AI 44%
high
2026-04-08
Shanghai AI Laboratory Launches 'Mount Everest Plan' to Build National Hub for AI for Science
上海人工智能实验室发布“珠穆朗玛计划”——志在打造科学智能“全国中枢”
新华网
xinhua
The Shanghai Artificial Intelligence Laboratory announced the 'AGI4S Mount Everest Plan' to create a national center for AI-driven scientific research, integrating computing power, data, models, and platforms. The plan aims to break down barriers between supercomputing and intelligent computing resources, accelerating breakthroughs in fields such as high-energy physics, drug discovery, and new materials.
Document Text
4,907 characters
新华社北京4月7日电 4月7日,《新华每日电讯》发表题为《上海人工智能实验室发布“珠穆朗玛计划”——志在打造科学智能“全国中枢”》的报道。<br>
当来自全国的超算、智算“壁垒”被一一打破,在DeepLink这一自主战略底座上实现互联互通;<br>
当人类“最强大脑”和科学“最强模型”无缝衔接,在从0到1的科学发现“无人区”协作前行;<br>
当人工智能面向高能物理、新药创制、生物结构、疾病诊断、新材料开发等关键领域,一颗颗原始创新的种子正在快速产业化落地……<br>
上海,正在攀登人工智能领域的“珠穆朗玛峰”。<br>
近日,在第二届浦江AI学术年会上,上海人工智能实验室(简称“上海AI实验室”)重磅发布面向重大科学研究突破的“AGI4S珠穆朗玛计划”(简称“珠穆朗玛计划”),全面开放算力、数据、模型、平台、场景、项目、人才全维度合作通道,诚邀全球学界与业界先锋并肩攀登高峰,志在打造科学智能(AI for Science,简称AI4S)“全国中枢”。<br>
打造托举全国科学家的“智能底座”<br>
人工智能赋能科学研究,也称“科学智能”,是指利用人工智能技术辅助或独立完成科学研究任务的一种新型科研范式。<br>
一直以来,科学智能的发展面临多重难点:一方面,科学智能领域广泛存在着算力供给不匹配、异构资源难以协同的“孤岛”现象,导致科研算力碎片化;另一方面,海量科学数据往往存在“看不懂、用不上”的痛点,缺乏高质量的“燃料”支撑。此外,从理论推演到实验验证的环节也往往耗时漫长,成为制约创新的瓶颈。<br>
要攀登科学的“珠峰”,首先需要构筑坚实的“科学智能”高原。“珠穆朗玛计划”的发布,将完整构建一个从基础设施到模型能力、再到平台体系的全链条技术闭环,将算力、数据与模型无缝融为一体。<br>
伴随“珠穆朗玛计划”启动,上海AI实验室同步推出了DeepLink超智融合算力平台、Sciverse科学智能数据库以及新型具身自主实验平台。DeepLink超智融合算力平台通过全栈架构设计,打破了传统超算与智算之间的壁垒,构建起“算力一张图”,让调度多元异构算力资源变得像使用水电一样便捷;Sciverse科学智能数据库包含通识、跨界、高阶三层体系,目前已高保真解析2500余万篇科学文献,不仅让AI能够“看懂”海量科学知识,更让人工智能学会像科学家一样“思考”;新型具身自主实验平台则打通从“推演”到“验证”的“最后一公里”,能够自主完成复杂的物理转运与精细实验操作,将原本长达数年的科研周期大幅缩短。<br>
在成立后的近五年里,上海AI实验室在科学智能领域不断探索,其自主研发的“书生”大模型体系已经历多次跨越式迭代。<br>
从早期的千亿参数大语言模型InternLM,到如今发布的万亿参数、具备奥赛金牌数理逻辑水平的科学多模态大模型Intern-S1-Pro,“书生”正逐步成长为科研人员不可或缺的“超级助手”。近年来,基于“书生”大模型及全链路开源工具体系的AI技术,在气象预测、医疗诊断、新材料研发、地球科学等国计民生重点领域催生出一批重大科技成果,真正实现了从理论探索向产业应用的跨越。<br>
