科研智能（AI4R研發(fā)）研究報告-2024.08-29正式版-WN8

科研智能（AI4R&D）——人工智能驅(qū)動的研發(fā)新范式中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）科學(xué)智能（AI4S）工作組2024年7月編制說明本報告主要是在中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟指導(dǎo)和組織下起草編寫，主要參編單位包括中國信息通信研究院、華

技術(shù)有限公司、北京百度網(wǎng)訊科技有限公司、北京深勢科

有限公司、之江實驗室、阿里云計算有限公司、北京航空航天

學(xué)、國網(wǎng)智能電網(wǎng)研究院有限公司、中冶京誠數(shù)字科技（北京）有限公司、中國科學(xué)院沈陽自動化研究所、中國華能集團清潔能源技術(shù)研究院有限公司、深圳華大生命科學(xué)研究院、同方知網(wǎng)數(shù)字出版技術(shù)股份有限公司、上海和今信息科技有限公司、北京科技大學(xué)、北京市商湯科技開發(fā)有限公司、東方財富信息股份有限公司、北京新數(shù)科技有限公司。核心編制人員為張瑋婷、董昊、丁欣卉、曹峰、周景才、王紫東、胡曉光、孫佩源、劉會師、劉大鵬、貢金鵬、李振廷、王忠新、蒙貴云、張艷博、周原野、楊康、王錦海。目錄?一、科研智能發(fā)展態(tài)勢...............................................1二、科研智能產(chǎn)業(yè)發(fā)展情況..........................................2（一）科研算力—賦能科研智能高效運行..........................2（二）科研數(shù)據(jù)—驅(qū)動科研智能創(chuàng)新發(fā)現(xiàn)........................4（三）開發(fā)工具鏈—全鏈路打造科開發(fā)工具...................7三、科研智能應(yīng)用發(fā)展情況..........................................15（一）基礎(chǔ)科學(xué)研究—開展前沿探索，推動科學(xué)邊界拓展............16（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構(gòu)建核心驅(qū)動力，加速產(chǎn)業(yè)升級變革..........18四、科研智能生態(tài)建設(shè)情況..........................................19（一）產(chǎn)業(yè)組織................................................19（二）社區(qū)設(shè)................................................19（三）科研賽事................................................20（四）會議交流................................................21（五）教學(xué)培訓(xùn)................................................21（六）標準布局................................................1五、總結(jié)與展望....................................................22附錄一............................................................23表

目

錄表1國外科研領(lǐng)域主要公開數(shù)據(jù)集.....................................5表2國內(nèi)外典型科研智能算法庫.....................................10表3我國代表性科學(xué)套件...........................................12表42019年至2023年Science雜志評選的十大學(xué)突破................17表5科研智能典型領(lǐng)域模型.....................................23科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式一、科研智能發(fā)展態(tài)勢科研智能（AIforResearchandDevelopment，以下簡稱

AI4R&D，人工智能賦能科學(xué)研究及產(chǎn)業(yè)研發(fā)）是科學(xué)智能（

IforScience，AI4S）概念的延伸和擴展，主要包括兩方

內(nèi)涵，一是聚焦人工智能加速基礎(chǔ)科學(xué)研究，拓展研究思路

加速研究進程；二是強調(diào)人工智能在應(yīng)用研究和產(chǎn)業(yè)研發(fā)中

重要作用，全面提升工程技術(shù)創(chuàng)新的效率?？蒲兄悄艽砹丝萍紕?chuàng)新的新范式和新動能，有望全面加速基礎(chǔ)研究和產(chǎn)業(yè)研發(fā)的進程，并縮短兩者之間的轉(zhuǎn)化周期，推動科技成果在工業(yè)界的產(chǎn)業(yè)化和規(guī)模應(yīng)用。科研智能正在全球范圍內(nèi)加速發(fā)展。從戰(zhàn)略層面看，各國相繼發(fā)布政策構(gòu)筑科研智能發(fā)展環(huán)境。2023年

12月，歐盟委員會發(fā)布政策簡報《人工智能在科學(xué)中的應(yīng)用》，倡導(dǎo)為歐洲量身制定一項政策，促進人工智能在科學(xué)領(lǐng)域的應(yīng)用。2023年

5月，美國新建

7家國家人工智能研究所，推動人工智能在氣候、腦科學(xué)、社會決策、教育等領(lǐng)域的應(yīng)用研究。2022年

8月，我國發(fā)布《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進經(jīng)濟高質(zhì)量發(fā)展的指導(dǎo)意見》，支持探索人工智能技術(shù)用于重大科學(xué)研究和技術(shù)開發(fā)的應(yīng)用場景。從賦能層面

，一方面

AI持續(xù)拓展科學(xué)領(lǐng)域問題解決的能力，圍繞生命科學(xué)、物理等領(lǐng)域，形成了如Alphafold3等代表性成果。另一方面

AI不斷加速產(chǎn)業(yè)研發(fā)進程，在材料研發(fā)、氣象預(yù)測、計等領(lǐng)域相繼取得技術(shù)突破?？蒲兄悄茏鳛?/p>

個新興的交叉領(lǐng)域，目前尚處于發(fā)展的早期階段，但已經(jīng)展現(xiàn)出巨大的發(fā)展?jié)摿蛷V闊的應(yīng)用場景，中國信息通1科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式信研究院（以下簡稱“中國信通院”）持續(xù)跟蹤科研智能技術(shù)和產(chǎn)業(yè)動態(tài)，于

2024年發(fā)布報告《科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式》，旨在描繪科研智能領(lǐng)域的生態(tài)全景，為政府部門制定產(chǎn)業(yè)政策、指導(dǎo)項目布局提供參考，為

究機構(gòu)、科技企業(yè)把握技術(shù)方向、開拓應(yīng)用場景提供借鑒速該領(lǐng)域的技術(shù)創(chuàng)新和應(yīng)用實踐，為我國在該領(lǐng)域搶占發(fā)展

機提供助力。未來，中國信通院將關(guān)注全球科研智能發(fā)展動向，深化對關(guān)鍵技術(shù)和產(chǎn)業(yè)趨勢的研判，加強與科研機構(gòu)、高校、企業(yè)等產(chǎn)學(xué)研各界的交流合作，共同推進科研智能生態(tài)體系建設(shè)，為科技強國和創(chuàng)新型國家建設(shè)提供有力支撐。二、科研智能產(chǎn)業(yè)發(fā)展情況科研算力與科研數(shù)據(jù)的深度融合為

