1609年，開普勒依靠導師第谷在汶島天文臺積累了20年的天文觀測數(shù)據(jù)，最終歸納出行星運動三大定律，為牛頓經(jīng)典力學奠定了基石。

這段科學史上的佳話，如果發(fā)生在今天，或許將有全然不同的景象。因為人工智能模型能在海量數(shù)據(jù)中瞬間捕捉規(guī)律，將科學家從繁重的計算與歸納中解放出來?？茖W發(fā)現(xiàn)也從經(jīng)驗歸納、理論推演、計算機模擬到數(shù)據(jù)驅(qū)動的范式變遷后，邁向了以人工智能為核心的“第五范式”，這就是AI for Science。

科技部 2025 年發(fā)布的《AI for Science 創(chuàng)新圖譜》顯示，2019-2023 年全球 AI4S 論文年均增長 27.2%，AI不再是科研的輔助工具，逐漸成為核心能力支撐，全方位地變革著科學研究的方法論與生態(tài)系統(tǒng)，一個由人工智能賦能的新科學時代，已悄然降臨。

01

AI4S高歌猛進，背后的四大挑戰(zhàn)

AI4S能被稱之為“第五范式”，本質(zhì)是經(jīng)驗觀察、理論推演、計算仿真與數(shù)據(jù)驅(qū)動的深度融合。既保留了科學家對自然規(guī)律的直覺洞察，又賦予AI處理海量數(shù)據(jù)、模擬復雜系統(tǒng)的全新能力。

但AI4S通往成熟應(yīng)用的道路并非坦途，在其蓬勃發(fā)展的背后，也面臨著四大挑戰(zhàn)：數(shù)據(jù)、算力、模型與應(yīng)用。

在數(shù)據(jù)方面，高質(zhì)量科學數(shù)據(jù)普遍不足，存在數(shù)據(jù)規(guī)模小、維度不全、壁壘高以及對外依賴等問題；算力上，傳統(tǒng)超算與新興智算供需不匹配，難以兼顧高精度計算與大規(guī)模AI訓練；模型層面，通用大模型難以適配專業(yè)科學問題，缺乏垂直模型與統(tǒng)一評估標準；應(yīng)用方面，從實驗室到產(chǎn)業(yè)的轉(zhuǎn)化路徑不暢，產(chǎn)學研協(xié)作不足，企業(yè)面臨“想用不會用”的困境。

在當前階段，最突出的挑戰(zhàn)在于智算的供給。國內(nèi)前期算力建設(shè)以超算為主，智能算力資源相對短缺，難以滿足AI4S對大規(guī)模訓練與高精度模擬的雙重需求。這種結(jié)構(gòu)性失衡已成為制約科研創(chuàng)新與產(chǎn)業(yè)落地的關(guān)鍵瓶頸，亟需優(yōu)化算力資源配置，以支撐AI4S的持續(xù)發(fā)展。

華為云AI4S平臺，基于昇騰云算力，可以提供一站式AI開發(fā)平臺，集成豐富的AI4S領(lǐng)域

模型、工作流、工具等，助力科研院所邁向敏捷科研創(chuàng)新，成為破局的關(guān)鍵力量。

02

華為云AI4S

集算力、底座、平臺、服務(wù)于一身

面對席卷而來的AI4S浪潮，全球科技巨頭紛紛布局科學計算領(lǐng)域，Google與NVIDIA通過軟硬件協(xié)同推出科學計算套件，微軟著手構(gòu)建“科學基礎(chǔ)模型”并加速深度學習訓練；而華為云則率先在科學計算領(lǐng)域扎下根來，將觸角伸向了氣象、生物醫(yī)藥、基因、材料等多個基礎(chǔ)科學領(lǐng)域。

比如，在氣象科學領(lǐng)域，盤古氣象大模型通過深度學習，能夠在分鐘級內(nèi)完成全球高精度天氣預報；盤古藥物分子大模型，通過海量的化合物數(shù)據(jù)預訓練，深入理解了分子結(jié)構(gòu)與性質(zhì)間的關(guān)系。

華為云已經(jīng)在科學計算領(lǐng)域清晰地勾勒出一條實踐路徑，通過構(gòu)建強大的基礎(chǔ)大模型，并配套開放的工具鏈與平臺，使能科研人員“站在巨人的肩膀上”進行創(chuàng)新。在其背后，則是華為云全棧技術(shù)能力的表現(xiàn)。

首先，在智算云底座方面，基于CloudMatrix384超節(jié)點的新一代昇騰云，突破傳統(tǒng)單卡算力局限，實現(xiàn)384個NPU與192個CPU的高效集約互聯(lián)，構(gòu)建出具備超大規(guī)模集群與高線性度擴展能力的AI算力底座。其依托全對等互聯(lián)與池化架構(gòu)，支持動態(tài)資源組合與分布式推理優(yōu)化，顯著提升算力利用效率與訓練穩(wěn)定性。

同時通過昇騰云服務(wù)進行交付，可以為企業(yè)提供彈性可拓展、開箱即用的智能算力，且具備高容災(zāi)與快速恢復能力，已經(jīng)在上海交大和中科院等科研場景驗證過其推動大模型訓練的實效。