这种战略布局被上海AI实验室生动地概括为“高原造峰”:先建好坚实广袤的科研底座“高原”,进而吸引海内外顶尖团队,在“高原”之上向科学的“珠穆朗玛峰”发起冲锋。<br>
3月29日,上海AI实验室与国家超级计算长沙中心、仪电集团、思朗科技等国内主流超算、智算中心,共同启动了超智融合算力共建计划,旨在聚合各方力量,为科研人员攀登科学高峰筑牢更坚实的“高原”底座。<br>
当日,作为算力共建计划的合作方之一、国家超算互联网联合体的代表,国家高性能计算机工程技术研究中心副主任曹振南表示,“‘珠穆朗玛计划’构建的科学智能创新中枢,与国家超算互联网今年将稳步落实的‘超级科学计算智能体’全景图具有相辅相成、互为促进的内在关系”。<br>
“科学发现是对人工智能的终极考验,登顶各自领域的高峰是每个科学家朴素而崇高的理想。”上海AI实验室主任、首席科学家周伯文在现场提出,科学创新最缺的不是天才,而是让创新持续涌现的机制——从0到1让“发现”照亮发现,从1到10让“发明”催生发明,从10到100让“协同”解锁协同。<br>
让每一位“攀登者”找到“登山路”<br>
勇攀科学高峰的核心要素始终是人,要推动科学创新走向真正的突破,在AGI(Artificial General Intelligence,指通用人工智能)技术能力建设基础上,业界还需要回答“如何更好地协作”这一问题。上海AI实验室将此作为一个重大命题,开展了一系列探索,“攀登者行动计划”即是其中一项重要举措。<br>
该计划自2025年1月推出后,受到科学探索者的高度关注,累计收到全球500余份课题申报,涵盖数学、物理、化学、能源、材料、生命等领域。经多轮严格评审筛选出一批入围项目,目前已有多个项目完成了从科研成果到真实场景的价值验证。<br>
在传统的新材料研发中,“放大效应”一直是产品开发过程中难以逾越的技术难题。“新材料的配方在公斤级能成功,万吨级未必行。为了验证一种配方的可行性,现实中要建很多不同规模的工厂,比如百吨级、千吨级、万吨级的工厂,这一过程就可能花费整个产业50%的资金和90%的时间。”中国石油大学副教授周天航说。<br>
面对这一挑战,周天航带着长时储能课题加入了“攀登者行动计划”。在项目经理人机制的协调下,上海AI实验室与中海储能、中国石油大学组建了联合攻关团队,将大模型的跨尺度泛化能力注入其中,构建了“分子-电网工业智能体”,相当于给储能材料研发配备了一位“超级研发助手”,能同时打通微观分子结构设计、中试工艺放大验证和宏观电网调度适配全流程。<br>
这不仅打破了微观分子到宏观系统的模拟壁垒,破解了储能材料在“能效、安全、寿命”上的“不可能三角”,更将原本按“年”计算的研发周期压缩至短短6个月,电池综合性能提升超100%。如今,该成果已在张家口怀来的兆瓦时级电站上部署,并将落地广东惠阳的全国首个百兆瓦时级储能电站。<br>
在横向的广度上,上海AI实验室作为“放大器”,正广泛链接起各领域专家。<br>
在“攀登者行动计划”的带动下,刚回国不久、急需施展空间的青年科学家找到了用武之地,懂大模型微调的AI工程师、熟悉知识库架构的开发者也纷纷加入,青年科学家跳出了单纯发论文的局限,工程人员获得了前沿场景的历练,各类人才在实战中交流融合,逐步成长为既懂技术又懂产业的复合型“攀登者”团队。<br>
在成功探索从科研成果到真实场景价值验证的基础上,上海AI实验室推出“攀登者行动计划”2.0,实现多方面升级:一方面,保障更全面的项目资源支持,构建起贯通“实验室—上海市—国家级”的三级项目支持体系,并提供精准的项目资源支撑;另一方面,提供更硬核的科研基座支撑,随着DeepLink超智融合算力平台、Sciverse科学智能数据库等基础设施的建成,以及“书生”科学大模型、科学发现平台的持续迭代提升,将为科研工作提供更强大、更易用的全链路技术资源。<br>
“目前,我们正同时推进近40个这样的高价值项目,资源分配坚持‘跟着结果走’,将80%的精力聚焦于20%最有可能产出重大成果的项目,动态加注。”上海AI实验室项目经理人团队负责人于晓轶说。<br>
“项目经理人”是与“攀登者行动计划”相匹配的一项可复制机制创新,破解了传统科研体系中科学家既要投入核心研究、又要耗费大量精力协调跨领域资源、对接产业需求的普遍痛点。<br>
面对AI驱动科研的高速发展与高度不确定性,唯有专业化的项目管理机制才能具备高效判断力与快速推进力,在最短时间内锁定最具价值的科学问题。为此,“攀登者行动计划”2.0构建起“需求发现—问题凝练—联合攻关—价值验证—项目孵化”的全链条闭环,专业的项目经理人团队全程承担跨领域攻关团队组建、算力/数据/实验资源协调、产学研需求匹配、项目申报与成果转化落地全流程事务,让科学家专心聚焦核心问题攻坚,项目团队则全程护航直至成果产生实际价值。<br>