AI4R&D奠定了堅實基礎(chǔ)。由

AI框架、算法庫、開發(fā)套件及領(lǐng)域模型組成的開發(fā)工具鏈極大提升了科研效率，促進了跨學(xué)科、跨領(lǐng)域的協(xié)同創(chuàng)新與融合，深刻改變了科學(xué)研究范式。（一）科研算力—賦能科研智能高效運行科研算力是指結(jié)合智能算力與超算算力的計算能力，通過異構(gòu)計算架構(gòu)滿足高精度計算和

AI模型訓(xùn)練推理需求。智能算力基于GPU（圖形處理器）、TP（張量處理單元）、NPU（神經(jīng)網(wǎng)絡(luò)處理單元）等

AI芯片，提

供并行計算能力，適用于人工智能的訓(xùn)練和推理計算。超算算力依托超級計算機集群，實現(xiàn)大規(guī)模科學(xué)計算和模擬，能夠處理復(fù)雜的科學(xué)計算問題，廣泛應(yīng)用于如行星模擬、2科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式藥物分子設(shè)計、基因分析等場景。而科研智能算力整合了

AI計算和科學(xué)計算兩種方式，采用異構(gòu)計算架構(gòu)，結(jié)合多種計算單元，以滿足高精度科學(xué)計算和人工智能模型訓(xùn)練、推理的雙

需求。科研智能的研究涉及大量復(fù)雜的計算

務(wù)，包括大規(guī)模數(shù)據(jù)處理、深度學(xué)習(xí)模型訓(xùn)練和高精度科擬等，這些任務(wù)均需要充足的算力支撐。在多數(shù)場景下，為

足科學(xué)研究和工程應(yīng)用的需求，如蛋白質(zhì)結(jié)構(gòu)預(yù)測模型

AlphaFold2取得了突破性進展，能夠以原子級精度預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，其預(yù)測效果可以與實驗結(jié)果媲美，解決了生物學(xué)界長達

50年的重大挑戰(zhàn)，該成就被

Science雜志評為2021年度十大科學(xué)突破成果的第一位。這一進展也在很大程度上依賴于大規(guī)模的計算資源支持，在

AlphaFold2的研發(fā)過程中，DeepMind團隊投入了大量的算力資源，訓(xùn)練階段使用了約

128個TPUv3，歷時

11天才能完成1。當前業(yè)界提供科研智能算力服務(wù)的方式主要有三種：一是云服務(wù)企業(yè)以公有云模式提供智能算力服務(wù)。云服務(wù)企業(yè)以智能算力平臺的形式提供計算資源，如阿里云靈駿智算平

、百度智能云

AIStudio、華為昇騰云等，面向基礎(chǔ)科研、新

研發(fā)、工程仿真等場景提供一站式算力服務(wù)。二是由政府、企業(yè)建設(shè)并對外提供服務(wù)的人工智能算力中心。西安的未來人工智能計算中心已成功孵化出多個智能科研領(lǐng)域的大模型球首個面向雷達遙感場景的“秦嶺·西電遙感腦大模型”，

及全球首個面向計算流體力學(xué)場景的“秦嶺·翱1

《HighlyaccurateproteinstructurepredictionwithAlphaFold》3科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式翔大模型”。三是以一體機形式交付的科研智能算力。一體機通過將專用硬件、軟件和服務(wù)集成在一個系統(tǒng)中，打造便捷、高性能的科研智能系統(tǒng)。如深勢盒子是面向分子動力學(xué)模擬設(shè)計場景推出一體機，硬件層面以定制加速卡與

CPU結(jié)合的方式提供計算能力，軟件層面預(yù)裝分子動力學(xué)專業(yè)模擬軟件。我國科研智能算力面臨多項

戰(zhàn)，亟需建立普惠的科研算力保障體系。挑戰(zhàn)層面，一是高端

AI芯片的生產(chǎn)和購買受限，影響算力供給。二是國內(nèi)智能算力的技術(shù)產(chǎn)業(yè)生態(tài)較弱，應(yīng)用門檻高。三是智能算力資源主要集中于頭部科技類企業(yè)，高校、科研機構(gòu)和大量行業(yè)企業(yè)算力儲備相對有限。建議層面，一是建立針對高校、科研機構(gòu)和行業(yè)企業(yè)的算力資源保障機制，實現(xiàn)算力資源的合理供給、動態(tài)分配與高效利用，保障科研智能領(lǐng)域計算需求。二是構(gòu)建跨地區(qū)、跨機構(gòu)的科研算力資源共享平臺，促進科研機構(gòu)與產(chǎn)業(yè)界的協(xié)同創(chuàng)新。三是實施科研算力成本效益評估，優(yōu)化資源投入與產(chǎn)出，加速科技成果的產(chǎn)業(yè)轉(zhuǎn)化。（二）科研數(shù)據(jù)—驅(qū)動科研智能創(chuàng)新發(fā)現(xiàn)科研數(shù)據(jù)是指科學(xué)研究和產(chǎn)業(yè)研發(fā)活動產(chǎn)生的原始數(shù)據(jù)、中間數(shù)據(jù)、結(jié)果數(shù)據(jù)和分析數(shù)據(jù)等，主要包括觀測數(shù)據(jù)、實驗數(shù)據(jù)、記錄數(shù)據(jù)、調(diào)查數(shù)據(jù)、模擬數(shù)據(jù)及科研文獻等內(nèi)容。高質(zhì)量的科研數(shù)據(jù)是科研智能的基礎(chǔ)，規(guī)科研數(shù)據(jù)管理是科研智能開展的前提?？蒲兄悄軘?shù)據(jù)相較

傳統(tǒng)的行業(yè)數(shù)據(jù)，有如下特點。一是數(shù)據(jù)來源和類型更加多樣。數(shù)據(jù)來自儀器設(shè)備、傳感器、仿真模擬、文獻等，4科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式數(shù)據(jù)格式和語義差別較大。二是數(shù)據(jù)質(zhì)量要求高。數(shù)據(jù)的客觀性、準確性、完備性、分辨率等質(zhì)量要求很高，這會直接影響到計算結(jié)果的可信度。三是數(shù)據(jù)量更大。實驗觀測數(shù)據(jù)、仿真模擬數(shù)據(jù)等不僅規(guī)模巨大且增長快速，遠超普通商業(yè)化

據(jù)。四是維度更高。例如氣象、地理、生物數(shù)據(jù)涉及時間更加復(fù)雜。間、物種等多個維度，結(jié)構(gòu)在科研數(shù)據(jù)領(lǐng)域，公開數(shù)據(jù)集對于推動科研創(chuàng)新具有重要意義。國外方面，公開數(shù)據(jù)集資源豐富、體系成熟，已成為全球科研工作者開展研究的重要基礎(chǔ)設(shè)施。美國通過一系列項目推動科研領(lǐng)域公共數(shù)據(jù)集的建設(shè)、共享及應(yīng)用，如美國國家生物信息中心（NCBI）成為全球醫(yī)療

