当AI从“帮你写诗”转向“帮你科研”，一场比大模型更深刻的变革已经到来。北京昌平实验室里，一场蛋白质折叠模拟正在以前所未有的速度运行——速度提升了3到6个数量级。原本需要数月甚至数年的计算，如今几天就能完成。这一突破，直接加速了新药研发的关键环节。背后的“功臣”，不是更快的试管，也不是更贵的显微镜，而是一个名为AI for Science（人工智能驱动的科学研究，简称AI4S）的科研新范式。而让它跑起来的，是一台刚刚投用的“算力引擎”。

　　4月14日，中科曙光正式发布国内迄今规模最大的AI4S计算集群——6万张国产加速卡构成，全栈自研，从芯片到互联网络，从底层驱动到上层平台，全部自主可控。这不仅是数字的刷新，更标志着中国在AI4S领域算力底座上迈出的关键一步。

　　改写科研“操作手册”

　　传统科研是“自上而下”：先有理论假设，再做实验验证。而AI4S是“自下而上”：AI不预设理论，而是从数据中发现人类可能忽略的微弱信号。正如学者所言，它让科研从“理解因果优先”转向“实现预测优先”。

　　这不是工具的简单升级，而是科研范式的深刻变革。它正在改变医药、材料、能源等领域的“游戏规则”：新药发现周期从数年压缩至数月，材料筛选从数年缩短至数天，复杂系统模拟从“不可能”变为“开箱即用”。

　　全球竞速，中国不掉队

　　AI4S的重要性早已是全球共识，中国同样高度重视：科技部部署“人工智能驱动的科学研究”专项，“人工智能+科学技术”被列为国家六大重点行动之首；“十五五”规划旗帜鲜明地提出“以人工智能引领科研范式变革”；北京、上海、浙江等多地相继出台专项政策，为AI4S发展保驾护航……

　　在这场关乎未来科技话语权的竞速中，算力是“入场券”，更是“压舱石”。长期以来，中国科研人员开展AI4S研究，面临着算力紧缺、软件受限、关键工具受制于人的困境。要从“跟跑”变“领跑”，必须把核心技术牢牢攥在自己手里。

　　6万卡全栈自研，中国有了自己的“科研加速器”

　　曙光此次投用的AI4S计算集群，正是对这一需求的直接回应。6万卡的规模在国内AI4S领域尚属首例。更关键的是，它不是硬件的简单堆砌，而是实现了全栈自研——从芯片设计到上层应用，全部由国内团队自主攻关。这意味着，科研人员可以将最核心的科研任务放心地跑在上面，不再担心受制于人。

　　有了算力只是第一步。要让AI4S真正成为科研人员的日常工具，还必须打通从算力中心到实验室的“最后一公里”。为此，曙光同步推出了国内首个科学大模型一站式开发平台OneScience。该平台集成了数十个AI4S热点模型和数据集，用户通过国家超算互联网即可实现“开箱即用”。即使不懂编程的生物学家、材料科学家，也能快速搭建自己的AI科研流程——这相当于为每一个实验室配备了一位“AI助理”。

　　从蛋白质折叠到全脑模拟，成果已在路上

　　算力和平台不是“空中楼阁”，它们已经在国家级科研场景中跑出了实打实的成果。

　　昌平实验室借助AI4S，将蛋白质折叠模拟速度提升3到6个数量级，极大加快了新药研发进程；中科院计算所的材料筛选模型，将新型材料的筛选时间从数年压缩至数天；此次发布的集群还完成了414.7亿原子的超大规模模拟，首次实现全脑860亿神经元的模拟以及万亿网格的湍流模拟……

　　这些数字背后，AI4S正在将一个个“不可能”变为“可能”。它正在深刻改变医药研发的节奏、材料发现的效率、复杂科学探索的边界。

　　AI4S：让科学家从“算”到“想”

　　AI4S不是要取代科学家，而是把科学家从繁重的计算、试错和重复劳动中解放出来。过去，筛选一种新材料可能需要数年、数千次实验；如今，AI可以在几天内完成初筛，科学家只需聚焦最有希望的几个方向进行验证。这种“人机协同”的新模式，让科学家的精力从“如何算”转向“如何想”——提出更好的问题、设计更巧妙的路径、做出更深刻的判断。认知的主动权，始终在人类手中，而AI正在成为那个不知疲倦的“加速器”。

　　6万张国产加速卡组成的算力引擎只是一个开始。当自主算力底座、开箱即用的平台与一线科学家的智慧深度融合，AI4S这颗种子，正在中国科研的土壤里，加速生根、发芽、开花。（张岚）