其次，華為云分布式云平臺，采用華為云獨創(chuàng)的擎天卡（SDI5.0），可以同時滿足通算和智算兩種需求，特別是可以將虛擬化損耗降低為零。并且支持下一代鯤鵬芯片，計算虛擬化密度提升170%的同時計算性能提升100%。

第三，在算力調(diào)度方面，華為云采取“線上+線下”（公有云+專屬云）的協(xié)同方式，應(yīng)對流量洪峰，解決算力及時供給的問題。具體來講，在每天“忙時”的白天，將算力集中供給給模型訓練，而在相對“閑時”的夜晚則將算力供給推理型任務(wù)，通過算力調(diào)度，讓算力的效能得到最大化釋放。

最后，華為云大模型開發(fā)平臺，同時支持盤古大模型和開源&三方模型的一站式大模型開發(fā)工具鏈。比如客戶和伙伴，可以基于華為云模型開源生態(tài)和+ModelArts Studio工具鏈，利用自有區(qū)域高質(zhì)量數(shù)據(jù)進行增量訓練或微調(diào)得到垂直領(lǐng)域的科學大模型。同時，華為云上也預制了60+數(shù)據(jù)處理算力和多種標注工具，并沉淀了20+組件和場景化模板，5分鐘即可創(chuàng)建行業(yè)生產(chǎn)級應(yīng)用。

總體上，華為云構(gòu)建起高效的智算底座，通過昇騰云實現(xiàn)超大規(guī)模集群與高線性擴展；分布式云平臺以實現(xiàn)零虛擬化損耗，性能大幅提升；通過“線上+線下”調(diào)度最大化算力效能；大模型平臺支持盤古與開源模型，提供一站式工具鏈，助力快速創(chuàng)建行業(yè)應(yīng)用。由此，以華為云扎實的全棧技術(shù)布局，為科學智能的未來鋪就一條清晰、可行的實踐之路。

03

以“交大樣本”

構(gòu)建AI4S落地的生態(tài)基座

當然，理論的突破與技術(shù)的探索，最終需要落在實實在在的平臺上，才能在更廣闊的范圍里生根發(fā)芽。華為與上海交通大學聯(lián)合發(fā)布智慧教育科研全球樣板點，正是將AI4S能力賦能于科研與教育一線的標桿性實踐。

上海交通大學，一直是中國高等教育數(shù)智化的先行者，面對國家人工智能戰(zhàn)略與校內(nèi)學科發(fā)展的迫切需求，上海交大提出了雄心勃勃的“AI十條”戰(zhàn)略，推動500多門課程AI化轉(zhuǎn)型，并實現(xiàn)了科研計算對全校所有學科的全覆蓋。

但快速的發(fā)展需求也迅速觸及到算力供給的天花板，傳統(tǒng)算力集群難以支撐多學科并發(fā)的高精度計算需求，科研團隊亟需更靈活、更強大的算力支撐，同時科研活動也面臨著數(shù)據(jù)、模型、應(yīng)用等多重挑戰(zhàn)。為此，交大攜手華為等伙伴，啟動了國內(nèi)高校最大規(guī)模的智算平臺“致遠一號”的建設(shè)。

據(jù)了解，“致遠一號”集成了高達633P的澎湃算力與13P的存儲容量，其核心是基于千卡規(guī)模的昇騰AI集群，是國內(nèi)高校規(guī)模最大的智算基座。它的意義在于以高效、集約的建設(shè)模式，打破了高校計算設(shè)施建設(shè)中常見的重復建設(shè)與資源孤島問題。

當然，要把計算平臺用好，專業(yè)化的計算人才隊伍是關(guān)鍵。為此，交大組建了近30位核心成員的計算服務(wù)團隊，形成了計算服務(wù)“交大模式”。在教學領(lǐng)域，賦能AI+HI（人類智能，Human Intelligence）為核心的智慧教育新模式；在科研領(lǐng)域，踐行以“計算+X”為理念的智慧科研新范式；在管理領(lǐng)域，打造以AI賦能再造智慧校園新格局。并確保計算平臺能被充分、高效地利用。

總體上，華為云與上海交大的合作，通過“致遠一號”算力基建破解算力瓶頸，以盤古大模型等AI能力降低了科研門檻，再通過場景適配，圍繞真實科研需求打造完整閉環(huán)。不僅式系統(tǒng)性地解決了數(shù)據(jù)、算力、模型、應(yīng)用的共性挑戰(zhàn)，也成功構(gòu)建了以實際需求為導向、以技術(shù)融合為支撐的AI4S新生態(tài)，為科研范式的革新提供了可復制、可推廣的實踐樣板。

我們知道，傳統(tǒng)智慧城市正向 AI CITY演進，這既是城市治理體系和治理能力的躍遷，也是從政務(wù)端、產(chǎn)業(yè)端再到科研端的系統(tǒng)化升級。作為AI CITY的重要組成部分，AI4S的發(fā)展將會推動科學研究的智能化升級，加速創(chuàng)新進程，進而推動AI CITY的演進與實現(xiàn)。