从河北兴隆观测(ce)站，到海拔4500米(mi)的青藏高原冰(bing)川，再到距离地球38万公里的月球表面……中(zhong)国科学院的科研(yan)团队，正以AI重构科研(yan)范(fan)式(shi)并取得现实(shi)突破。未来已来，在国家“人工智能+”行动的号角下，这场始于技术、终于认知的科技革命，正在重塑人类探索世界的范(fan)式(shi)。
2025年政府工作报告提出，要(yao)持续推进“人工智能+”行动，支撑大模型广泛应用。中(zhong)国工程院院士(shi)、之江实(shi)验室主任王坚表示，“人工智能不是一次工具的革命，而是一次科学革命的工具或者是科学革命性的工具。”AI技术能力的突破，正在重塑科学研(yan)究(jiu)的方式(shi)和边界。
作为战略科技力量，中(zhong)国科学院在这一轮科技创新变(bian)革中(zhong)进一步拓展大模型在深空、深地、深海等国家重大战略需(xu)求和前沿科技领域(yu)的应用，推动科研(yan)成果向(xiang)产(chan)业端(duan)高效转化，为我国科技自(zi)立自(zi)强(qiang)与数字经济高质量发展注入新动能。
“上天”
耀斑，太阳最剧烈的活动现象之一。近年来，为了破解耀斑爆发之谜，学者们从数据驱动角度出发，用统计方法、机器(qi)学习、深度学习等技术开展研(yan)究(jiu)。然(ran)而，随着(zhe)观测(ce)数据的不断积累和数据特征(zheng)维度的不断增加，模型拟合(he)与模式(shi)发现对算法规模的要(yao)求越来越高。大模型，能预(yu)测(ce)太阳耀斑吗？
中(zhong)国科学院国家天文台(tai)的科研(yan)人员(yuan)，以“开展前沿科学研(yan)究(jiu)”为主要(yao)目标，正在探索用AI技术向(xiang)太阳这颗火热的恒星寻求更多科学要(yao)义(yi)。金乌·太阳大模型应运而生。在Qwen2系列模型的基础上，国家天文台(tai)科研(yan)团队通(tong)过监督(du)学习、强(qiang)化学习，训练模型“能够理解、回(hui)答(da)太阳物理问题”和“能够认识(shi)、分(fen)析(xi)太阳图像”等基本能力。
金乌网(wang)络结构图。阿里云(yun)供图
在耀斑预(yu)测(ce)方面，研(yan)究(jiu)团队以SDO卫星公开数据、怀柔基地35厘米(mi)磁场望远镜数据和夸(kua)父一号（ASOS）全日面矢量磁像仪数据为主要(yao)数据源进行训练和测(ce)试。最终模型展现了卓越的性能，尤其是在X级(ji)耀斑的预(yu)测(ce)上，达到了95%的准确率和100%的真实(shi)阳性率。
“入地”
对中(zhong)国科学院的科研(yan)人员(yuan)来说，做知识、做研(yan)究(jiu)是他们的本分(fen)，分(fen)担国家重大任务(wu)是责任，为国民经济服务(wu)是目标。在追日问天的同时，阳光下泛着(zhe)冷冽蓝光的青藏高原冰(bing)川，西太平洋的南(nan)海碧波之下，一代又一代的科研(yan)人员(yuan)在不断坚守国家生态安全屏障。
青藏高原，是世界屋脊、亚洲水塔，是地球第三极，同时也是未来全球气候变(bian)化影响中(zhong)不确定性最大的地区之一。过去五十年，青藏高原气候变(bian)暖幅度是同期全球平均值的2倍，这不仅(jin)改变(bian)了冰(bing)川等固态水与湖泊、河流等液态水的库存比例，还因区域(yu)大气环流的变(bian)化重塑了青藏高原水体的空间分(fen)布格(ge)局。
面对这一现实(shi)挑战，中(zhong)国科学院青藏高原研(yan)究(jiu)所联合(he)阿里云(yun)自(zi)主研(yan)发了首个专注于气候变(bian)化适应领域(yu)的水-能-粮多模态推理大模型——洛书。该模型集(ji)成训练并整合(he)了科研(yan)人员(yuan)自(zi)主研(yan)发的可(ke)说明AI驱动水能耦合(he)模型“思源”，通(tong)义(yi)千问最新推理模型Qwen-QwQ和通(tong)义(yi)千问多模态大模型Qwen2.5-VL。
洛书模型的核心创新在于其时空特征(zheng)注意(yi)力算法。融合(he)该算法的思源模型在青藏高原复杂水文环境(jing)下的多点模拟准确率高达98%，在未见数据上的泛化能力更超越了许(xu)多传统水文预(yu)测(ce)方法的模拟水平，此外，相比传统水文模型耗时数周乃至更长的调参成本，其训练只需(xu)花费3个多小(xiao)时。
