AI for Science 行业趋势与机遇 - AI for Science 成为 AI 最新、最激动人心的方向，旨在用 AI 加速科学发现 [3] - 行业标志性事件包括：Xaira Therapeutics 启动募资超 10 亿美元，OpenAI 成立 "OpenAI for Science" 部门 [3] - 该领域被视为三十多年未见的巨大机会，有望推动从无限能源到消灭疾病等终极科学想象的实现 [5] 公司创立与技术起源 - 公司于 2018 年由张林峰和孙伟杰创立，早于 ChatGPT 发布，是中国 AI for Science 的早期实践者 [3][5] - 启动资金来自全国颠覆性技术创新大赛金奖，金额为 1200 万元人民币，非传统风险投资 [4] - 技术核心是张林峰在普林斯顿读博期间提出的深度势能分子动力学方法，该方法后来获得了全球高性能计算权威奖项 "戈登·贝尔" 奖 [4][5] 核心技术突破：DeePMD - DeePMD 方法引入 AI，优化了基于薛定谔方程的 "第一性原理计算"，在不太损失精度的情况下，将计算范围从上百个原子扩展到上百亿原子 [5] - 该突破实现了超过 6 个数量级的计算加速，将原本需要约 2 亿核时（价值约 2000 万元人民币）的计算任务，压缩到在笔记本上半小时内完成 [23] - 技术本质是解决复杂高维物理量和方程的 AI 表示、逼近与加速求解问题，类似于用 AI 解决规则明确但计算复杂的问题 [20][26] 产品与平台发展 - 公司推出了 Hermite 药物计算设计平台、Piloteye 能源电池研发平台等一系列工业研发平台 [8] - 开发了包括分子大模型 Uni-Mol、蛋白质大模型 Uni-Fold、基因大模型 Uni-RNA 等在内的预训练科学模型，以及科学文献大模型 Uni-SMART [8][47] - 构建了整合上述积累的科研平台与科研 Agent，如 "玻尔科研空间站" 和 SciMaster，旨在贯穿读文献、做计算、做实验的全研发流程 [8][44][47] 商业模式与战略定位 - 公司明确其第一个五年计划是成为 "微尺度工业研发的平台"，即微尺度的达索系统，将量子力学内化到软件中，变革药物、材料等领域的研发范式 [32] - 选择做平台而非垂直应用管线，目标是基于一套平台服务不同方向和阶段的科研，服务 1000 甚至 1 万个客户，以激发更多科学发现 [51][52] - 商业潜力参考达索系统（市值 500 多亿美元）和英伟达的 CUDA 生态，认为平台和管线均有做到千亿美元市值的潜力 [52] 人才与社区建设 - 公司发展中的关键脉络是培养了一批最优秀的低年级本科生，以解决跨学科人才稀缺的问题 [27][32] - 建立了全球最大的 AI for Science 开源社区 DeepModeling，这既是人才发现机制，也是新场景的挖掘机制 [25][36] - 内部构建了专门的学习体系和工具，如 AI for Science 版的 Colab 和 Kaggle，探索 "干中学" 和 "按需学习" 的新教育方式 [34][36] 未来展望：AI 科学家与科研范式变革 - 认为接下来最重要的方向是 "AI 科学家"，即能自主调用工具、执行科研任务的 Agent，其出现将冲击现有的科研评价体系、学科划分与合作模式 [42][49][63] - 预测 AI 加速科学发现将带来直观的产业突破，如手机续航延长至十天甚至一个月、电动飞机可行，以及药物研发像搜索信息一样简单 [60] - 公司致力于定义 "Innovator" 模型，推动科研范式的根本性变革，其影响可能超越诺贝尔奖等现有评价体系本身 [54][58]

