AI 走进科研一线：国内四家机构的实践与突破

中国科研界正将人工智能深度融入科研全流程。在 7 月 18 日 2026 世界人工智能大会（WAIC）期间举办的「AI for Science: Beyond the Concept」圆桌论坛上，智源研究院、中国科学院、深圳河套学院、清华大学四家机构集中展示了阶段性成果，覆盖读懂实验数据、操作精密仪器、管理实验流程三大方向。

磐石·科学基础大模型：跨学科数据统一编码

中国科学院上海硅酸盐研究所今年 7 月借助磐石·科学基础大模型 2.0（ScienceOne Omni），从两千万种候选配方中筛选出一种新型合金催化剂，活性比商用催化剂高出 38%，整个干实验筛选过程仅需 30 分钟，而传统方式通常需要数月。

磐石要解决的核心问题是各学科数据格式差异巨大——分子结构是三维坐标，光谱是一维波形，蛋白质是氨基酸序列，科学图像是像素矩阵。磐石的做法是先将这些异构数据统一编码，再用全球 1.7 亿篇科技文献和中科院科学语料库做对齐训练，最后针对具体任务输出结果。训练数据包含 800 万条科学推理样本，平台集成 8000 余个专业科研工具与技能库。

中科院自动化研究所研究员徐楠表示，磐石 2.0 要做的是「让模型像科学家一样思考」。目前磐石已落地 50 余家中科院内研究所和 30 余家院外机构，覆盖力学工程、天文、文献调研等多个场景：

高铁气动仿真分析时间从数小时压缩到秒级响应；
数据稀缺场景下关键参数误差降低 42%；
文献调研环节从几天至几周压缩到约 20 分钟。

磐石算力体系基于华为智算实验室解决方案，已适配昇腾芯片。

悟界·Brainμ：神经科学里的严肃科研成果

2026 年 6 月，智源研究院与清华大学联合团队在《科学》（Science）期刊发表研究，首次证实记忆可以反向调控睡眠——正向记忆让睡眠更连续，负向记忆加剧睡眠碎片化，为抑郁症、焦虑症伴随的睡眠障碍提供了新的干预思路。

支撑这项数据分析的是智源自研的多模态神经科学大模型悟界·Brainμ。神经科学数据条件远比蛋白质领域复杂：脑电、钙成像、神经探针等不同设备的信号格式和维度各异，同一组数据甚至可能出现不同实验室给出相反解读的情况。

Brainμ 借助已训练好的多模态语言与视觉模型作为参照系，把神经科学各模态的稀疏数据对齐到统一表征空间，使模型能够实现模态间转换，例如从低成本的脑电数据推算信息量更大但设备昂贵的 fMRI 图像。配套的 BrainToken 数据平台整合了人类、猴、小鼠三个物种数据，覆盖脑电到双光子钙成像等主要模态。

在与北京生命科学研究所的合作中，Brainμ 对超过 5000 晚小鼠睡眠数据完成自动化标注，12 个月的分析结果与专业睡眠神经科学博士的人工判断保持较高一致性，训练数据覆盖超过 7 万晚睡眠记录。推理适配与优化在华为昇腾超节点上完成。

智源研究院研究员雷博认为，科学智能当前所处阶段类似大语言模型的 GPT-1，产业界关注度已到 GPT-3，科学家使用反馈已接近 ChatGPT 前期；其逻辑与大模型相反，是「应用先跑起来，拽着模型往前走」。

灵鉴 AuraID：智能体接管精密仪器

深圳河套学院与苏州国家实验室联合推出的灵鉴（AuraID）多智能体无人表征平台，不要求仪器厂商开放软件接口，而是让智能体以人类专家相同方式操作设备界面——观察屏幕图像、点击按钮、读取数据、调整参数。在扫描电子显微镜测试中，智能体从初始的噪点图像出发，自动调整加速电压和放大倍率，最终停在最佳参数上完成图像捕获与颗粒粒径分析。

灵鉴目前覆盖 6 类精密仪器、10 余种表征模态：

micro-CT 对准任务 AI 独立完成率从 1.0 版的 33% 提升至 2.0 版的 80%；
晶体结构解析工作量减少 50.6%；
微观形貌分析耗时从 9 分钟缩短到 7.5 分钟。

同一套规则可支持能源材料、纳米材料和金属材料三类样本的表征。深圳河套学院代表王智慧表示，合成侧自动化已有不少机构推进，表征侧的无人化和智能化仍是空白，灵鉴切入的正是这一环节。

黑灯实验室：科研流程闭环

清华大学生命科学学院教授、膜生物学全国重点实验室主任俞立将制造业「黑灯工厂」理念引入科研，让大模型直接集成进科研仪器，数据采集时同步完成分析，结果进入数据库反哺模型训练，形成无需人持续干预的循环。2025 年 12 月，清华大学成立生命科学人工智能研究中心，为这一方向提供机构基础。

俞立团队两年前开始引入大模型辅助实验流程：学生设计实验前先和大模型充分讨论方案排查问题，去年部署智能体管理全链条。在团队扩编 20 人的情况下，实验成本反而降低 25%。俞立表示，新药研发「10 年 10 亿美元」的范式未来有可能压缩到「3 个月 300 万美元」。

算力底座与自主生态

上述成果离不开算力支撑。华为科研军团推出的智算实验室与智慧科研两套解决方案，分别在算力调度和全流程数字化方向提供服务，已覆盖全国 20 多个重点实验室。在嘉庚创新实验室，物质科学智能算力平台已投入运行，将材料模拟和分子筛选等任务的计算效率提升 20%。

AlphaFold 证明了在数据条件最好的领域，AI 可以拿到诺奖级成果；这四家机构正在做的事没有耀眼，却更为基础——它们要让 AI 在数据条件远没那么好的地方也能帮上忙，让科学家把更多时间留给那些只有人才能想清楚的问题。