AI研究人員的首選數(shù)據(jù)源，其數(shù)據(jù)可在亞馬遜云平臺和谷歌云平臺上便捷訪問。在氣象領(lǐng)域，美國國家海洋和大氣管理局（NOAA）的數(shù)據(jù)是氣象大模型研發(fā)的重要支撐。材料科學(xué)方面，“材料項目”（TheMaterialsProject）經(jīng)過三十年發(fā)展，已成為該領(lǐng)域的標桿性數(shù)據(jù)庫。數(shù)據(jù)資源的長期積累為科技突破奠定了重要基礎(chǔ)，如

AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的成

很大程度上得益于蛋白質(zhì)數(shù)據(jù)庫（PDB）的長期數(shù)據(jù)積累。我

方面，近年來在科研數(shù)據(jù)建設(shè)及共享方面也取得了顯著進展。全國已建成

50多個國家級行業(yè)科技數(shù)據(jù)中心和

200多個地方科技數(shù)據(jù)中心，形成覆蓋多領(lǐng)域的科學(xué)數(shù)據(jù)中心體系。、天文、電磁、流體、氣象、生命科學(xué)等領(lǐng)域已具備一

規(guī)模的公開數(shù)據(jù)集。表

1國外科研領(lǐng)域主要公開數(shù)據(jù)集（中國信通院根據(jù)公開資料收集整理）5科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式領(lǐng)域數(shù)據(jù)持有單位WorldwideProteinDataBank（wwPDB）全球蛋白質(zhì)結(jié)構(gòu)庫（PDB）人類基因庫（EMBL）洲分子生物學(xué)實驗室（EMBL）歐洲生物信息研究所（EBI）、瑞士生物信息研究所（SIB）及蛋白質(zhì)數(shù)據(jù)庫（UniProt生命科學(xué)美國國家生物醫(yī)學(xué)研究基金會（NBRF）成立的蛋白質(zhì)信息資源（PIR）美國國家醫(yī)學(xué)圖書館生物信息技術(shù)信息中心（NCBI）日本國立遺傳學(xué)研究所美國國家醫(yī)學(xué)圖書館生物信息技術(shù)信息中心（NCBI）美國杜克大學(xué)DNA序列數(shù)據(jù)庫（Genbank）DNA數(shù)據(jù)庫（DDBJ）生物醫(yī)學(xué)文獻書目數(shù)據(jù)庫（PubMed）高通量材料計算數(shù)據(jù)庫（AFLOW）劍橋結(jié)構(gòu)數(shù)據(jù)庫（CSD）英國劍橋晶體數(shù)據(jù)中（CCDC）美國西北大學(xué)放量子材料數(shù)據(jù)庫（OQMD）無極晶體結(jié)構(gòu)數(shù)據(jù)庫（ICSD）德國波恩大學(xué)材料計算數(shù)據(jù)庫（MaterialsProject）金屬和合金晶體數(shù)據(jù)庫（CRYSTMET）美國加州伯克利大學(xué)材料科學(xué)加拿大渥太華大學(xué)國際衍射數(shù)據(jù)中心國際衍射數(shù)據(jù)中心的粉晶數(shù)據(jù)庫（JCPDS）開放晶體結(jié)構(gòu)數(shù)據(jù)庫（COD）密度泛函理論的材料數(shù)據(jù)集（JARVIS-DFT）英國劍橋大學(xué)美國國家標準與技術(shù)研究院（NIST）歐

中期天氣預(yù)報中心（ECMWF）ERA5大氣再分析數(shù)據(jù)集海洋再分析數(shù)據(jù)集（HYCOM）海洋生物化學(xué)數(shù)據(jù)集海軍研究實驗室（NRL）美國航天局地球科學(xué)GLORYS12再分析數(shù)據(jù)SST衛(wèi)星觀測數(shù)據(jù)法國麥卡托英國氣象局歷史氣候觀測和模擬（ICAR-ENSO）

氣候與應(yīng)用前沿研究院

ICAR地球表面氣候預(yù)測數(shù)據(jù)（EarthNet）/國際自動機工程師學(xué)會斯坦福大學(xué)汽車流體ShaetAhmodyAerodynamics英偉達周期山（PH-RANS、ERCOFTAC）圓柱繞流數(shù)據(jù)集（CylinderinCrossflow）慕尼黑工業(yè)大學(xué)/6科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式頂蓋驅(qū)動方腔流動（CFDBench）/我國公開數(shù)據(jù)集建設(shè)不足，優(yōu)質(zhì)領(lǐng)域數(shù)據(jù)未能得到有效利用。一方面領(lǐng)域覆蓋度有限，數(shù)據(jù)集建設(shè)不完善且質(zhì)量

待提升。例如，盤古、風(fēng)烏、伏羲等國內(nèi)氣象大模型的研發(fā)

依賴國外公開數(shù)據(jù)集，而非國內(nèi)數(shù)據(jù)集。另一方面在科研與行業(yè)企業(yè)中已積累的大量領(lǐng)域數(shù)據(jù)公開意愿不高，導(dǎo)致大量的優(yōu)質(zhì)數(shù)據(jù)資源處于“靜默”狀態(tài)。我國需加強數(shù)據(jù)集建設(shè)與共享，推動科研智能產(chǎn)業(yè)高效發(fā)展。我國需建立自己的科研數(shù)據(jù)戰(zhàn)略，系統(tǒng)規(guī)劃科研領(lǐng)域數(shù)據(jù)建設(shè)計劃，推動以國家重點實驗室、重點行業(yè)企業(yè)為代表的機構(gòu)，積極開放共享數(shù)據(jù)。一是圍繞公開數(shù)據(jù)集建設(shè)進行戰(zhàn)略布局。建立健全科研領(lǐng)域公開數(shù)據(jù)集體系，在時空、區(qū)域氣象等新興和特色領(lǐng)域進行系統(tǒng)布局。二是建立科研數(shù)據(jù)共享激勵機制，讓數(shù)據(jù)貢獻成為研究貢獻的一部分。通過合理的措施，鼓勵機構(gòu)以及個人將共享數(shù)據(jù)，持續(xù)豐富公開數(shù)據(jù)集的資源。同時加強對數(shù)據(jù)的安全保護，避免濫用。三是構(gòu)建統(tǒng)一的科研數(shù)據(jù)空間，匯聚數(shù)據(jù)促進數(shù)據(jù)共享。促進跨機構(gòu)、跨領(lǐng)域的數(shù)據(jù)整合與優(yōu)化，為科研工作者和技

