《环球时报》专访中国科学院自动化研究所磐石研发团队核心成员：国产科学大模型，跑出中国加速度

【环球时报报道 记者 李迅典】在前不久举行的世界人工智能大会上，中国科学院多学科联合打造的“磐石·科学基础大模型2.0”正式发布。它在60余项专业科研任务中超越国际顶尖通用大模型，更在天文、力学、化学等领域跑出秒级速度，令业界瞩目。《环球时报》记者近日专访了该模型研发团队核心成员、中国科学院自动化研究所研究员李林静，深度拆解磐石2.0的核心突破、实战价值与行业优势。

通专一体：让科学大脑不再“打补丁”

“你可以把磐石1.0想象成一个‘项目经理’，遇到专业问题它就打电话叫各领域的专家模型来帮忙，是一种比较硬的‘通专组合’。”李林静表示，磐石2.0最核心的突破，就是把通用能力和专业能力在同一个基座模型里“原生”地训练在了一起，真正实现通专一体化。

这样的一体化对一线科研意味着什么？李林静说：“最直观的价值，就是科研人员不再需要学习和掌握各种各样复杂的专业模型和工具，通过这一个基座模型，就能完成从数据理解、推理、预测，到专业内容生成的全流程。”更深远的价值还在后面。过去硬组合的方式下，数学、物理、化学等专业模型彼此能力割裂，而一体化之后，内化到基座模型中的各个专业能力可以互相借鉴、互相影响。“举个例子，材料设计里的物理直觉可能突然给化学反应路径带来启发，跨学科的原创思路就更容易被碰撞出来。”

这项突破背后，是研发团队构建的递进三层架构：科学数据统一编码、自然世界知识对齐、领域任务定向解码。依托中国科学院科技语料库汇聚的800万条高质量科学推理数据，团队将科学家的思维方式转化为推理准则，使模型学会基于知识链和证据链的推理，做到“高可信、强逻辑、可解释”。李林静透露，在60余项专业科研任务评测中，磐石2.0显著超越了GPT-5.5等旗舰模型，并在化学性质预测、蛋白质位点预测等任务上达到国际最佳效果。一个既博学又专精的科学大脑，正把科研人员从碎片化的工具中解放出来。

“比专家目视检查效率提升50倍”

为了让记者真切感受效率的跃迁，李林静举了天文领域的例子。过去，稀有天体候选审查是一项极依赖专家经验的细活。专家需要肉眼仔细检查光谱中的关键特征，判断是否受到污染、信号是否可靠，处理一条光谱往往要花10秒左右。

磐石2.0的做法截然不同。“我们让模型学习专家的审查逻辑：先观察全局，再放大局部，主动调用光谱可视化工具，逐步查看关键波段，排除污染并获取局部证据，最终形成可解释、可追溯的审查结论。”李林静说，这样一来，智能体平均约0.2秒就能处理一条光谱，与专家人工目视检查相比，带来约50倍的效率提升。据了解，目前这套天文光谱智能体已部署于国家天文台，直接加速郭守敬望远镜从观测到分析的全流程，稀有天体识别准确率比现有最优方法提升约50%，参数仿真时长从数小时压缩到分钟级。

高效的智能体不只用于仰望星空。发布会上展示的力学案例中，依托磐石对场数据的理解与推演能力，流体仿真软件实现了“无网格、秒级响应、高通量评估”的新范式，10秒内就能输出仿真结果，误差控制在5%以内。化学领域更加令人兴奋，以磐石为底座的机器科学家系统，自主调度文献挖掘、实验设计、机器操作等5个智能体协同运行，已完成462组样品合成表征与千万级虚拟筛选，前20个候选材料中有8个性能优于原有最优样品，并已稳定运行超过1500小时。此外，文献罗盘智能体可在3小时内生成专业综述，证据归因准确率达90%，累计生成近4万篇综述。科研正在从“人找工具”，走向“智能体自主规划”。

国产算力筑基，奔赴自主发现的“下一个路口”

当前，AI4S（人工智能赋能科学研究）成为全球科技竞争的核心新赛道，各国纷纷加码布局。在李林静看来，我国AI赋能基础科研目前仍处于初级探索阶段，当下国内多数科研团队，主要是调用通用大模型和专业工具开展研究，各类机构微调的垂直专用模型，受限于数据与参数，对真实科研的支撑力有限。而磐石模型体系的落地，为中国AI4S赛道走出了一条建制化协同、通专一体化、产学研融合的特色发展路径。

据《环球时报》记者了解，依托中国科学院多学科建制化优势，磐石项目搭建起跨领域、跨学科、跨体制的创新联合体，汇聚院内数十家研究所、高校、产业龙头企业协同攻关。其中自动化研究所牵头核心技术攻关，相关企业承接产业化与工具底座建设，多家专业研究所深耕垂直领域模型研发，多家国内企业提供算力支撑，形成了全方位、立体化的协同攻关矩阵。目前，磐石体系已落地50余家中国科学院研究所、30余家院外高校与央企，并通过国际合作平台走向全球。

对比全球顶尖AI4S技术，李林静清晰梳理出我国的差异化优势与迭代方向。“我国科学大模型最大的特色是通识性强、学科覆盖面广，依托全国海量科研资源与科学家协同攻关，我们构建了覆盖多领域的科学语料体系，能够精准适配各类科研场景，深度理解专业化科学数据。”他同时坦言，美国顶尖模型的优势在于单点技术深耕，在制药、单一材料预测等细分领域精度更高，是后续需要持续追赶的方向。

但长远来看，我国具备不可替代的资源优势。李林静认为，“我们拥有全球数量最多的大科学装置，还有大量高性能装置正在建设规划中，这些优质的科学数据资源，将持续夯实我国科学大模型的发展根基，成为弯道超车的核心底气。”

面向未来3-5年的行业发展，李林静给出了清晰的预判：AI赋能科研将彻底告别“工具辅助”模式，迈向自主科研新范式。“未来AI不再只是辅助科研的工具，将逐步具备自主拆解科研任务、设计实验方案、完成验证迭代的能力，人类科学家将更多承担监督、决策与创新引领的角色。”他表示，目前全球已有AI助力原创科研突破的案例，未来3年内，这类成果将成为行业主流。“在无需湿实验、可依托自主实验室的科研方向，AI自主研究范式将全面落地。磐石团队也将持续深耕通专一体技术路线，拓展多学科应用场景，持续完善自主可控的科学智能体系，以AI为翼，持续解锁基础科学研究的无限可能，助力我国前沿科研实现更多原创性重大突破。”