推动科研从生成走向验证,书生·端砚的AI4S实践
近期,第二十二届全国高性能计算学术大会期间,“鲲鹏聚力·超智协同:高性能计算+AI4S赋能产业跃升”分论坛在深圳国际会展中心举办。与会嘉宾围绕高性能计算与AI融合、自主创新算力发展及科研应用创新等话题展开交流。
会上,上海人工智能实验室科研产品部工程团队负责人、书生·端砚产品技术负责人涂中英作题为《赋能科研范式变革的全链路AI for Science平台——书生·端砚》的分享。
作为面向复杂科研任务的可信科研执行平台,书生·端砚通过连接科学模型、专业智能体与真实实验环境,贯通科研问答、文献研究、假设生成、实验验证及成果输出等环节,推动AI从辅助完成单项任务,向参与科研全过程拓展。
科研全流程的协同运行,离不开底层算力的持续支撑。据涂中英介绍,书生·端砚依托上海人工智能实验室超智融合算力集群,采用包括华为在内的算力解决方案,为复杂科研任务执行提供基础支撑。
从生成到验证,“书生·端砚”构建全流程科研平台
涂中英指出,随着AI生成能力持续提升,一些领域的工作瓶颈正从生成转向验证。面对复杂长期的科研任务,AI工具面临研究过程如何持续推进、研究结论如何验证,以及计算方案如何进入真实实验环境等问题。围绕这些挑战,书生·端砚重点构建了自主科研、可信科研与自动化验证三大核心能力。
自主科研:让科研任务持续推进
自主科研方面,书生·端砚采用模型与Science Harness协同的技术架构。模型承担科学推理、假设生成、策略判断与知识组织;Science Harness负责研究状态保持、跨轮次上下文管理、异构资源编排、多角色协同、实验反馈接收与任务重规划。
这一协同机制,使AI能够围绕同一研究目标持续开展工作。当新的实验数据或计算结果出现时,Science Harness将相关信息纳入当前研究状态,由模型重新分析研究假设、调整研究策略、规划后续任务,不必每次都从头开始。
与此同时,研究过程中形成的关键决策、有效方法和失败记录也能够得到保存,后续任务能够在已有研究基础上推进。
模型方面,涂中英介绍,书生·端砚接入书生-s2科学多模态大模型,进一步提升科学专业推理、长程任务处理及智能体协同能力,为复杂长周期科研任务提供支持。
可信科研:让研究过程有据可查
可信科研方面,书生·端砚围绕交付对齐、独立核验与执行复现,构建贯穿科研过程的可信证据链。
平台能够将研究所使用的文献、数据、代码、计算结果、工具调用及实验记录统一关联,使研究过程中的关键环节有据可查。
在此基础上,平台引入评审智能体,从任务完成情况、结果正确性、证据来源、可复现性、成果质量、工具执行情况及历史审查等七个维度,对生成的研究成果开展独立核验,并对核验结果进行分级呈现。
此外,平台还保留研究过程中的关键参数、工具版本、实验条件及执行日志,支持在相同条件下复跑科研任务,核查结果来源与形成过程。
自动化验证:让研究结论走向真实实验
自动化验证方面,书生·端砚进一步建设分布式自主实验网络操作系统,将不同实验室的设备与实验资源连接,根据科研任务进行统一组织和协同调度,使AI生成的研究方案能从数字空间进入真实实验环境。
平台通过统一物理层协议,对接不同类型的实验设备,并对任务指令、设备状态和执行要求进行统一管理。同时,针对真实实验中的复杂情况,建立权限管理、安全控制及异常恢复机制,保障实验任务有序执行。
更为重要的是,实验并非研究流程的终点。实验产生的数据、未达到预期的结果以及设备运行中的异常信息,都可以反馈至平台,成为调整研究假设和改进下一轮实验方案的依据。
此外,平台将探索接入书生-w0物理世界模型,融合视觉、力觉、触觉等多模态信息,支持物理环境中的实时感知与动作控制。
据悉,书生·端砚已在生命科学、关键材料、半导体、核聚变、量子及地球气象六大科研领域开展应用,并在蛋白质、新材料等真实任务中完成计算设计与实验验证闭环。
从“可用”到“好用”,以系统创新支撑科研应用
从书生·端砚的探索可以看到,AI科研平台的发展不仅依赖模型能力的持续提升,也需要底层算力、专业工具与实验资源之间的有效协同。随着科研任务日益复杂,如何让高性能计算更好地服务实际科研需求,正成为超智融合发展的重要方向。
此次分论坛上,CCF高专委副主任委员(执行)兼办公室主任、中国科学院计算技术研究所研究员谭光明指出,超智融合的关键,在于推动算力从“建设”走向“应用”、从“可用”走向“好用”。他强调,高性能计算的发展不能只关注单项指标,更需要通过软硬件协同和产业联合创新,解决实际应用中的系统问题。
华为鲲鹏高性能计算PDT经理王有文也表示,AI for Science已不再只是利用AI方法替代传统数值计算,而是逐步深入科研命题提出、研究过程推进及最终成果形成等多个环节。
面对这一趋势,华为持续推进面向高性能计算与AI融合场景的技术创新。他同时提到,鲲鹏的研发并不局限于CPU硬件,软件和算法也是重要组成部分。华为希望将自身在计算机领域的技术积累与客户、伙伴的行业理论知识相结合,通过计算机算法与行业知识的联合创新,提升实际应用性能,并不断完善软硬件产品能力。
从生成答案到验证结论,从辅助完成单项任务到参与完整科研过程,人工智能正在不断拓展科学研究的可能性。
随着高性能计算与人工智能不断深度融合,如何将模型能力、算力资源与真实科研需求有效衔接,让AI在科学发现中发挥更大作用,仍需要科研机构与产业各方持续探索。
① 凡本站注明“稿件来源:教育在线”的所有文字、图片和音视频稿件,版权均属本网所有,任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本站协议授权的媒体、网站,在下载使用时必须注明“稿件来源:教育在线”,违者本站将依法追究责任。
② 本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者在两周内速来电或来函联系。




教育在线