開發(fā)者提供更加便捷、高效的數(shù)據(jù)服務(wù)。（三）開發(fā)工具鏈—全鏈路打造科研智能開發(fā)工具從人工智能框架的構(gòu)建到算法的集成，再到開發(fā)套件與領(lǐng)域模型的推出，科研智能開具鏈的逐步完善，為科研人員提供了全流程支持。這些工

不僅降低科研門檻，提高研發(fā)效率，還加速科研成果的轉(zhuǎn)化與應(yīng)用。通過持續(xù)優(yōu)化與創(chuàng)新，科研智能開發(fā)工具鏈7科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式正逐步成為推動該領(lǐng)域發(fā)展的核心引擎。1.AI框架—構(gòu)建核心架構(gòu)，支撐高效算法實現(xiàn)AI框架是一組用于開發(fā)、訓(xùn)練和部署人工智

模型的工具、庫和接口，它提供了一個結(jié)構(gòu)化的環(huán)境，使

發(fā)者能夠更加高效地構(gòu)建、測試和優(yōu)化

AI算法和應(yīng)用，當前主流的

AI框架主要有TensorFlow、PyTorch、PaddlePaddl和

MindSpore。為更有效地支持科研智能（AI4R&D），傳統(tǒng)

AI框架需要具備高效求解科學(xué)計算任務(wù)的基礎(chǔ)能力。一是支持科研智能算子庫，通過提供標準化接口和高度優(yōu)化共性數(shù)學(xué)運算單元，如高階微分、傅里葉變換、分數(shù)階微分、積分、線性代數(shù)、復(fù)數(shù)運算等科研智能專用算子，降低科研計算程序的復(fù)雜度。二是提供科研智能計算庫，通過實現(xiàn)跨領(lǐng)域共性基礎(chǔ)計算庫，如微分方程求解計算庫、幾何形狀定義計算庫、方程符號化定義計算庫、物理信息神經(jīng)網(wǎng)絡(luò)

PINN求解方法計算庫等，提升跨學(xué)科多領(lǐng)域典型數(shù)理方程求解效率。三是面向科研智能的作業(yè)調(diào)度優(yōu)化，通過高階自動微分變換和編譯優(yōu)化技術(shù)，實現(xiàn)異構(gòu)混合架構(gòu)靈活高效計算，整體提升科研計算任務(wù)計算速度。當前

PyTorch和

TensorFlow已經(jīng)成為全球范圍最主流的

AI框架。PyTorch基于動態(tài)計算圖且接口簡潔易用，適合科研探索的快速原型開發(fā)及頻繁迭代，在學(xué)術(shù)界廣受歡迎。TensorFlow具備強大的分布式計算能力和完善的工態(tài)系統(tǒng)，當前在工業(yè)界廣泛應(yīng)用，支持成熟的部署解決方

。兩者均提供科研智能算子庫、科研智能計算庫和科研智能計算加速等相關(guān)能力。此外，谷歌推出的

JAX框架具8科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式備自動矢量化和即時編譯等先進特性，計算性能出色，適用于科學(xué)計算和機器學(xué)習(xí)任務(wù)，且支持高階自動微分，有利于科研智能領(lǐng)域的模型開發(fā)。國內(nèi)

PaddlePaddle和

MindSpore作為領(lǐng)先的人工智能框架，均將科研智能作為重點方向進行了

配和優(yōu)化，目前已具備豐富的算子庫和高階自動微分等能力現(xiàn)有

AI框架未能完全適配科

智能需求。PyTorch在大規(guī)模部署時運行效率相對較低，工業(yè)級部署支持相對較弱。TensorFlow缺少基礎(chǔ)算子體系，科學(xué)計算所需的高階自動微分功能可擴展性不足。JAX處于發(fā)展初期，尚未形成成熟生態(tài)。國內(nèi)框架對算子支持不完全，尚無法滿足科研智能發(fā)展的需求。為推動科研智能的深入發(fā)展，我國需構(gòu)建更高效、統(tǒng)一的科研智能

AI框架。一是高性能計算優(yōu)化。框架需要兼容不同類型的國產(chǎn)化硬件資源，如

GPU、NPU等不同類型的

AI芯片，提供高效計算解決方案。同時，提升分布式計算能力以支持大規(guī)模計算任務(wù)。二是支持跨領(lǐng)域算法和應(yīng)用?？蚣軕?yīng)支持特定領(lǐng)域（如地球科學(xué)、材料科學(xué)等）的算法庫和開發(fā)工具，為各領(lǐng)域科研人員提供通用的開發(fā)和應(yīng)用環(huán)境，提

靈活的接口和擴展能力，支持跨學(xué)科的協(xié)同研究及應(yīng)用。三富生態(tài)系統(tǒng)建設(shè)。擴展生態(tài)系統(tǒng)，提供第三方庫和工具，以及融合已有科學(xué)計算領(lǐng)域的算法庫和工具，滿足更廣泛的科研需求。建設(shè)活躍的社區(qū)，促進科研工作者交流分享，推創(chuàng)新和進步。9科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式2.算法庫—匯聚智慧結(jié)晶，賦能科研創(chuàng)新突破科研智能算法庫是指面向特定領(lǐng)域科學(xué)計算

題，基于

AI框架算子能力開發(fā)的一系列高效、穩(wěn)定的算法集合。算

庫注重易用性、性能及可拓展性，其核心價值主要體現(xiàn)在

下兩方面：一是聚焦對領(lǐng)域單點問題的改進和固化。使用算

庫中經(jīng)過優(yōu)化的算法，科研人員能夠更加高效地解決復(fù)雜科學(xué)計算問題，推動科研成果的產(chǎn)出。二是強調(diào)提供最優(yōu)算法選擇。通過收錄該領(lǐng)域最頂尖的算法，強調(diào)提供最優(yōu)的算法選擇，為科研人員提供便捷、高效的工具，助力科研工作的深入開展。高校、

研院所及企業(yè)紛紛推出面向多個各領(lǐng)域的科研智能算法庫。國外方面，布朗大學(xué)、麻省理工學(xué)院紛紛推出算法庫支持科研智能底層算法的實現(xiàn)。如

