四川在线记者 高杲/文 李强/图
10月22日，天府·慧研—AI for Science（AI驱动的科学研究，以下简称“AI4S”）科学智能分论坛在成都举行，正式上线“天府·慧研”人工智能赋能科技创新一体化平台。
该平台以科学基础大模型为核心，以国产算力、科学数据、干湿智能实验室为三大支撑，面向新材料、新药创制、清洁能源等领域持续拓展应用，为科研工作者提供一站式、普惠化科学智能服务。
AI4S并不是一个新鲜事。早在2020年，科研人员借助AI工具“阿尔法折叠”成功破解蛋白质结构，把预测周期从过去的数十年缩短至数天，一举攻克该领域长期悬而未决的科学难题。
除了提升科研效率，AI也改变了科研范式。“人工智能不只是一个辅助工具，也是我们的‘科研伙伴’。”四川大学教授章毅说，人工智能相当于给科研人员配备了一个“工作助理”，参与提出问题和假设、设计与执行实验、分析证据与修正等环节，实现了从“经验驱动”到“计算驱动”的跨越。“过去我们想要得到一个答案，用的是试错法，不断试错—调整—再试错，现在算法自己就可以做实验。”
从数学到物理，从生物到材料，近年来，一个又一个最前沿的科技难题，正在人工智能的助力下加速攻破。但挑战也随之而来，一些嘉宾提到，在规模化落地上，AI4S仍面临仿真验证、专业推理、安全可控等技术瓶颈。
“在科研实践中，AI会经常产生海量看似合理的假说，其中很多难以验证。”上海人工智能创新应用中心负责人说，这些“AI幻觉”很有可能误认为是“科学发现”，影响科研发展。“如果研究方向出了问题，科研过程不管再科学，也会导致科研资源浪费。”
上线后，“天府·慧研”人工智能赋能科技创新一体化平台，将如何破解这些难题，让科研成果加速落地？
“我们打造了面向科学研究领域的专用模型群。”智算云腾（成都）科技有限公司总经理谢一明说，“超智融合”的算力底座，将为科研大模型、智能体提供数据、验证工具和专业规范约束，降低AI4S应用中的幻觉。“更重要的是，它还提供了一套更适应AI4S的底座，既能‘扛’住高精度的科学计算任务，也能满足大参数模型训练要求。”
论坛上，四川大学国家生物医学材料工程技术研究中心中试基地负责人朱向东作分享。
高质量的科学数据集，则是AI4S规模化落地的基石，影响着大模型的性能和科研成果的落地价值。“我们提供的数据中，既有文献数据、计算数据等静态数据，也有实验数据、生产数据、应用数据等动态数据。”四川大学国家生物医学材料工程技术研究中心中试基地负责人朱向东说，这些不同维度的数据既能让通用大模型更具备专业科研能力，也能让垂直大模型更具有泛化能力。“现在的研究，绝大部分是基于人类科学家已有的发现，通过将通用模型与垂类模型相结合，有利于将领域知识用于专业推理，不断拓宽科研的广度和深度。”
科学假设，则要放在真实场景中进行验证，干湿实验闭环则提供了天然的验证场所。
“‘干实验室’主要负责文献推理、假设生成、设计方案，‘湿实验室’则提供真实实验验证。”深势科技（宜宾）有限公司运营经理唐波说，这样可以先在电脑里智能求解，筛选出候选方案，再调度多智能体操作实验器材执行验证，再将验证结果回流给模型继续迭代。“既可以节省时间，又能相互交叉验证，加速科研成果落地应用。”
