当人工智能与基础科学深度融合，科学发现的新范式正在开启。当前，面向AI for Science的关键基础设施已逐步成形，规模化、智能体驱动的科学研究从概念走向现实的时机已经成熟，科学研究正迎来它的“GPT”时刻。
1月29日，由上海交通大学人工智能学院与上海算法创新研究院联合主办的“Agentic Science at Scale——AI4S科学基座模型和通用科研智能体研讨会”在上海徐汇区模速空间举行。会议面向产学研各界集中展示AI for Science科研基础设施整体能力，发布科学基座模型Innovator、科研智能体SciMaster等成果，并通过产学研战略签约打通科研智能化、规模化的“最后一公里”，“Agentic Science at Scale”时代正式开启。
中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南主持会议开幕式并作《Agentic Science at Scale》主旨报告，系统阐释科研智能化、规模化时代的底层能力架构与实施路径。
研讨会现场举行战略合作签约仪式。上海赛兰德智能科技有限公司分别与上海埃迪希科技服务有限公司、上海库帕思科技有限公司签署战略合作协议，围绕科研算力供给与数据价值挖掘开展合作，推动科研智能化、规模化成果形成可持续生态。
在科研基础设施与科研智能体成果介绍环节，来自高校与科研机构的专家学者集中发布了AI for Science科研基础设施的关键能力模块，系统展示了端到端的科研生产闭环。
上海交通大学人工智能学院副教授、上海赛兰德智能科技有限公司创始人兼首席科学家陈思衡呈现了通用科研智能体SciMaster的能力体系。该智能体旨在实现全学科科研“搜、读、算、做、写”全流程闭环，依托海量工具调用与超长程上下文管理两大核心技术能力，为用户提供“自动驾驶”般的科研体验：其6小时运行成果即可比肩资深理论物理学博士1至3个月的饱和工作量。通过“用户+开发者”双飞轮驱动Scaling up，SciMaster正构建规模化科学智能生态，驱动科研生产范式由“小作坊”向“超级工厂”加速跃迁。
在模型层面，上海交通大学人工智能学院助理教授张林峰发布了Innovator基座模型。该科学基座模型实现了科学多模态感知、科学推理、科学工具调用的三个目标。感知方面，面向化学、材料、物理等学科多模态科学数据建立理解能力，支持20多种科学模态，且同时具备顶尖的通用视觉理解能力。科学推理方面，显著提升科学推理与多模态科学推理能力，具备解决真实科学任务的科学编程能力，在科学编程任务上超越30倍参数量的模型。科学工具方面，在模型侧对万级工具与能力模块进行理解、选择、组合与调度，实现跨学科、跨任务的稳定交付。
（中国日报上海分社 记者 周文婷）
扫码下载
中文网微信