原標題：數據為核 算力為基——科學智慧産業化蓄勢待發

       近日，在上海舉辦的2026世界人工智能大會暨人工智能全球治理高級別會議（WAIC　2026）上，AI　for　Science（AI4S，科學智慧）成為最密集出現的詞彙之一。多位受訪專家判斷，科學智慧未來2-3年將進入産業化爆發期，而數據這個最基礎也最稀缺的要素正在成為各方爭奪的戰略高地。

圖為2026世界人工智能大會暨人工智能全球治理高級別會議現場，參觀者在華為展臺觀看展品昇騰950超節點。新華社記者　陳浩明　攝

　　科學智慧改寫科研範式

　　AI4S對科研效率的重塑，正在改寫多個行業的成本公式。

　　“設計高性能催化劑複雜又耗時，通過應用中國科學院發佈的磐石·科學基礎大模型2.0，催化劑設計時間從幾個月縮短到30分鐘，而且成功發現了一種活性提高38%的新型催化劑。”中國科學院自動化研究所研究員徐楠介紹，這種新材料已經具備産業價值。

　　“原來做一款藥要花10年、投入10億美元，而現在的目標是3個月、300萬美元。”清華大學教授俞立説，AI正從輔助工具演變為科研基礎設施的關鍵組成部分，其目標並非取代科學家，而是將科學家從重復勞動中解放出來，使之專注于科學洞察與創造性思考。

　　小米材料CORE團隊負責人俞之奡也表示，AI對材料研發有很好的輔助作用，材料追求多維度均衡性能，傳統方式很難同步兼顧全部指標，但AI可以統一優化性能、原材料成本、量産工藝、製造製程，快速篩選、收斂到高潛力研發方向，持續迭代優化材料配方。小米公司已通過項目驗證了AI輔助材料研發的可行性。

　　越來越多的AI4S新成果讓科研發現的週期正從“年”向“天”演進。

　　“悟界·Brainμ1.0”是全球首個生成理解統一的多模態神經科學大模型，它將腦電波、鈣成像、腦磁等異構信號統一編碼，使原本互不相通的神經信號能在同一框架下實現對齊與理解。據北京智源人工智能研究院研究員雷博介紹，由該模型支撐的研究首次證實，記憶可反向調控睡眠——正向記憶優化睡眠品質，負向記憶加劇睡眠碎片化，這為抑鬱症、焦慮症等睡眠障礙的干預提供了全新思路。目前，這項研究已發表于《科學》期刊。

　　深圳河套學院聯合蘇州國家實驗室推出的Owl·靈鑒（AuraID）多智慧體系統，實現了從樣品操作到數據解析的全流程自動化。目前，該系統已覆蓋6類精密儀器，使得晶體結構解析的工作量減少50.6%，微觀形貌分析耗時從9分鐘縮短至7.5分鐘，AI獨立完成率從33%提升至80%。深圳河套學院副院長歐陽萬里表示，科學表徵需要大量專業知識和不同儀器協同，AI讓設備互聯互通、協同優化，把科學家從操作中解放出來，將精力投向科學洞察。

　　WAIC　2026的科學前沿論壇上，上海人工智能實驗室發佈了科學發現平臺“書生·端硯”，這一平臺面向真實科研任務，連接科學大模型、專業分析工具、實驗數據與具身自動化設備，覆蓋了從“假設提出”到“實驗驗證”的完整科研流程。

　　“未來2-3年，將是AI4S真正賦能産業的爆發期，很多新的材料、新的分子、新的藥物會迸發出來。”徐楠判斷。

　　數據瓶頸不容小覷

　　然而，在AI4S真正賦能産業、迎來爆發式增長的前夜，一個基礎性問題浮出水面：數據。

　　談及制約AI4S下一步發展的瓶頸時，徐楠直言，“第一是數據，第二是模型架構，第三是算力”。

　　科學數據與互聯網數據有著本質區別。地震波、海洋洋流、大氣影像、蛋白質結構、晶體數據——這些高度專業化的觀測數據分散在不同機構、不同格式、不同標準中，且需要經過科學家的專業標注和加工，才能真正成為AI可學習的“科學語料”。