这套“科学家主研、专业团队主保”的分工模式,打破了传统科研中资源分散、协调成本高的瓶颈,为全国科研机构集中力量攻坚关键核心技术、产出有国际影响力的重大原创成果提供了可复制的实践范式。目前这套创新机制已在多领域科研场景落地见效,推动一批重大成果加速涌现。<br>
全场景驱动向科学高峰全面冲锋<br>
如果说过去几年是AI4S的理论探索与工具打磨期,那么2026年则被业界普遍视为AI4S走进产业实战环节的“部署年”。随着“珠穆朗玛计划”底层基础设施的完善,以及创新机制的高效运转,人工智能与科学研究的融合正以更快的速度向纵深推进。<br>
“中国具备完整的产业体系和丰富的应用场景,使新技术在更大范围内快速验证和迭代。未来的竞争或许并不在于某一环节,而在于能否在科学、工程、产业之间构建起高效的联动机制,实现持续迭代与系统演化。”中国科学院院士、中国科学院原院长白春礼说。<br>
以重大需求场景为牵引,是加速“人工智能+”赋能科技创新与产业发展的有效途径。本次年会上,上海AI实验室联合多家头部企业及顶尖高校、科研机构共同启动了科学应用场景合作共建计划,将AGI能力精准植入高能物理、新药创制、生物结构、疾病诊断、新材料开发等前沿场景,以推动AGI4S(Artificial General Intelligence for Science,指驱动科学发现的通用人工智能)服务于国家重大科学项目,赋能高质量发展。<br>
“真正的技术突破往往源于对真实科研场景的深刻理解。”谈及场景的牵引作用,上海AI实验室双聘青年科学家孙思琦感触颇深,“当算法不再模仿人类语言规律,而是回归蛋白质本身的生物学逻辑,我们才真正打开了破解生命密码的新路径”。<br>
在生命科学领域,上海AI实验室联合复旦大学及国家蛋白质中心研发的AI蛋白质从头测序工具π-PrimeNovo,正是这一理念的生动实践。该工具突破了传统测序方法“从左到右逐个预测”的局限,采用全新的算法直接预测全部氨基酸序列,将预测精度提升45%、速度提升80多倍,在复杂生物样本检测中实现关键指标的量级跃升,为基础生命科学研究、精准医疗与原创新药研发提供了全新的底层技术工具。<br>
在医疗领域,3月28日刚刚发布阶段性成果的国家人工智能应用中试基地(医疗领域),同样离不开智能基座的支撑。作为基地核心生态共建单位,上海AI实验室以“书生”科学多模态大模型Intern-S1为底层核心,全面赋能病理、随访、临床辅助决策等专精领域应用模型,从源头降低医疗AI的研发门槛,全力助力我国医疗AI产业高质量发展。<br>
在气象领域,广袤的内蒙古草原上,上海AI实验室联合国家气象机构推出的“风乌GHR”大模型同样在发挥巨大威力。它将有效预报时间延长至11.25天,创下世界纪录。在内蒙古电网427个新能源场站的部署应用中,“风乌”使实际发电量预测精度提升3.04%,仅此一项便帮助相关电厂在当年降低运营成本4226万元。<br>
从秒级解析谱图的AI,到重塑芯片与储能材料研发的智能体,再到精准捕捉风云变幻的大模型……不难发现,AI4S已不再是停留在论文里的概念,而是真真切切地进入了产业的“毛细血管”,成为培育新质生产力、推动高质量发展的核心引擎。<br>
以上海AI实验室为牵引,科学智能的生态日益丰富。“科学智能的突破,既需要超算对微观世界的精准模拟,也需要智算对复杂规律的高效学习。超算与智算的融合,不是简单的算力叠加,而是科研范式的深度重构。”思朗科技董事长兼CEO查浩表示,思朗科技作为能够对标美国ANTON超算能力的自主科学计算企业,未来希望深度融入DeepLink超智融合算力平台,以“天穹”3D科学计算机为底座,加速国产科学智能生态的构建。<br>
“随着‘珠穆朗玛计划’的深入推进,我们有理由期待,在‘十五五’的新征程上,中国科学家将借助人工智能的磅礴力量,向更多科学领域的‘珠穆朗玛峰’攀登。”周伯文说。
Topics
artificial intelligence
scientific research
computing infrastructure
Metadata
| Publisher | 新华网 |
| Site | xinhua |
| Date | 2026-04-08 |
| Category | report |
| Policy Area | 人工智能 |
| CMS Category | 媒体报道 |
| Keywords | 人工智能,实验室,科学智能 |
Verification