DeepXDE充分利用數(shù)據(jù)和物理知識雙驅(qū)動，解決傳統(tǒng)方法難以求解的復(fù)雜問題，支持物理信息神經(jīng)網(wǎng)絡(luò)（PINN）和深度算子網(wǎng)絡(luò)（DeepONet）等方法。國內(nèi)方面，深勢科技、之江實驗室等研究機構(gòu)專注于算法庫的研發(fā)，聚焦分子動力學(xué)、量子力學(xué)、空氣動力學(xué)等特定領(lǐng)域的研究，解決該領(lǐng)域計算求解問題。如

DeePMD基于神經(jīng)網(wǎng)絡(luò)擬合第一原理數(shù)據(jù)的多體勢能表示和分子動力學(xué)深度學(xué)習(xí)，支持

DeepPotential(DP)系列模型，可用于多體勢能表示和分子動力學(xué)模擬。表

2國內(nèi)外典型科研智能

法庫（中國信通院根據(jù)公開資料收集整理）算法庫介紹開發(fā)者DeePMD-kit基于深度學(xué)習(xí)的原子尺度模擬算法庫。適深勢科技10科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式用于大規(guī)模原子及分子動力學(xué)模擬?；跈C器學(xué)習(xí)對于低精度的

DFT泛函進行優(yōu)化。支持

DeePHF、DeePKS方法。神經(jīng)微分方程和運算符不確定性量化的DeePKS-kit北京科學(xué)智能研究院布朗大學(xué)、華中科技大學(xué)NeuralUQ算法庫。支持算法不確定性

PINN(如貝葉斯

PINN等)，不確定性

DeepONet等用于求解微分方程的深度學(xué)習(xí)算

庫

。支持多種數(shù)據(jù)驅(qū)動和物理信息融合的算法，DeepXDENeuralPDESCiANN布朗大學(xué)包括

PINN、DeepONet和

P等。pONet麻省理工學(xué)院、都靈大學(xué)、渥太華大學(xué)、卡耐基梅隆大學(xué)等基于物理信息神經(jīng)網(wǎng)絡(luò)(PNs)的偏微分方程求解的算法庫。使用人工神經(jīng)網(wǎng)絡(luò)進行科學(xué)計算和物理信息約束的算法庫。支持

PINN算法進行科學(xué)計算以及偏微分方程

(PDE)的求解和發(fā)現(xiàn)。麻省理工學(xué)院我國在科研智能算法庫領(lǐng)域也面臨著原創(chuàng)不足等挑戰(zhàn)。我國在基礎(chǔ)理論創(chuàng)新方面存在不足，物理信息神經(jīng)網(wǎng)絡(luò)（PINN）、傅里葉神經(jīng)算子（FNO）和深度算子網(wǎng)絡(luò)（DeepONet）等經(jīng)典的底層算法多由國外研究機構(gòu)提出。我國算法庫的數(shù)量較少且影響力不足，國內(nèi)深勢科技、之江實驗室等機構(gòu)在特定領(lǐng)域（如分子動力學(xué)、量子力學(xué)、空氣動力學(xué)等）積極開展研究，并開發(fā)出

DeePMD、NeuralUQ等算法庫，但與國際先進水平相比仍有明顯差距。因此，我國仍需進一步鼓勵算法原始創(chuàng)新，提升我國科研智

算法庫的自主性和核心競爭力。3.開發(fā)套件—簡

科研流程，推動智能化進程科研智能開發(fā)套

是指針對特定科研領(lǐng)域，基于

AI框架開發(fā)的端到端工具集。開發(fā)套件提供標準化接口和用戶界面，覆蓋模型開11科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式發(fā)全流程，能夠快速用于解決科研問題。相較于科研智能算法庫，開發(fā)套件的產(chǎn)品化程度更高。一方面，開發(fā)套件通過全流程整合有效提升了科研效率?？蒲腥藛T無需在多個工具間切換，使用開發(fā)套件可一站式完成數(shù)據(jù)處理、模型開發(fā)、評

及部署等工作，縮短研發(fā)周期，加速成果產(chǎn)出。另一方面發(fā)套件降低了科研人員對計算機專業(yè)知識的依賴。開發(fā)套件

供操作界面及案例資源，降低了非計算機背景科研人員的使用門檻。科研人員可以更加聚焦科研問題本身，無需花費大量時間精力在人工智能模型調(diào)參等技術(shù)環(huán)節(jié)。國內(nèi)外已形成一系列成熟的科研開發(fā)套件。國外方面，形成了相對活躍的開源社區(qū)生態(tài)。高校、研究機構(gòu)及企業(yè)以

PyTorch為基礎(chǔ)，貢獻了針對特定科學(xué)領(lǐng)域的開源套件，如英偉達推出用于流體仿真的

Modulus和用于氣象預(yù)測

Earth2Studio，上述工具成熟度較高且已被廣泛應(yīng)用。國內(nèi)方面，形成了相對自給自足的生態(tài)系統(tǒng)。國內(nèi)開發(fā)套件通常由

AI框架企業(yè)提供，如百度和華為基于自身

AI框架能力，向各領(lǐng)域延伸形成工具套件，已覆蓋生物計算、量子計算、流體仿真、地球科學(xué)、電磁仿真、化學(xué)仿真等領(lǐng)域。表

3我國代表性科學(xué)套件（中國信通院根據(jù)公開資料收集整理）領(lǐng)域套件名稱公司百度功能描述基于飛槳深度學(xué)習(xí)框架的科學(xué)計算工具庫，提供了豐富的物理模型和

AI方法，支持流體力學(xué)、電磁學(xué)等領(lǐng)域的仿真與優(yōu)化。地球科學(xué)、材料科學(xué)、流體仿真PaddleScieMindEarth地球科學(xué)華為支持短臨、中期

、長期天氣以及海12科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式洋領(lǐng)域的各類預(yù)報。支持航空航天、船舶制造以及能源電力等行業(yè)領(lǐng)域的

AI流場模擬。流體仿真MindFlowMindElec華為華為支持數(shù)據(jù)建構(gòu)

轉(zhuǎn)換、仿真計算、結(jié)果可視化以及端到端的

AI電磁仿

。電磁仿真PaddleQuantumMindQuantum百度華為提供量子線路設(shè)計、量子算法實現(xiàn)和量子經(jīng)典混合優(yōu)化等功能，支持多種量子模擬器后端，助力量子計算研究與應(yīng)用開發(fā)。量子計算面向生物計算，支持蛋白質(zhì)結(jié)構(gòu)預(yù)測和分子動力學(xué)模擬，為藥物研發(fā)提供高效工具

，加速新藥篩選和設(shè)計過程。MindSPONGEPaddleHelix華為百度生物計算支持多體系（有機/無機/復(fù)合材料化學(xué)