　　“高品質科學數據的生産，高度依賴科研專家。蛋白質結構、分子構效關係等關鍵知識，需要專家結合實驗結果和領域經驗進行解析與驗證；材料性能等數據，也需要通過長期實驗測試和計算模擬不斷積累。因此，科學數據不同於互聯網數據，其背後凝聚了大量專業知識和科研勞動。”徐楠解釋説，“這些數據不僅記錄了實驗結果，更承載了科學規律和人類對自然的認知，我們稱其為‘科學奧秘的數據’。”

　　在神經科學領域，數據稀缺的問題更為急迫。雷博透露，神經科學可用於模型訓練的數據“可能不到目標數據的萬分之三”。他還發現，數據已被看作是一種戰略資源，“未來開源數據獲取會越來越難，最重要的是要建我們自己的數據集，而且得系統地、有目標地建。”

　　面對這一瓶頸，各方正在提前卡位。北京智源人工智能研究院構建了BrainToken平臺，統一預處理超過20個平臺的開源神經科學數據。“只分享Token，讓數據更容易被AI模型直接使用。”雷博説。

　　上海人工智能實驗室則推出Sciverse科學智慧數據庫，提供大規模、高準確度、強時效性的AI　Ready數據基座支持。

　　由中國科學院文獻情報中心牽頭建設的“敖倉·科技語料庫”也在WAIC　2026期間正式發佈。“敖倉·科技語料庫”是通過精煉大量科學數據、科技論文、發明專利和科技圖書，形成的讓人工智能“讀懂”的海量數據集合。除科研場景外，“敖倉·科技語料庫”還針對商業航天、低空經濟、智慧製造、生物醫藥等領域開展語料加工服務，下一步，將支撐元器件選型、超微病理診斷、高速列車外形設計等百餘個行業應用。

　　構築堅實算力底座

　　作為人工智能基礎設施，算力底座的佈局同樣至關重要。

　　華為是這場變局中不可忽視的力量。在WAIC　2026期間，華為科研軍團總裁孫鵬飛表示：“AI正在改變世界，科研也不例外。在華為，我們相信真正的進步不僅在於技術突破，更在於負責任地用技術服務人類。”

　　“基於這個願景，華為今年推出了兩個方案：智算實驗室解決方案回答‘智慧底座從哪來’，智慧科研解決方案回答‘如何更智慧地做科研’。兩者結合，讓科學家從繁瑣事務中解放出來，回歸創新本身。”孫鵬飛説。

　　華為科研軍團的智算實驗室解決方案和智慧科研解決方案正在為越來越多的中國AI4S項目提供基礎設施。書生系列大模型、磐石·科學基礎大模型、悟界·Brainμ1.0多模態神經科學大模型、Owl·靈鑒多智慧體系統等，都獲得了包含昇騰算力、存儲、網絡等華為智算實驗室和智慧科研行業解決方案的支持。

　　“我們與華為在AI算力優化方面開展了技術合作，顯著提升了模型運行效率，完成了大量主流AI模型的適配工作，目前幾乎所有模型都能在我們的系統上順暢運行。”歐陽萬里透露。

　　華為與上海人工智能實驗室建立了深度合作關係，雙方以昇騰超節點算力為核心，圍繞開源生態共建、行業AI賦能等領域展開全面合作。

　　其中，在生態層面，雙方共建昇騰書生開源生態，聯合舉辦大模型實戰訓練營與技術研討會，面向高校及産業界開展技術賦能，推動自主創新AI技術棧的人才培養與生態繁榮；在創新應用層面，雙方聯合探索大模型在金融、製造等行業的AI賦能，以昇騰AI集群為算力底座、書生大模型為智慧引擎，共同打造軟硬自研的行業大模型解決方案，助力重點行業數智化轉型。

　　業內人士表示，AI4S從實驗室走向産業化的路徑已然清晰，但這條路並非單點突破就能走通。科學大模型的迭代、高品質數據集的構建、算力底座的夯實，三者缺一不可。值得關注的是，一個圍繞自主創新技術棧的AI4S生態正加速成型，未來當數據壁壘逐步打通、算力底座持續夯實、科學大模型與自動化實驗系統深度耦合，新材料的發現、新藥物的誕生、新機理的揭示或將進入“批量涌現”的新階段。（記者 吳蔚 郭倩）