賽思極限CEO徐楠：以“通專一體”科學(xué)基礎(chǔ)模型推動科研范式重塑

隨著科學(xué)問題日益復(fù)雜、科研數(shù)據(jù)快速增長，傳統(tǒng)科研方式面臨效率瓶頸，AI for Science正推動科學(xué)研究從經(jīng)驗驅(qū)動走向數(shù)據(jù)與模型驅(qū)動。

7月18日，在WAIC2026中科聞歌決策大模型系列產(chǎn)品發(fā)布暨人工智能與決策大模型論壇上，中國科學(xué)院自動化研究所研究員、賽思極限CEO徐楠博士介紹了磐石2.0的最新技術(shù)進展與應(yīng)用案例。

作為業(yè)界領(lǐng)先的“通專一體”科學(xué)基礎(chǔ)模型，磐石2.0實現(xiàn)了通用知識推理能力與專業(yè)科學(xué)能力的原生融合，為復(fù)雜科學(xué)與工程問題提供統(tǒng)一、高效的智能求解能力。

提出“通專一體”技術(shù)路徑

徐楠表示，當(dāng)前AI for Science基礎(chǔ)模型主要形成三條技術(shù)路徑：一是以AlphaFold、ESM為代表的場景專用模型，圍繞特定科研任務(wù)構(gòu)建高性能模型；二是通過智能體和科研工具增強通用大模型科學(xué)能力；三是將蛋白質(zhì)、DNA等科學(xué)對象映射到統(tǒng)一語言空間的領(lǐng)域語言模型。

這些路徑已在多個科研場景中展現(xiàn)價值，但在科學(xué)機理與數(shù)據(jù)融合、推理邏輯性和結(jié)果可解釋性等方面仍存在共性挑戰(zhàn)。

針對這些問題，磐石2.0提出第四條技術(shù)路徑——“通專一體”，即重構(gòu)模型底層架構(gòu)，將通用知識推理能力與專業(yè)科學(xué)能力原生融合、聯(lián)合訓(xùn)練，通過一個模型實現(xiàn)不同科學(xué)和工程問題的高質(zhì)量求解。

“磐石2.0不是一次簡單的模型升級，而是我們對AI for Science基礎(chǔ)模型技術(shù)路線的一次重新思考。”徐楠說。

磐石2.0的基座模型ScienceOne-Omni采用三層架構(gòu)：第一層對文本、材料晶體結(jié)構(gòu)CIF、化學(xué)分子表達式SMILES、蛋白質(zhì)、光譜和科學(xué)圖像等多種科學(xué)數(shù)據(jù)進行統(tǒng)一編碼；第二層將科學(xué)規(guī)律和專家經(jīng)驗融入模型訓(xùn)練，增強科學(xué)推理的邏輯性與可解釋性；第三層針對不同領(lǐng)域任務(wù)進行定向解碼，使一個模型能夠完成科學(xué)數(shù)據(jù)理解、知識推理、性質(zhì)預(yù)測和結(jié)構(gòu)生成等多類任務(wù)。

模型能力背后，是磐石團隊聯(lián)合中國科學(xué)院相關(guān)研究所構(gòu)建的800萬條高質(zhì)量科學(xué)推理數(shù)據(jù)，覆蓋200余項科研任務(wù)。團隊將科學(xué)家的思維方法轉(zhuǎn)化為模型推理準(zhǔn)則，構(gòu)建可驗證的推理鏈路，讓模型學(xué)會沿著知識鏈和證據(jù)鏈解決科學(xué)問題。

在60余項專業(yè)科研評測中，磐石2.0在多數(shù)任務(wù)上顯著超越Gemini-3.1 Pro、GPT-5.5等通用旗艦?zāi)Ｐ停⒃诨瘜W(xué)性質(zhì)預(yù)測、譜到分子結(jié)構(gòu)預(yù)測、蛋白質(zhì)位點預(yù)測等任務(wù)上領(lǐng)先領(lǐng)域?qū)Ｓ媚Ｐ停炞C了“通專一體”科學(xué)基礎(chǔ)模型的泛化能力。

一個模型覆蓋多類科研任務(wù)

在譜數(shù)據(jù)理解中，ScienceOne-Omni能夠識別譜圖中的特征峰及峰形變化，逐步完成官能團歸屬、跨譜關(guān)聯(lián)和子結(jié)構(gòu)推理，最終實現(xiàn)從譜信號到分子結(jié)構(gòu)的解析。

