“如果說科學智能1.0時代，少數AI科學家掌握相當的AI工程能力來獲得階段性成果，那么在科學智能2.0時代，要以領域科學家為中心，基于功能更強大、使用更便捷的AI基礎設施和協作平臺，讓專注具體科學問題的領域科學家成為主角。”復旦大學特聘教授、上海科學智能研究院（以下簡稱上智院）院長、無限光年創始人漆遠說道。
然而，當前這樣的平臺是欠缺的。為此，上海科學智能研究院聯合復旦大學和無限光年，共同打造了星河啟智（NovaInspire）科學智能開放平臺（以下簡稱星河啟智平臺）。平臺以科學家為中心，主打方便易上手，同時倡導開放合作，以社區模式鏈接各領域科學家與AI工程師。
7月26日，在2025世界人工智能大會星河啟智·科學智能開放合作論壇上，星河啟智平臺正式發布，并響亮喊出了“加速科學新發現”的口號。
科學家當主角
在采訪時，漆遠反復提到“讓科學家當主角”，而這也是星河啟智平臺的使命所在。研發團隊結合前期調研結果，賦予了這一平臺諸多能力，旨在為科學家提供覆蓋高價值科學數據、開源科學智能模型、面向科研領域的高效智算、干濕實驗閉環、多智能體推理規劃及多學科眾研的全棧基礎設施。
星河啟智平臺初期建成4萬多個共12PB的科學數據，支持穩定訓練，目前已吸引120多個實驗團隊入駐——文理醫工幾乎均涉及。
“數據來源包括兩方面。”復旦大學人工智能創新與產業研究院副院長、上智院副院長程遠介紹，“一部分是散布于不同數據庫、論文中的公開數據，我們將這些數據總結歸類進不同數據集中；另一部分是上智院、復旦大學及合作伙伴在研究中產生的特色數據，也會在平臺上開源。”
以上智院與合作團隊開展的小干擾RNA（siRNA）項目為例。在全球范圍內，siRNA相關數據嚴重缺失，尤其是包含化學修飾的復雜結構數據，已成為制約核酸藥物研發的關鍵瓶頸。通過融合大型語言模型和多智能體系統，輔以多智能體融合，研究團隊實現從海量專利中自動化挖掘高質量siRNA數據的目標。而這些挖掘到的數據，也納入了星河啟智平臺，供更多人使用。
同時，星河啟智平臺也在構建基于區塊鏈的科學數據生態，通過設置合理的激勵機制，鼓勵更多科研人員分享科學數據，實現稀缺數據資產的可信采集、智能質控、協同共享，為科學智能提供大規模、高質量、權屬明晰的數據。
多學科交叉眾研社區則是團隊針對交叉學科發展大趨勢下的新嘗試。“現在AI for Science的科研突破，往往出現在學科領域交叉的邊界，這也可能是新的、重大科學發現可能發生的地方。”程遠表示。
如果說傳統的科學研究以一人一生一蛋白、一人一生一材料為特征，眾研社區的目的則是把這些“一”所代表的長板匯總起來，組成互補協調的團隊。
“如何讓更多年輕科研人員有效組織起來，形成多學科交叉團隊，進而完成一個重大的科研任務，是眾研社區想解決的問題。”程遠暢想未來，科學家在星河啟智平臺發布一個重大科學問題后，大模型可以迅速拆解該問題所囊括的子任務集合，進而將這些子任務發布在眾研廣場上，讓對應領域的科學家、工程師“接單”。
此外，星河啟智平臺匯聚了多模態、多學科融合的科學智能模型，即便完全不懂AI的科研人員，可能快速“淘”到所需，“開箱即用”最新前沿模型。若科研人員想在平臺基礎上搭建新的大模型，高穩定、高效率的科學智能特色算力服務平臺也可滿足他們的需求。
“核心就是讓科學家成為科學探索的主角，協作推進科學問題的解決。同時，用戶也可以幫助我們進一步完善星河啟智平臺，使得垂直領域的大模型做得更好。”漆遠表示，“目前我們在氣象、材料、能源、醫藥等領域取得了系列成果，下一步將繼續探索經濟、金融等領域的合作攻關模式。”