文章核心观点 - 基于先进计算架构的智能算力正成为人工智能发展和各行业数字化转型的关键支撑，驱动科研范式变革并加速产业应用落地 [1] - 中国智能算力基础设施规模已位居全球前列，并通过产学研协同创新，不断涌现新产品与新服务模式，为高质量发展提供动力 [1][7][8] 智能算力基础设施规模 - 截至今年6月底，中国在用算力中心机架总规模达1085万标准机架，智能算力规模达788百亿亿次/秒，存力规模超过1680艾字节，已发布1509个大模型 [1] 科研领域应用 - 西湖大学利用智算技术高效解析非编码RNA测序数据，解决了传统实验方式耗时耗力且难以分析复杂调控关系的难题，显著加速研究进程 [2] - 南开大学借助高效人工智能计算开源框架，将单张眼底图像的推理速度提升2.4倍，推动眼底图像分析技术的临床应用 [3] - 上海人工智能实验室等机构协作，在2个月内发现并验证了2个癌症新靶点 [3] - 鹏城实验室通过中国算力网整合20余座城市的算力节点，依托“鹏城云脑Ⅱ”服务数万名科研人员 [3] 产业应用案例 - 伊利集团基于阿里云的人工智能算力构建智能基础设施，开发超800个智能体，大模型覆盖70%的供应链场景，并通过计算机视觉实时监测奶牛健康以提升产奶质量 [4] - 阿里通义大模型全球下载量突破6亿次，衍生模型突破17万个 [4] - 中车集团依托百度飞桨平台构建空气动力学仿真大模型，将仿真周期从天级缩短至10秒级，效率提升30倍以上，结果误差小于5% [5] - 百度飞桨万卡集群上大模型有效训练时间占比达到98%，并通过全链条优化实现低时延、高吞吐的大模型推理 [6] 计算架构与产品创新 - 浪潮信息发布面向智能体优化的人工智能计算系统，其DeepSeek R1大模型词元生成速度仅需8.9毫秒，新服务器使词元生成成本大幅降低 [7] - 超节点服务器通过极低时延的总线级互联技术和极简互连架构，打造逻辑统一的紧凑计算单元 [7] - 太初公司的高密液冷智算集群已服务200余家高校企业，支持超1200千万亿次/秒浮点运算算力需求 [8] 产学研协同发展 - 在北京市科委组织下，浪潮信息等企业机构成立“超节点算力集群创新联合体”，在互连协议、系统研制、标准制定等方面取得进展 [8] - 太初公司与湖南大学、南京邮电大学等高校成立联合研发团队进行科研攻关，并构建教学实训平台培养实践型人才 [8]

智能算力发展政策与规模 - 国家政策提出加快人工智能等数智技术创新，强化算力、算法、数据高效供给 [1] - 截至今年6月底，国内在用算力中心机架总规模达1085万标准机架，智能算力规模达788百亿亿次/秒，存力规模超1680艾字节，已发布1509个大模型 [1] 智能算力在科研领域的应用 - 西湖大学利用智算技术高效解析测序数据，加速非编码RNA作用机制和生物学功能研究进程 [2] - 南开大学借助高效人工智能计算开源框架，将单张眼底图像的推理速度提升2.4倍 [3] - 上海人工智能实验室等机构协作，在2个月内发现并验证2个癌症新靶点 [3] - 鹏城实验室通过中国算力网整合20余座城市的算力节点，依托“鹏城云脑Ⅱ”服务数万名科研人员 [3] - 人工智能驱动的科研范式变革中，智能算力可用于发现并解决“根节点”问题，如大模型预测蛋白质结构 [3] 智能算力在产业界的应用案例 - 伊利集团构建“一云多芯、一云多算”的智能算力基础设施，通过计算机视觉识别奶牛眼部特征实现精准饲喂管理 [4] - 伊利已开发超800个智能体，大模型覆盖70%的供应链场景，显著降低原辅料临期、积压及缺货风险 [4] - 阿里通义大模型全球下载量突破6亿次，衍生模型突破17万个 [4] - 中车集团构建空气动力学智能化仿真大模型，将仿真周期从天级缩短至10秒级，效率提升30倍以上，结果误差小于5% [5] - 百度飞桨支撑超大规模自适应分布式深度学习训练，万卡集群上大模型有效训练时间占比达98% [6] 智能算力技术与产品创新 - 浪潮信息发布面向智能体优化的人工智能计算系统，其超节点服务器使DeepSeek R1大模型词元生成速度仅需8.9毫秒 [7] - 超节点服务器通过极低时延的总线级互联技术和极简互连架构，打造逻辑统一的紧凑计算单元 [7] - 人工智能的大范围应用推动算力高速增长，需克服系统规模逼近工程极限、能耗高等挑战 [7] - 太初公司推出的高密液冷智算集群已服务200余家高校企业，支持超1200千万亿次/秒浮点运算算力需求 [8] - 产学研协同创新联合体在超节点互连协议、系统研制、标准制定、应用部署等方面取得显著进展 [8]