）、多尺度任務(wù)（微觀分子生成/預(yù)測、宏觀反應(yīng)優(yōu)化）的化學(xué)仿真?；瘜W(xué)MindChemistry華為開發(fā)套件存在易用性低、功能覆蓋不全等問題。一是使用門檻仍舊較高，用戶需要具備較強的領(lǐng)域知識

編程能力，進而限制了套件的廣泛使用。二是功能覆蓋不全面。一方面覆蓋場景有限，開發(fā)套件處于發(fā)展初期，往往針對具體科學(xué)問題設(shè)計，支持的場景較為有限。另一方面覆蓋環(huán)節(jié)不足，存在功能欠缺。如針對高溫合金材料研發(fā)的套件，僅提金成分設(shè)計與性能預(yù)測環(huán)節(jié)，缺少特定工藝條件下的合金

為模擬、疲勞壽命預(yù)測等能力，這會限制套件在實際工程項目的使用。三是標準化程度低，開發(fā)套件之間缺乏統(tǒng)13科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式一的接口和數(shù)據(jù)格式標準，增加了用戶遷移和比較的成本，不利于科研工作的連續(xù)性和數(shù)據(jù)共享。4.領(lǐng)域模型—AI融合知識，加速應(yīng)用

踐落地領(lǐng)域的模型主要分為兩大類，一類是領(lǐng)域?qū)Ｓ媚Ｐ?，針對特定科學(xué)問題設(shè)計和優(yōu)化；另一類是基于大語言模型（LLM）的科研模型，利用自然語言處理能力輔助科研工作、完善自動化流程。產(chǎn)學(xué)界已經(jīng)研發(fā)出面向多個領(lǐng)域解決特定問題的專用模型。材料科學(xué)領(lǐng)域，AI技術(shù)結(jié)合高通量計算，打破尺度和計算模擬限制，加速材料篩選，促進靶向設(shè)計新材料，完成材料和器件的全鏈條優(yōu)化，為新能源、環(huán)境保護、信息技術(shù)等產(chǎn)業(yè)提供了強大的材料基礎(chǔ)。氣象領(lǐng)域，通過

AI技術(shù)對大量氣象觀測和模擬數(shù)據(jù)進行分析，識別復(fù)雜大氣模式，提升天氣預(yù)報精度與效率，加強對臺風(fēng)、暴雨等極端天氣事件的預(yù)測能力，輔助氣候變化研究。流體仿真領(lǐng)域，AI提升了復(fù)雜流體動力學(xué)問題的模擬和求解效率，對湍流、液體混合等復(fù)雜流體進行流動模擬優(yōu)化、實時仿真，廣泛應(yīng)用于航空航天、汽車制造等領(lǐng)域。電磁仿真領(lǐng)域，AI模型能夠快速模擬和優(yōu)化復(fù)雜電磁場分布，提升仿真和設(shè)計效率。以電磁兼容性分析為例，AI能夠預(yù)測和識別潛在干擾問題，優(yōu)化電路設(shè)計，確保電磁設(shè)備的性能和可靠性。生命科學(xué)領(lǐng)域，AI模型能夠分析復(fù)雜的生物數(shù)據(jù)，如蛋白質(zhì)結(jié)構(gòu)預(yù)測因組分析等，加速新藥發(fā)現(xiàn)和個性化醫(yī)療方案的制定，解

傳統(tǒng)方法耗時長、成本高的問題。業(yè)內(nèi)典型領(lǐng)域?qū)I(yè)模型詳見附錄一。14科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式大語言模型為科研領(lǐng)域帶來新的輔助手段。大語言模型與科研相融合正在成為新方向，目前大語言模型主要應(yīng)用于科研助手和流程自動化?？蒲兄址矫?，大語言模型結(jié)合領(lǐng)域知識，不僅可以提供研究假設(shè)、科研方向供科研人員參考，還可以作為科研知識助手，為科研人員提供即時的信息查詢和。流程自動化方面，大語言模型可以幫助提高實驗效率、減

人為誤差，實現(xiàn)更精準、可重復(fù)的實驗管理。典型場景包括輔助決策和實驗設(shè)計、任務(wù)調(diào)度智能加速和實驗室管理等。大語言模型與領(lǐng)域?qū)I(yè)模型的深度融合正推動科研領(lǐng)域?qū)崿F(xiàn)重大突破。大型語言模型擅長發(fā)現(xiàn)并整理科學(xué)領(lǐng)域的難點問題，領(lǐng)域?qū)I(yè)模型則負責(zé)完成復(fù)雜的計算任務(wù)，兩者結(jié)合可有效提升人機交互能力，加速科學(xué)研究的進程，有望在特定領(lǐng)域取得突破性進展。例如，卡耐基梅隆大學(xué)研發(fā)的

AI系統(tǒng)

Coscientist能夠自主完成從信息檢索到實驗執(zhí)行和數(shù)據(jù)分析的整個流程，該系統(tǒng)成功設(shè)計并合成了阿司匹林、對乙酰氨基酚和布洛芬等常見藥物分子。同時，Coscientist在不到四分鐘內(nèi)成功設(shè)計鈀催化交

偶聯(lián)反應(yīng)的實驗方案，并成功復(fù)現(xiàn)了這一重要的復(fù)雜化學(xué)反學(xué)獎。該研究曾獲諾貝爾化三、科研智能應(yīng)用發(fā)展情況基礎(chǔ)科學(xué)研究領(lǐng)域技術(shù)的應(yīng)用促進了新理論、新算法的發(fā)現(xiàn)與驗證，逐步拓

科學(xué)研究的邊界。產(chǎn)業(yè)研發(fā)創(chuàng)新領(lǐng)域，AI技術(shù)通過加速新藥研發(fā)、優(yōu)化材料篩選、提升工業(yè)設(shè)計效率等方式，提15科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式升產(chǎn)品研發(fā)效率為產(chǎn)業(yè)升級與變革提供強有力的技術(shù)支撐。（一）基礎(chǔ)科學(xué)研究—開展前沿探索，推動科學(xué)邊界拓展科研智能在基礎(chǔ)科學(xué)領(lǐng)域展現(xiàn)出

闊的應(yīng)用前景。目前，國內(nèi)外高校和科研機構(gòu)都在積極探索

AI與科學(xué)研究的深度融合，在過去5年，AI+科學(xué)研究的相關(guān)成果連續(xù)入選《Science》雜志評選的十大突破。AI賦能科學(xué)研究主要體現(xiàn)在以下四個方面：一是