“下海”
把视线转向(xiang)南(nan)海碧波之下。作为西太平洋最大的边缘海，南(nan)海拥(yong)有广泛发育的珊瑚(hu)礁生态系统，珊瑚(hu)礁生态系统是地球上生物多样性最高的生态系统之一，被誉为海洋中(zhong)的“热带(dai)雨林”。珊瑚(hu)礁本身能够高分(fen)辨率记录气候环境(jing)信息，也是研(yan)究(jiu)过去气候变(bian)化和预(yu)测(ce)未来全球变(bian)化的优良载体。
然(ran)而，当前珊瑚(hu)礁研(yan)究(jiu)面临诸多挑战。传统方式(shi)的效率低下、成本高昂(ang)且(qie)容易出错，已成为制约珊瑚(hu)礁研(yan)究(jiu)发展的瓶颈。面对这一难题，中(zhong)国科学院南(nan)海海洋研(yan)究(jiu)所杨(yang)红强(qiang)研(yan)究(jiu)员(yuan)团队依托十年积累的海量数据，开启了人工智能驱动的研(yan)究(jiu)范(fan)式(shi)转型。他们发现，大模型在图像和视频处理领域(yu)已展现出卓越的能力，尤其是在图像识(shi)别与分(fen)割任务(wu)中(zhong)的成熟应用，为智能化分(fen)析(xi)珊瑚(hu)礁影像数据提供了全新的解决方案(an)。
南(nan)海珊瑚(hu)识(shi)别。阿里云(yun)供图
基于此，研(yan)究(jiu)团队联合(he)阿里云(yun)Qwen2-VL多模态大模型，开发了名为“瑶华(hua)”的珊瑚(hu)礁多模态大模型。该模型通(tong)过深度学习技术，实(shi)现了对珊瑚(hu)种(zhong)类、覆盖率及(ji)底质组成的智能识(shi)别与健康评估。目前，“瑶华(hua)”已在11万张照片对43个珊瑚(hu)属的识(shi)别任务(wu)中(zhong)取得突破性进展，整体准确率高达88%，效率较(jiao)传统人工判读提升数十倍。
展望未来，通(tong)过将珊瑚(hu)礁研(yan)究(jiu)与人工智能深度融合(he)，“瑶华(hua)”有望推动珊瑚(hu)礁研(yan)究(jiu)范(fan)式(shi)的转变(bian)，从传统的经验驱动迈向(xiang)数据驱动，进而为脆弱(ruo)的珊瑚(hu)礁生态系统的保(bao)护与管(guan)理开辟创新的路径。
“加速(su)”
科研(yan)是基础创新的来源，是国家竞争力的体现。中(zhong)国科学院与阿里云(yun)的战略合(he)作持续深化，双方通(tong)过云(yun)计算、大模型等前沿技术，加速(su)科研(yan)范(fan)式(shi)变(bian)革，推动大模型在基础研(yan)究(jiu)与产(chan)业应用中(zhong)的深度融合(he)。
目前，阿里云(yun)正以AI为中(zhong)心，全面重构底层硬件、计算、存储、网(wang)络、数据库、大数据，与AI场景有机适配(pei)、融合(he)，加速(su)模型开发和应用，并为全国超过50%的985院校和重点科研(yan)机构提供技术体系支撑，深度参与教育科研(yan)创新。
在普惠的AI基础设施的助力下，越来越多的科研(yan)人员(yuan)能够拥(yong)有和科技巨(ju)头一样的计算平台(tai)，突破科研(yan)算力供需(xu)不匹配(pei)、资源分(fen)散、梯次覆盖不足的现实(shi)问题，让研(yan)究(jiu)真正进入计算驱动的时代。
与此同时，以通(tong)义(yi)模型开源家族为基底，中(zhong)国科学院体系正在形成跨学科交叉创新、开放开源的科学创新模式(shi)，并催生出独特的"大模型裂变(bian)效应"。从天空到海洋，从冰(bing)川到珊瑚(hu)，从自(zi)然(ran)到社(she)会人文，开源基座与垂直场景的化学反应，使得科研(yan)领域(yu)的垂直模型研(yan)发周期缩短(duan)60%以上。这种(zhong)"通(tong)用能力+领域(yu)常识(shi)"的双轮驱动，正在成体系地孵(fu)化科研(yan)大模型矩阵，不断拓展科学研(yan)究(jiu)边界。
未来已来，大家正在见证科学范(fan)式(shi)变(bian)革，而这次，中(zhong)国科学家站在了浪潮之巅。