的基础能力，包含标准化输入输出约定、工具调用逻辑及超参数含义等[21][22] - 平台已沉淀300+可复用科研Skills，覆盖四大学科群与20余类科研场景，并已在部分真实项目中实现规模化应用[24] - 过去7个月间，平台模型与工具数量实现翻倍增长，入驻科研团队增长达1200%[26] 记忆能力：多分支群体记忆架构 - 借鉴Git版本管理思想，引入多分支群体记忆架构，以治理不断分叉、生长、回滚的科研认知树[30][31] - 核心包括：精准长期记忆、多主体保护、优势认知整合，旨在让科研过程具备可追溯、可回滚、可复用、可演进的属性[34][37] - 该架构已在上海市科学智能百团百项超宽禁带半导体研发项目中落地验证，支撑十余个专业智能体有序协同[35] 验证能力：链接物理世界的闭环 - 构建“模型云端高通量预测 → 智能化湿实验 → 数据回流 → 模型强化更新”的软硬一体科学智能闭环[39] - 自动化编排已将上智院的部分科研流程效率提升约3倍，并显著减少无效实验[40] - 提出“上天入体”的科学全域覆盖愿景，一端深入生命科学实验体系，一端延伸到地球/太空观测，已与复旦大学、之江实验室完成“空地数据互联-伏羲模型上天-星上计算”闭环链路验证，并在轨运行一个月[40][42] 系统特点与生态构建 人机协作模式 - 强调“Scientists in the loop”，自动化不等于无人化，在异常数据、新规律迹象或关键路径选择时，系统会主动触发科学家介入审核[44] - 重新划分协作边界：AI负责规模化探索与执行，科学家负责关键判断与最终把关[45][46] 数据安全与可信协作机制 - 针对科研数据高敏性（未公开实验结果、核心配方、临床数据、潜在知识产权），引入可信计算与安全协作机制[50][51] - 通过A2A（Agent-to-Agent）服务化协作，实现“能力可用、数据不出域”，并辅以Agent on Chain可确权记录，使协作过程可验证、可追责[53][55] 生态积累与竞争壁垒 - 平台已沉淀400+科学模型与工具、22PB高价值数据资产以及上千科研团队协作网络，这些资产是在真实科研任务中反复打磨形成的能力网络[58][59] - 模型能力可被快速追赶，但深度嵌入科研流程的系统与生态很难一夜复制[60] 行业影响与未来展望 - 以“大圣”为代表的新一代科研智能体，正在把AI4S竞争维度从“模型能力”层推向更重的系统层与基础设施层[62] - AI4S正在从工具层面的效率革命，迈入科研生产关系的重排，未来驱动前沿突破的核心引擎可能演变为科学家与系统级高能动性科研智能体的深度共生关系[65] - 上智院和复旦发起了AI4S智能体CNS挑战赛，目标是在完全无人工干预条件下跑通顶刊级科研闭环，这标志着对AI科研能力的硬核考验[62]

合作事件与核心观点 - 中科天机与魔搭社区达成合作，其高质量气象数据集正式上线魔搭平台，标志着双方在科学智能领域的生态合作开启[1] - 此次合作旨在促进AI技术与地球科学的深度融合，推动气象科学研究与产业应用的协同发展[1] - 合作的核心是向全球AI4S开发者开放高质量气象数据，以解决高质量商业气象数据获取难、成本高的痛点[1] 合作方介绍与战略意义 - 魔搭社区自2022年11月成立，已成长为中国最大AI开源社区，服务全球超2000万用户[1] - 2025年9月，魔搭社区发布科学智能专区，致力于用AI驱动地球科学等领域的科研范式创新[1] - 对魔搭社区而言，中科天机的数据弥补了其在气象垂直领域的高精度数据缺口，提供了坚实的“数据底座”[1] - 对中科天机而言，借助魔搭社区的开发者生态，其高精度气象数据得以触达高校实验室、科研机构、AI初创公司[1] 数据集详情 - 本次上线数据集为“中科天机公里级融合数据——2025年华北区域历史数据集”[2][3] - 数据集依托公司自主研发的“全球-区域一体化数值天气模式系统”，采用“全球自由变焦”核心技术生成[2][3] - 数据空间分辨率为0.025度（约2.5公里），覆盖中国华北区域[2][3] - 数据集包含辐射、温度、降水、风速、湿度、气压等9项核心气象要素的历史模拟数据[2][3] - 数据可提供10天逐小时的气象模拟，完整覆盖2025年华北区域[3] - 数据文件格式为NetCDF，空间网格大小为384 x 324[2] 应用场景与生态协同 - 该数据集可满足新能源、电力、水利、农业等行业对精细化气象信息的需求[2][3] - 开发者可将该数据集与中科曙光推出的科学大模型一站式开发平台OneScience搭配使用[4] - OneScience平台在地球科学领域集合了Fuxi、GraphCast、FengWu等主流气象模型，并提供了20年的0.25度ERA5再分析数据集等[4] - 平台提供了从数据准备、模型训练到性能对比的完整流程验证工具，并针对国产加速卡进行了深度适配与性能优化[4] 未来展望 - 中科天机与魔搭社区将持续深化合作，推动更多区域、要素的高质量气象数据上线[4] - 双方将共同探索气象数据与AI模型深度融合的应用场景，为气象、能源、航空、农业、水利等领域的智能化转型提供支撑[4]

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]