AI輔助科學(xué)文獻研究?？蒲腥藛T借助

AI能夠高效地分析和挖掘海量的科學(xué)文獻，提取關(guān)鍵信息，識別研究趨勢。例如，北京國際科技創(chuàng)新中心使用知網(wǎng)華知大模型打造了開放科學(xué)平臺，集成了知網(wǎng)智研助手、學(xué)術(shù)問答、智能寫作三大

AI工具，為學(xué)術(shù)和技術(shù)創(chuàng)新人員提供了全方位的知識服務(wù)。二是

AI指導(dǎo)和加速科學(xué)實驗。通過數(shù)據(jù)分析和機器學(xué)習(xí)，AI能夠優(yōu)化實驗設(shè)計，減少不必要的實驗次數(shù)，顯著提高實驗效率。如

DeepMind通過深度強化學(xué)習(xí)技術(shù)對托卡馬克等離子體進行精準磁控，將等離子體控制精度提升至

65%，為核聚變研究帶來了重要突破。三是

AI啟發(fā)新理論和算法發(fā)現(xiàn)。AI的模式識別和預(yù)測能力有助于科研人員發(fā)現(xiàn)新的科學(xué)規(guī)

，提出創(chuàng)新性的理論。如物理學(xué)家利用神經(jīng)網(wǎng)絡(luò)發(fā)現(xiàn)了質(zhì)子中隱性內(nèi)含粲夸克的存在證據(jù)，這一發(fā)現(xiàn)可能會引發(fā)量子色動力學(xué)理論的重大更新

。四是

AI優(yōu)化和加速科學(xué)計算。傳統(tǒng)數(shù)據(jù)海量數(shù)據(jù)時會遭遇“維度災(zāi)難”問題，AI技術(shù)可以提高復(fù)雜科學(xué)計算的效率，解決傳統(tǒng)方法難以處理的問題。如

DeepMind發(fā)布的

AlphaFold3可預(yù)測地球所有生物分子結(jié)構(gòu)，16科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式準確率比現(xiàn)有方法高

50%，成為首個在生物分子結(jié)構(gòu)預(yù)測方面超越基于物理工具方法的

AI系統(tǒng)。表

42019年至

2023年

Science雜志評選的十大

學(xué)突破20232022202120202019人工智測蛋白質(zhì)結(jié)人類歷史上首張黑洞照片問世減肥藥

GLP-1詹姆斯韋伯太新冠疫苗點亮希望之光有望戰(zhàn)勝肥胖空望遠鏡抗體療法在減緩阿爾茨海默病方面取得進展發(fā)現(xiàn)可能導(dǎo)致多發(fā)性硬化的病毒CRISPR首次成功治愈兩種遺傳性血液病抗新冠強效藥出現(xiàn)與丹尼索瓦人“面對面”黑死病如何改

迷幻藥物可

“精英控制員”谷歌宣布實尋找天然氫源的熱潮變歐洲人基因

治療創(chuàng)傷后

控制艾滋病病現(xiàn)“量子霸權(quán)”的新見解應(yīng)激障礙毒在全球機構(gòu)中系統(tǒng)性改變業(yè)早期科學(xué)家的待遇單克隆抗體

AI首次精準預(yù)

腸道微生物治療傳染性

測蛋白質(zhì)三維

對抗營養(yǎng)不驚人的巨型細菌疾病結(jié)構(gòu)良基因編輯工具

CRISPR首次獲得臨床勝利接近美洲遠古

200萬年前環(huán)人類定居的歷

境

DNA重現(xiàn)古科學(xué)家反對種

小行星撞擊族歧視，支持

地球及其帶多樣性史真相老生態(tài)系統(tǒng)來的影響體外胚胎培地球的碳泵正

更易于耕種的

養(yǎng)為早期發(fā)

全球變暖趨勢

最遙遠天體在減速運行多年生稻育研究打開新窗戶加劇的特寫巨型黑洞合并產(chǎn)生的星際信號在無聲轟鳴首次在土壤中提取到古人類

DNA人類首次行星防御實驗成功現(xiàn)快速射電

“缺失環(huán)節(jié)”來源的微生物？第一次

，有藥世界最古老狩

物可以治療“洞察”號首次揭示火星內(nèi)部結(jié)構(gòu)AI輔助天氣

RSV疫苗取得預(yù)報的發(fā)展

突破進展獵場景面世大多數(shù)囊性纖維化病例粒子物理學(xué)的標準模型

首個室溫超導(dǎo)埃博拉患者終于有了希望抗擊瘧疾的新

創(chuàng)造性人希望

能的快速發(fā)出現(xiàn)了“裂縫”體面世百億億次超級

美國通過具有

核聚變實現(xiàn)

鳥類具有驚人

AI戰(zhàn)勝多人計算時代的來

里程碑意義的

歷史性突破的智力撲克17科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式臨氣候法（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構(gòu)建核心驅(qū)動力，加速產(chǎn)業(yè)升級變革科研智能在多個產(chǎn)業(yè)領(lǐng)域中取顯著成效。新藥研發(fā)領(lǐng)域，AI

可加速藥物發(fā)現(xiàn)和研發(fā)過程。如西安交通大學(xué)第一附屬醫(yī)院基于盤古藥物分子大模型，研發(fā)出超級抗菌藥肉桂酰菌素。AI

減少了人工對小分子化合物的篩選計算量，加快了藥物分子的篩選過程，突破了醫(yī)藥研發(fā)“雙十定律”的瓶頸，使先導(dǎo)藥的研發(fā)周期從數(shù)年縮短至數(shù)月，研發(fā)

本降低約

70%。電池材料研發(fā)領(lǐng)域，AI

可輔助篩選和預(yù)測高

能材料。通過多尺度模擬預(yù)測材料性能，優(yōu)化實驗設(shè)計，提升實驗效率。如深勢科技在電解液材料研發(fā)領(lǐng)域，通過正向設(shè)計與篩選優(yōu)化的方法，有效提升金羽新能開發(fā)高能量密度電池電解液的效率，研發(fā)周期由原來的