已服務于多個場景
論壇現場，作為使用星河啟智平臺的首批用戶，中國科學院院士、復旦大學附屬中山醫院心內科主任、上海心血管病研究所所長葛均波進行了分享。
在AI賦能醫療的浪潮中，如何打開“黑箱”，讓診斷過程透明化，一直是核心挑戰。復旦大學附屬中山醫院聯合上智院共同研發的國內首個深耕心血管專科的醫療大模型“觀心大模型”給出了答案。
在星河啟智平臺的支撐下，醫療AI不僅是識別工具，也是臨床思維的“決策伙伴”。一旦臨床醫生定義了診斷任務，“觀心大模型”系統后臺的“大腦”便會立即接管，將復雜的醫學問題無縫轉化為一系列精密的自動化動作。例如，它會指派“病史分析智能體”梳理文本病歷，同時調度“ECG智能體”精析心電波形，最終系統會將所有智能體的發現連同證據鏈進行整合，生成一份具備完整溯源路徑的綜合診斷報告。
值得一提的是，每一個結論都能清晰地追溯到其背后的數據來源和分析智能體，從而將傳統AI的“黑箱”轉變為一個邏輯清晰、過程透明的“玻璃盒”。這不僅極大地提升了診斷的自動化水平，更通過機制上的設計，解決了AI在醫療領域最關鍵的信任問題。
在臨床診斷中嶄露頭角的同時，星河啟智平臺也吸引來了有些“抽象”的研究項目。
西湖大學吳泰霖團隊使用小波變換和擴散模型開發了新型AI算法，星河啟智平臺部署該技術后，用戶可以高效、準確地進行環境變化預測、超分辨率模擬以及主動干預控制，如高精度氣象預報或污染治理方案設計。同時，通過平臺上的統一接口，科研機構和企業能更便捷地獲取該模型，加速實際問題解決進程，提升平臺生態整體吸引力。
此外，組合生成式逆向設計、催化材料預測及設計大模型、基于腸道的抗衰老靶標發現、MolPilot AI計算化學家等創新項目，都已部署至星河啟智平臺的不同板塊，進而讓更多用戶受益。
“迄今已經有12個科學領域、40多家科研機構、200多個多模態科學智能模型加入星河啟智平臺，它們一起構成了科學智能模型萬能倉。”漆遠說道，“其他研究人員也可以根據需要，對這些智能體進行組合，用于科研中。”
從加速科學發現到推動新突破
當前，AI毫無疑問可以加速科學發現。漆遠列舉了團隊與北京大學合作開展的面向科學智能的大規模組合優化高效求解系統的研究。
大規模組合優化問題是推動科學前沿突破的核心共性挑戰之一，普遍存在于新材料研發、藥物發現、集成電路設計等領域。這類問題通常需要在大規模組合空間中進行高效搜索，計算復雜度呈指數級增長。依托星河啟智平臺高穩定、高效率的科學智能特色算力服務，北京大學楊耀東領銜的RL4Math研究組在“面向科學智能的大規模組合優化高效求解系統”課題中最終提升了2-3倍的搜索效率，累計節省超10萬GPU卡時，為跨學科智能計算提供了可推廣的高效范式。
在漆遠看來，步入科學智能2.0時代，AI不僅可以加速科學發現，也有可能產生全新的“想法”，再由人來推理驗證。“我與合作者正在開展的一項研究，猜想就是來源于AI。我們其實都不是這個領域的，在AI的幫助下有了新突破，從這個角度來說，是AI在推著我們往前走。”
漆遠同時強調，從以預訓練為特點的科學智能1.0時代邁向注重推理的2.0時代，核心在于將推理本身和大模型相結合。“除了進一步提升數據質量及已有的減少幻覺的方法，將大模型技術和人類專家的知識相聯系，以專業知識‘糾錯’提升推理水平十分重要。”
本文鏈接：加速邁進科學智能2.0，“星河啟智”幫助科學家當主角http://m.sq15.cn/show-11-24064-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。