在化學(xué)與材料性質(zhì)預(yù)測方面，模型通過統(tǒng)一編碼CIF與SMILES，學(xué)習(xí)晶體結(jié)構(gòu)、空間對稱性、分子構(gòu)型、電子結(jié)構(gòu)與材料性質(zhì)之間的映射關(guān)系。在同一框架下，模型可以支持量子化學(xué)、分子物化、藥物ADMET和材料篩選等48類場景，為候選結(jié)構(gòu)篩選和研發(fā)決策提供支撐。

在結(jié)構(gòu)生物學(xué)領(lǐng)域，模型能夠從蛋白質(zhì)序列出發(fā)，理解其結(jié)構(gòu)與功能特征，完成蛋白質(zhì)、DNA、抗體和抗原等七類結(jié)合位點預(yù)測任務(wù)，并在多個公開數(shù)據(jù)集上取得SOTA效果。

針對科學(xué)圖像，ScienceOne-Omni采用“先思考、后生成”的推理范式，實現(xiàn)科學(xué)圖像理解、生成與編輯一體化，并在科學(xué)圖像分割、翻譯、超分辨率等任務(wù)上取得領(lǐng)先效果。

從模型能力走向科研一線

目前，ScienceOne已在數(shù)十家科研單位推廣，賦能百余個科研場景。

在力學(xué)領(lǐng)域，磐石團隊與中國科學(xué)院力學(xué)研究所聯(lián)合開發(fā)流體高通量計算軟件，推動流體仿真從“網(wǎng)格生成、迭代求解、長周期驗證”走向“無網(wǎng)格、秒級響應(yīng)、高通量評估”。系統(tǒng)可在10秒內(nèi)輸出仿真結(jié)果，將誤差控制在5%以內(nèi)。

在材料領(lǐng)域，團隊與中國科學(xué)院上海硅酸鹽研究所聯(lián)合構(gòu)建催化劑材料創(chuàng)制智能體，通過意圖理解、流程編排、工具選擇和反思迭代，打通材料設(shè)計、結(jié)構(gòu)評估、制備和實驗驗證全流程。與傳統(tǒng)高通量篩選相比，系統(tǒng)將材料設(shè)計時間從數(shù)月縮短至30分鐘以內(nèi)，并成功發(fā)現(xiàn)新型催化劑，使催化活性提高38%。

團隊還與中國科學(xué)技術(shù)大學(xué)合作，以磐石為底座驅(qū)動機器科學(xué)家系統(tǒng)。科研人員輸入創(chuàng)制需求后，系統(tǒng)可以自主拆解任務(wù)，調(diào)度文獻挖掘、實驗設(shè)計、機器操作、計算模擬和智算優(yōu)化五類智能體協(xié)同運行。目前，該系統(tǒng)已完成462組樣品合成表征和千萬量級虛擬篩選，排名前20的候選材料中，約四成性能優(yōu)于原有樣品，并已穩(wěn)定運行超過1500小時。

從“工具輔助”邁向“智能體協(xié)同科研”

為打通科學(xué)研究中的“數(shù)據(jù)—計算—推理—實驗”全流程閉環(huán)，磐石團隊聯(lián)合中科聞歌構(gòu)建了一體化科研智能平臺ScienceOne.ai。目前，平臺已接入2000余項MCP，沉淀3000余個可復(fù)用科研技能，覆蓋數(shù)十個科研領(lǐng)域。

科研人員可以根據(jù)具體任務(wù)快速組裝適用的科研智能體，獲得從知識檢索、數(shù)據(jù)分析、計算模擬到實驗設(shè)計的定制化支持，推動科研模式從“工具輔助”走向“智能體協(xié)同科研”。

徐楠表示，未來，ScienceOne將持續(xù)拓展學(xué)科覆蓋范圍，深化與全球?qū)W術(shù)共同體的開放合作。隨著科學(xué)數(shù)據(jù)、基礎(chǔ)模型、科研工具與智能體系統(tǒng)進一步融合，AI有望成為貫穿問題提出、方案設(shè)計、計算推演和實驗驗證全過程的科研伙伴，為科學(xué)發(fā)現(xiàn)打開更多可能。