14

個月縮短至

6

個月。航空航天仿真測試領(lǐng)域，AI

助力評估航空器設(shè)計方案的可行性和性能。如中國商飛上海飛機設(shè)計研究院基于昇騰

AI

開發(fā)了業(yè)界首個三維超臨界機翼流體仿真大模型“東方·翼風(fēng)”，能高精度模

大飛機全場景飛行狀況，用時僅為原來的千分之一。電磁仿真領(lǐng)域，AI

可實現(xiàn)高效手機電磁仿真。如華為聯(lián)合東南大學(xué)打造了金陵·電磁腦基礎(chǔ)模型，基于AI

方法進行大規(guī)模陣列電磁仿真，將仿真效率平均提升

10

倍以上。工業(yè)設(shè)計領(lǐng)域

AI

可提升設(shè)計效率并降低成本。中國科學(xué)院沈陽自動化研究所與上汽大眾合作開發(fā)了“基于

AI

和知識圖譜的焊18科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式裝夾具智能設(shè)計軟件”，通過知識圖譜和生成式AI提升設(shè)計效率80%以上，設(shè)計成本降低至原來的一半，實現(xiàn)需求到制造的一站式交付服務(wù)。工業(yè)制造領(lǐng)域，AI可提升生產(chǎn)效率與產(chǎn)品質(zhì)量。如中冶京誠推出“鋼智通”專家系統(tǒng)通過大語言模型提

智能決策進行生產(chǎn)流程優(yōu)化，能耗降低

1%，廢品率降低

0.，整體管控效率提升

10%。四、科研智能生態(tài)建設(shè)情況隨著人工智能與科學(xué)研究、產(chǎn)業(yè)研發(fā)的深度融合，產(chǎn)業(yè)界與學(xué)術(shù)界也逐漸形成日益緊密的合作，逐步構(gòu)建起多元化產(chǎn)業(yè)生態(tài)體系，為科研智能的健康發(fā)展提供了有力支撐。（一

產(chǎn)業(yè)組織中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）發(fā)起成立“科學(xué)智能（AI4S）工作組”，為產(chǎn)學(xué)研用各界搭建開放的交流合作平臺，前期已組織例征集、供需對接、報告編制等工作，后續(xù)會重點圍繞新材料、地球科學(xué)等重點領(lǐng)域開展工作。（二）社區(qū)建設(shè)華為在科研智能領(lǐng)域積極構(gòu)建了一系列

業(yè)且富有活力的社區(qū)，旨在推動

AI技術(shù)的廣泛應(yīng)用與深入發(fā)展。MindFlowSIG社區(qū)專注于昇思

MindFlow為科研人員、教師及學(xué)生提供了高效易用的

AI計算流體仿真套件。MindESIG社區(qū)聚焦于昇思

MindEarth，為廣大用戶帶來高效便捷

AI地球科學(xué)套件。MindElecSIG社區(qū)緊密圍繞實際生產(chǎn)中的各類電磁應(yīng)用場景，在昇思

MindSpore框架下積極19科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式探索和研究基于

AI的電磁正問題及反問題，致力于開發(fā)高效精準的AI電磁模型。MindSPONGESIG充分利用昇思

MindSpore的優(yōu)勢。聚焦

AI計算生物領(lǐng)域，在為科研人員、教師及學(xué)生提供高效易用的AI計算生物軟件。深勢科技的

DeepModng開源社區(qū)提供開源的科學(xué)智能廣場（AIS-Square）共創(chuàng)平

，支持科學(xué)計算、數(shù)據(jù)、軟件模型和工作流的開發(fā)。百度飛槳

河社區(qū)匯集豐富的

AI原生應(yīng)用，提供零門檻的開發(fā)工具，促進全球科研人員的合作。中山大學(xué)牽頭，北京航空航天大學(xué)、華為、百度等單位配合，共同建設(shè)

AI科學(xué)智算群智協(xié)作社區(qū)，整合多方資源，建數(shù)據(jù)庫與課程，促開放協(xié)作，為科學(xué)智算發(fā)展助力。（三）科研賽事百度持續(xù)推出飛槳黑客松、AI4S共創(chuàng)計劃、大灣區(qū)杯—百度賽道等科學(xué)智能賽事，聚焦

AI4S前沿模型復(fù)現(xiàn)，貢獻

AI4S模型或案例

50余個。深勢科技提供真實的科學(xué)場景和數(shù)據(jù)舉辦

AI4SCup系列比賽。華為舉辦“開源之夏”賽事聚焦科研智能，推出基于圖像深度學(xué)習(xí)的無線電信號識別項目，旨在推動

A與無線電技術(shù)融合，培育科研智能創(chuàng)新人才。中山大學(xué)牽頭舉辦

首屆“大灣區(qū)杯”粵港澳AI4S科技競賽，北京航空航天大學(xué)、浙江大學(xué)、百度、華為等單位整體協(xié)同，針對人工智能科學(xué)計算問題設(shè)置

3個賽道與

24個賽題，賽題涉及

AI4S的通用范模型，包括科學(xué)計算、流體、生物醫(yī)藥、分子、金融、社會

、電磁、化學(xué)、交通等多個領(lǐng)域的典型應(yīng)用。和鯨科技舉辦數(shù)字醫(yī)療算法應(yīng)用創(chuàng)新大賽等

500余場專業(yè)數(shù)據(jù)科學(xué)20科研智能（AI4R&D）—人工智能驅(qū)動的研發(fā)新范式競賽，覆蓋氣象、醫(yī)療等

20余類行業(yè)。（四）會議交流北京科學(xué)智能研究院舉辦科學(xué)智能峰會，圍繞

I4S基礎(chǔ)設(shè)施共建、典型應(yīng)用領(lǐng)域等話題進行深入探討。

度聯(lián)合高校舉辦全國智能流體力學(xué)研討會等會議，與高校師

共同探索

AI4S的未來。以“科學(xué)智算(AI4S)：交叉與賦能”為主題的

CCF秀湖會議在蘇州舉辦，北京航空航天大學(xué)專家就多智能體科學(xué)智算模式進行學(xué)術(shù)報告，介紹了群體智能研究近期研究成果。首屆“人工智能科學(xué)計算學(xué)術(shù)研討會”上產(chǎn)學(xué)研各界對于人工智能推動科學(xué)計算劇變式創(chuàng)新的高度關(guān)注，通過匯聚全球人工智能科學(xué)計算領(lǐng)域的專家和先行者，打造科學(xué)智算支撐基礎(chǔ)科學(xué)探索和交叉前沿發(fā)現(xiàn)的新興社區(qū)生態(tài)。中國計算機大會CNCC2023舉辦的科學(xué)智算平臺技術(shù)前沿探討論壇會上北京航空航天大學(xué)、華為和百度等專家學(xué)者共同探討科學(xué)智算的最新研究方向及產(chǎn)業(yè)動向。（五）教學(xué)培訓(xùn)深勢科技支持舉辦

AI4S系列主題的哥倫布訓(xùn)練營活動，提供20余門課程資源、2000余篇實訓(xùn)案例等國內(nèi)外優(yōu)質(zhì)的

AI4S教學(xué)資