会议背景与核心主题 - 会议于联合国成立80周年之际举办 主题为落实《未来契约》完善全球治理 [1] - 活动由联合国大学 联合国驻华系统 北京外国语大学与南非开普敦大学联合主办 [1] - 探讨大学在推动《未来契约》落实 加速2030年可持续发展议程中的使命与路径 [1] 主要倡议与原则 - 中国教育部代表提出三点倡议 凝聚共识共享机遇 开放合作共谋发展 勇担使命共创未来 [1] - 联合国副秘书长呼吁在混乱时代坚守多边主义 强调大学将言论转化为行动的关键作用 [2] - 联合国驻华协调员提出落实《未来契约》三原则 政治意愿 公共政策与伙伴关系 [2] 高校角色与实践维度 - 北京外国语大学提出三大实践维度 以教育为桥梁 以对话为纽带 以合作为力量 [2] - 外交学院代表强调大学应通过塑造理念 培养人才 生产知识三大职能为全球治理提供智力支撑 [2] - 多国高校代表就人工智能治理 跨学科合作 科研范式变革等议题展开深度交流 [2] 会议成果与行动计划 - 会议发布《大学实施〈未来契约〉行动计划》 由北京外国语大学牵头制定 [3] - 计划提出建立未来大学联盟 启动未来学习卓越中心等机制 [3] - 会议启动了可持续发展目标系列对话筹备进程 [3] 未来合作方向 - 北京外国语大学表示将推动行动计划项目化 机制化 标准化 [3] - 致力于打造可复制 可推广 可评估的全球高校合作新范式 [3] - 本次对话标志着全球高等教育界在多边合作与可持续发展领域迈出坚实一步 [3]

人工智能对科技创新的影响 - 人工智能是互联网基础设施条件下集数据、模型、算力为一体的产物，其发展依赖于半导体和互联网技术的突破[5] - 人工智能引领科研范式变革，使得科研方法论发生根本性变化，传统方法在结构生物学、新药研发等领域已不可持续[5][8] - 人工智能已成为打破学科壁垒的通用语言，能够解决高度复杂问题，如AlphaGo通过计算发现人类未察觉的围棋策略[8] 太空计算星座的技术突破 - 之江实验室发射"三体计算星座"12颗计算卫星，构建千星规模太空计算基础设施，实现卫星在轨实时数据处理[9][7] - 计算星座通过卫星互联互通释放价值，减少卫星数量并降低运行成本，同时提升数据时效性，助力应急救灾[10] - 太空成为人工智能新应用场景，历史上集成电路和生物技术均先在太空验证后落地[9] 科研范式变革与科学家角色 - 人工智能延展人类创造力而非替代科学家，掌握AI工具的科学家将淘汰未掌握者[11][12] - 科研人员需以颠覆性思维拥抱AI，否则可能被时代抛弃，这是个体和国家在科研领域实现超越的机会[13] - 计算与人工智能互为依存，算力突破依赖AI技术，同时算力也为AI发展服务[9]

