炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：澎湃新聞）

·近年來，各大AI廠商紛紛推出AI科研助手，希望將AI深度融入科研流程，輔助科學家進行假設、設計實驗、分析結果乃至啓發新發現。

科學研究的疆域正以前所未有的速度擴張，其前沿早已深入到人腦難以直觀想象的微觀與宏觀世界。面對每天產生的海量論文、動輒PB級的實驗數據和日益複雜的跨學科難題，人類科學家正面臨着“認知過載”的挑戰。在此背景下，人工智能（AI）的角色正在發生深刻的轉變——它不再僅僅是一個能快速檢索信息的“博學”工具，而正演化爲能夠理解、推理並與科學家協同工作的“智能夥伴”。

2025年7月26日，上海舉辦的世界人工智能大會（WAIC）“人工智能賦能生命科學論壇”上，中國科學院（CAS）正式發佈了其自主研發的開源科學基礎大模型——“磐石”。該模型旨在應對當前科研領域面臨的數據孤島、專業推理能力不足和研發生態封閉等挑戰，爲跨學科科技創新提供一個堅實的智能化平臺。

2025世界人工智能大會（WAIC）“人工智能賦能生命科學論壇”現場。拍攝/季敬傑

中國科學院科技基礎能力局副局長曾大軍介紹，現代科學研究面臨的一大瓶頸是“數據孤島”與“工具壁壘”。以藥物研發爲例，可能需要融合基因組學、蛋白質結構學、化學合成等多個領域的數據與工具。在傳統模式下，這些知識和工具散落在不同的數據庫和軟件中，格式各異，互不兼容，跨領域協作的效率因此大打折扣。通用AI雖然在語言處理上表現出色，但往往缺乏對特定科學領域底層規律的深刻理解，難以勝任嚴謹的科學推理。

“磐石”大模型通過採用“異構混合專家”（MoE）架構來對科研工具進行整合。這可以通俗地理解爲一個“專家委員會”：當模型接收到一個任務，比如預測蛋白質結構，它不會用一個通用的“大腦”去思考，而是會自動將任務分配給委員會中專精於此的“蛋白質摺疊專家”（如集成AlphaFold能力）；當任務是解析化學物質光譜時，則會調用“化學分析專家”。這種架構確保了問題能由最合適的“專家”來解決，大大提升了專業任務的準確性和效率。

爲了讓這些“專家”真正懂得科學，其訓練方式也與通用AI有所區別。“磐石”採用了“課程式訓練”的方法，如同培養一名人類學生。它首先系統性地學習了從高中到碩博階段的數理化、天地生等基礎學科的核心定理與知識體系，構建起紮實的理論基礎。曾大軍表示，“磐石”被投餵了超過1.7億篇科技文獻和源自國家重大科學裝置的90PB高質量實驗數據。這種訓練使其不僅能“記住”知識，更能理解科學知識之間的邏輯關聯，從而具備了一定的科學通識推理能力。

這種能力有望極大地提升科研效率。過去，一名博士生可能要花費數月時間閱讀上千篇文獻才能寫出一篇高質量的綜述，而“磐石”的“文獻羅盤”智能體能將這一過程縮短至幾小時。它不僅能總結內容，更能自動梳理技術脈絡、分析研究圖譜。曾大軍說，其產出質量已接近人類博士研究生水平。

除了是高效的“助手”之外，AI也開始具備成爲科研“協作者”的能力。“磐石工具調度臺”如同一個智能項目經理，當科學家提出一個高階的研究目標，例如“分析這次高能粒子對撞產生的數據，尋找某種稀有信號”，調度臺能自動理解任務，並智能地規劃出所需的一系列專業分析軟件和計算流程，然後按序調用執行，大大降低了前沿科學工具的使用門檻，讓科學家能更專注於科學問題本身。

在生命科學領域，這一新範式的影響尤爲突出。中科院學科交叉團隊利用“磐石”搭建的“數字細胞”模型，在一個尋找疾病靶點的真實案例中全自動完成了從檢索7個專業數據庫、集成5個不同功能的AI模型、分析海量生物文獻的複雜流程。在短短兩週內，它便發現了一個過去未知的、與線粒體疾病相關的潛在新靶點，並通過了初步的實驗驗證。這相比傳統研究範式，效率實現了超過十倍的躍升。

近年來，各大AI廠商紛紛推出AI科研助手，希望將AI深度融入科研流程，輔助科學家進行假設、設計實驗、分析結果乃至啓發新發現。中國科學院副院長、中國科學院院士吳朝暉在論壇中表示，這場由AI驅動的變革，正引領我們邁向人、機器與信息世界深度交匯的新時代。未來，科學家與AI的協同共創，無疑將加速我們解開生命奧祕、攻克重大疾病的步伐，開啓一個科學發現無限可能的新紀元。

海量資訊、精準解讀，盡在新浪財經APP