不做解题者：岩山科技Yan如何调度核聚变与脑科学？

为什么岩山科技的AI不直接解方程，却能驱动核聚变和脑科学？

答案藏在角色定位里。Yan大模型不是科学家，而是实验室里的“总调度员”——它不亲自计算等离子体物理方程，不直接解码脑电信号，但它负责协调资源、翻译信息、诊断异常。在AI4S（AI for Science）的架构中，Yan做的不是“解题”，而是“让解题成为可能”。

这不是能力的局限，是架构的设计。Yan不做“直接解题者”，它做“科学家的副驾驶”。它的价值不在于多“聪明”，而在于它能成为不同科学领域之间的“翻译官”和“调度员”。

海量多模态科学数据的“交通指挥官”

科学实验产生的数据，远比想象中复杂。一台核聚变装置运行时，同时产出等离子体参数、磁场位形数据、温度场分布、材料应力曲线——图像、文本、时序、频谱，格式各异，来源不同。传统AI模型面对这种“数据巴别塔”，往往束手无策。

Yan的解决方案，是做一个“交通指挥官”。

在岩超聚能的仿星器研发中，Yan2.0承担着海量多模态科学数据预处理的任务。它自动解析、对齐、标准化不同来源的科学数据——把诊断系统的等离子体参数、控制系统的线圈电流数据、仿真系统的磁场计算结果，统一成垂直科学模型能够理解的格式。这不是简单的格式转换，而是语义层面的对齐：Yan需要理解哪些数据是“关键信号”，哪些是“环境噪声”，哪些需要优先处理。

更关键的是仿真调度。核聚变仿真涉及多个模拟器的协同运行——等离子体磁流体力学模拟、超导线圈电磁场模拟、材料热力学模拟——每个模拟器对算力的需求不同，运行时间不同。Yan的任务是协调这些模拟器，按需分配计算资源，避免“数据孤岛”和算力浪费。当某一个模拟器出现瓶颈时，Yan能够动态调整调度策略，确保整个实验流程的步调一致。

在合肥的仿星器超导磁体产线上，这种调度能力已经被验证。2026年1月，岩超聚能建成中国首条仿星器三维超导磁体产线，此后又成功研制出全球首例基于高强度不锈钢铠甲的三维异形超导磁体双饼线圈。产线背后，Yan2.0参与的工作包括：仿星器装置磁位形与超导线圈的仿真优化、等离子体状态预测与运行故障诊断、高温超导材料的高通量筛选与产线工艺参数模拟。

这不是实验室里的概念验证，而是产线上的真实运作。

科学实验中的“急诊医生”

科学实验最怕什么？不是失败，而是不知道为什么会失败。

设备漂移、数据噪声、算法偏差——这些异常在科学实验中几乎不可避免。传统规则难以覆盖所有异常场景，而规则遗漏的代价，可能是整轮实验的报废。

Yan在AI4S项目中承担的另一个角色，是异常推理。它不是简单标记“这里有异常”，而是通过因果推断，推理出异常源头。

在岩思类脑的脑科学实验中，这种能力体现得尤为明显。脑电信号极其微弱，极易被眼电、肌电、环境电磁干扰污染。如果研究人员无法区分“真实神经信号”和“伪迹”，后续的分析就会建立在错误的数据基础之上。Yan通过对比预期模型与实时数据，能够快速定位异常来源——是传感器接触不良，还是患者眨眼产生的干扰，还是环境中的电磁噪声——并在毫秒级时间内给出诊断建议。

这种“急诊医生”式的推理机制，在临床场景中价值更高。2025年7月，岩思类脑联合华山医院，构建了“声母/韵母-音节-单字-语句”的四级解码架构，实现覆盖近2000个常用汉字的实时解码，单句推理时间小于0.5秒。在这一过程中，Yan负责脑电文本语义解析、患者病历多模态分析、实验数据整理归纳与临床报告生成。当脑电信号中出现异常波形时，Yan需要快速判断：这是患者的大脑活动模式发生了变化，还是设备的信号采集出现了问题？

这种能力，让Yan不再是“被动工具”，而是一个能够主动发现问题、辅助决策的“急诊医生”。

跨领域“翻译官”

Yan最独特的价值，可能不在于它“能做多少”，而在于它“能连接多少”。

不同科学领域——生物、物理、化学、神经科学——使用各自专业模型，语言不同，格式不同，范式不同。分子生物学家用“基因序列”说话，材料科学家用“结构参数”思考，物理学家用“微分方程”建模。这些领域之间，存在一道无形的“语言壁垒”。

Yan的角色，就是打破这道壁垒。

在岩山科技的AI4S架构中，Yan充当的是“中间件”：将分子生物学家的“基因序列”翻译成材料科学家的“结构参数”，或将物理方程转化为化学模拟的输入。这不是简单的格式转换，而是语义层面的“翻译”——Yan需要理解每个领域的知识体系，才能在不同领域之间建立连接。

最典型的例子，是岩超聚能与北京大学深圳研究生院联合成立的“聚变与新能源联合实验室”。这个实验室聚焦仿星器聚变装置物理与工程、AI4S及材料研究——涉及物理、材料、工程、计算机四个学科。Yan在其中承担的任务，就是将物理仿真产生的磁场数据，翻译成材料科学家可以理解的应力分布参数；将产线反馈的工艺参数，翻译成物理模型可以使用的边界条件。

这种“翻译”能力，还体现在岩思类脑与中科院自动化所、清华大学的合作中。与李国齐团队共建的“类脑大模型与神经仿真平台”，与盛兴课题组推进的“多通道脑机接口电极创新技术”——Yan需要将脑科学实验中的神经信号数据，翻译成AI模型可以训练的格式；将临床患者的病历数据，翻译成科研人员可以分析的结构化信息。

当核聚变中的等离子体知识，能够启发脑科学中的神经网络建模；当脑科学中的信号处理算法，能够反哺材料科学中的异常检测——Yan作为“翻译官”的价值，就不再只是“连接”，而是“创造”。

不做解题者，做调度员

Yan大模型在AI4S中的核心价值，不是替代科学家，而是做那个让复杂系统运转起来的“调度员”。

在岩超聚能，它协调核聚变装置的仿真与产线调度；在岩思类脑，它辅助脑电信号的解码与临床诊断；在Nullmax，它组织自动驾驶场景的仿真与长尾案例归纳——Yan不直接做“解题者”，它做的是“让解题成为可能”的那个人。

这或许是对AI在科学中角色最准确的描述：不是取代，而是配合；不是替代，而是增强。当AI4S从“辅助计算”走向“自主发现”，当大模型从“能对话”走向“能行动”，人类科学家与AI的关系，正在从“工具使用”进化为“协同作战”。

你认为AI在科学中应该扮演什么角色？