人工智能对科技创新的影响 - 人工智能是互联网基础设施条件下集数据、模型、算力为一体的产物，与半导体和互联网发展密切相关[1] - 人工智能引领科研范式变革，使科研方法论发生根本性变化[1] - 传统科研方法如新材料研发和蛋白质结构研究耗时过长且成本高昂，人工智能可大幅提升效率[2] 人工智能在科研中的具体应用 - AlphaGo通过分析围棋棋盘10^100种可能性，展示了人工智能处理复杂问题的能力[3] - 之江实验室"三体计算星座"通过卫星组网实现太空数据实时处理，突破传统卫星数据处理效率瓶颈[4] - 太空计算星座将人工智能应用场景拓展至太空领域，历史上集成电路和生物技术也曾在太空率先应用[4] 人工智能与科学家的关系 - 人工智能不会替代人类智能，而是扩展人类创造力，最终使用人工智能的科学家将淘汰不会使用者[5][6] - 人工智能治理需平衡能力建设与伦理风险，缺乏能力或错失机遇同样是风险[6] - 科研人员必须掌握人工智能驱动的科研范式，否则可能被时代淘汰[7] 技术发展趋势 - 卫星互联互通可降低运行成本30%以上，并提升应急救灾等场景的数据响应效率[5] - 人工智能正以空前速度渗透各领域，成为科技革命和产业变革的核心驱动力[7] - 当前技术变革创造了超越性发展机会，可能重塑科研和产业格局[8]

苏州国际精英创业周活动成果 - 本届创业周市县两级意向合作项目达2388个 其中创业投资项目2267个 创新合作项目121个 [1] - 意向合作项目中高端装备占比19.4% 新一代信息技术占比18.5% 新材料占比11.9% 软件与信息服务占比9.9% 新能源占比6.2% [1] - 公共服务平台征集人才项目量质齐升 全市300余家载体提前线上对接 [1] 高校技术转移与人才对接 - 高校技术转移转化成果对接展集结24所高校 41家企业 展出超1300项科技成果 吸引4200余人观展洽谈 [2] - 首届"春晖创新训练营"吸引百余名海外人才线下参与对接 [2] - 中外院士前沿科技论坛汇聚30余名顶尖院士 60余名AI领域学者探讨科研范式变革 [2] 科创大会与人才基金 - 主会场开幕式合并举办高校技术转移转化大会 国际科创大会 超1700名海内外嘉宾参会 [3] - 苏州市"百亿人才基金"成立 设立人工智能 低空经济 生物医药等子基金 重点投向硬科技领域 [3] - 发布全流程智能招聘平台 人才政策智能匹配平台等3个"AI+"工作平台 [3] 产业与人才集聚效应 - 活动推动苏州"1030"产业体系建设 聚焦新一代信息技术 新能源等战略领域 [1] - 科学家日活动吸引14名院士 54名教授 81名企业家共议人工智能产业机遇 [2] - 4000余名苏州学子参与观摩学习 强化本地人才储备 [2]

AI与科研范式变革 - 2024年诺贝尔物理学奖和化学奖授予AI相关研究学者，标志AI技术与科学研究加速融合的时代到来 [1] - 第三届中外院士前沿科技论坛聚焦"人工智能赋能科技"，探讨AI驱动下的科研范式变革与技术创新路径 [1] - 中国科学院院士谭铁牛提出四点期望：加强前沿基础研究、学科交叉、成果转移转化和国际科技合作 [1] AI在生物医学领域的应用 - 中国科学院院士谭蔚泓认为AI将赋能生物医学成为定量科学，发起数智推演生物医学行动计划 [2] - 该计划旨在利用数学语言定量表述生命现象及疾病机制，推动生物医学从宏观定性科学转向系统定量科学 [2] - 中国科学院外籍院士戴宏杰团队开发AI技术，可将模糊的红外荧光成像转化为清晰图像，正与国内医院及企业合作应用于临床 [2] AI在工程与制造领域的应用 - 中国工程院外籍院士约翰·劳海德指出AI可提升生产过程中测量的精准度，保障产品质量 [3] - 中国科学院院士李景虹强调AI在生物分析化学研究中的三大核心优势：高效数据处理、精准预测与分类、提供创新切入点 [3] - 英国皇家工程院院士景旭东举例称，AI辅助使地震资料解释的数据处理效率提升约70倍，处理时间从数月缩短至1至2天 [3] AI与科学研究新范式 - 2024年诺贝尔物理学奖和化学奖分别表彰人工神经网络和AlphaFold2模型，显示"人工智能+科学"成为新研究范式 [3] - AI技术正推动红外成像质量跃升，成为核心技术驱动力 [2] - AI在多个领域的应用表明其正深刻改变科研与产业技术路径 [1][2][3]

人工智能引领科研范式变革 - 人工智能具有溢出带动性很强的"头雁"效应，正在以前所未有的深度和广度重塑科学研究的基本逻辑与方法体系 [1] - 科研范式经历了三次重大变革：经验范式、理论范式、计算范式，人工智能推动科学研究从传统的以假设驱动转向基于海量数据驱动 [2] - 人工智能大模型快速发展，推动人工智能全面融入科学、技术和工程研究，形成"数据密集—智能涌现—人机协同"的三元认知方法论 [3][4] 人工智能科研范式的典型特征 - 以智能挖掘替代假设检验，如AlphaFold成功预测了几乎2亿种蛋白质结构，展现人工智能在推动科学创新方面的重要作用 [3] - 以多元知识耦合激发智能涌现，如华为云盘古大模型在30多个行业、400多个场景中落地，协助产业研发创新的智能升级 [3] - 人工智能逐步从"辅助工具"转变为"科研主体"，形成人机协同的科研组织模式，如文物虚拟修复技术提升文物复原效率 [3] 人工智能科研范式的核心突破 - 从方法论视角看，人工智能突破传统科研受限于人力、时间及数据维度的瓶颈，显著缩短研发周期 [4] - 从科研组织方式看，人工智能推动科研组织从"孤岛式创新"向"分布式智能网络"变革，形成人机协同的全新科研团队 [5] - 从价值体系看，人工智能推动科技与人文融合发展，拓展了科学研究的人文价值 [6] 我国在人工智能驱动科研范式变革的实践路径 - 充分发挥制度优势，形成模块化的科研组织攻关能力，如建设"模速空间"人工智能大模型专业孵化和加速平台，已入驻100余家人工智能大模型企业 [7] - 充分利用应用场景丰富的优势，将其转化为人工智能数据增强优势，为人工智能技术发展提供了天然"试验场" [7] - 将中华文化与人工智能的模型思维进行整合，如借助人工智能图谱技术实现中医理论体系的数字化建构 [7] 人工智能科研发展的未来方向 - 打造国家科研算力中枢网，以"东数西算"工程为基础，统筹推动建设人工智能驱动的科研创新联合体 [9] - 建立人机协同的科研体制，在国家级科研项目中探索引入人工智能科学家岗位，推进科研活动中的人机协同 [10] - 发起开放合作的国际科研联盟，以"数字丝绸之路"为载体，构建逐步开放的国际科研数据公开平台 [11] - 提升人工智能科研治理能力，加快制定科研领域人工智能通用技术的国家标准，完善应对人工智能科研风险的技术监测体系 [12]

文章核心观点 人工智能引领科研范式变革，“机器化学家”作为代表能加速科技创新突破，“小来”和“小临”两代“机器化学家”诞生并不断升级，未来计划建造大楼提升研发效率，让人类科学家投身创造性思考 [2][12] 分组1：“小来”的诞生 - 传统化学研究范式依赖“试错法”，新物质创制周期长、成本高，实验效率低、数据分散 [3] - 2013年江俊与同事探讨用大数据革新化学研究，团队花三年整理百万条化学数据，将专家研究经验“灌”进计算机 [3][6] - 2020年自动化专家加入，2021年“机器化学家”“小来”诞生，日均能完成2000次精准操作，抵得上五六名科研人员工作量 [6] - “小来”在火星制氧催化剂研究中，6周从376万种配方组合找到最优解，成果发表于《自然·合成》 [7] 分组2：从“小来”到“小临” - 去年第二代“机器化学家”“小临”诞生，比“小来”多一条机械臂，接入多个生成式大模型，能自行设计实验并智能优化 [8] - “小临”帮方天成博士团队研发吸能材料，7个月找到最优解，传统方法需十年 [11] - “小临”能主动从失败中学习，分析数据锁定关键变量 [11] 分组3：“小来”和“小临”的未来计划 - 团队计划未来几年建造“机器化学家大楼”，容纳上百台机器人、上千个智能工作站，日均实验量可达百万次 [12] - 新一代“机器化学家”将配备红外和拉曼探头，能“看见”“闻出”化学物质变化，还能云端共享数据 [12]