文｜数智前线 周享玥 

过去两年，以大模型为代表的新一代人工智能浪潮，在全球的发展中展现出蓬勃活力和巨大潜力。AI已不仅仅是技术进步的象征，更已成为国家战略中的核心要素。

“如果说今天有什么事是我们一定要做的，那就是AI For Science（AI4S）。难以想象今天还有什么事情比它更重要，今年诺贝尔奖的颁布便是最好证明。”

11月下旬，在深圳举办的2024年IDEA大会上，香港科技大学校董会主席沈向洋表示，当前做人工智能研究，一方面要全力推动大模型技术的落地，另一方面也要关注它在科学研究中的应用。

第二天，在前往香港与黄仁勋进行一场对谈的过程中，沈向洋又再次提到了AI for Science，并提及香港科技大学已围绕这一热门方向，投入大量的计算基础设施和GPU资源。

黄仁勋则回应称，高校目前确实面临着一个严峻的结构性难题，即计算资源分散，反而导致一些研究算力获取难。这也是为什么，之前很多研究员选择先前往英伟达、谷歌、微软等大公司进行研究，再返回大学，甚至许多教授，会选择在从事教学工作的同时，兼顾研究工作的原因。

黄仁勋因此建议“大学应该成为基础设施建设的引领者，通过集中资源来推动全校的研究发展”。

实际上，业界观察，最近两年随着大模型的到来，尤其近期诺贝尔奖的发布，让高校对AI for Science、大模型和智算的投入热情进一步高涨。

 诺贝尔奖后，高校热情高涨

最近，多位业界人士观察，围绕AI for Science，高校对大模型、算力等方面的需求正在愈发活跃。

大模型方面，最近两个月，教育依然是公开招投标市场上，出单数排名前列的几大行业之一。“现在不光是211、985，还有大量地方级的一本、二本学校也都在主动联系我们，探讨合作。”一位大模型行业人士告诉，“高校都在努力拥抱大模型。”

算力方面，近期市场上，更是频繁涌现大单，多所大学都在发布千万元级别甚至上亿元的算力采购需求。

AI for Science并不是一个新概念，早在2018年，中科院院士鄂维南就在全球首次提出“AI for Science（科学智能）”概念。AlphaFold在蛋白质结构预测方面的重大突破，也持续推动着这一概念深入大众视野。而今年10月，诺贝尔物理学奖、化学奖纷纷颁给人工智能相关专家，则让这一概念走向更大舞台，再一次成为了热门话题。

“大家最兴奋的是，原来AI for Science要由各种不同的模型去做，但现在搞蛋白质的、搞数学的......都可以‘揉’到大模型的方式中来，核心架构甚至全都是transformer。”百度杰出系统架构师王雁鹏告诉数智前线。

这让一向作为科研主阵地的高校们看到了新的确定性方向，都在集中火力，推进AI for Science的发展。

更频繁的学术交流和经验探讨是一方面。近期，全国各地涌现出了多场AI for Science相关论坛。其中，有不少是由高校主动发起。比如，10月底的2024中国计算机大会上，复旦大学发起和组织了“第一届科学智能（AI for Science）论坛——探索科学智能的边界”。11月初，北京大学计算机学院，也和北京科学智能研究院一起，主办了“2024科学智能峰会”……

一些高校也在成立专门的机构或组织，来推进AI for Science发展。比如香港城市大学，就在10月21日宣布成立了香港人工智能与科学研究院，并与多名学术和业界伙伴签署合作备忘录，共同推进人工智能（AI）领域的前沿科研。

人才方面的培养也在加速。数智前线注意到，10月底至今，浙江大学已经与中国人工智能学会（CAAI）、国家开放大学、CAAI 教育工作委员会等一起，连续制作六期“诺奖后谈AI”的人工智能通识课程系列直播公开课，推动大学生人工智能素养培养。

除此之外，大模型时代下的AI for Science，正在对高校的算力问题提出新的要求。

业界观察，高校传统的算力建设方式，往往是不同院系甚至不同研究小组，自行采购和管理各自的计算资源，从而导致一个学校内存在多个小型计算集群，容易出现算力资源分散管理、忙闲不均、共享不畅等问题，无法满足大型模型研发所需的高速通讯要求，拖慢科研成果产出效率。

“为适应AI4S的需求，模型研发必须在算力、算法和模型框架等多个方面进行协同优化和建设，传统的分散建设方式已不再适用。”去年10月，在一场AI大会上，复旦大学人工智能创新与产业研究院研究员程远曾表示。

为此，早在去年6月，复旦大学就和阿里云、中国电信合作打造上线了号称是当时“中国高校规模最大的云上科研智能计算平台CFFF”。而该平台由面向多学科融合创新的AI for Science计算集群“切问1号”和面向计算科学高精尖研究的专用高性能计算集群“近思1号”两部分组成。

无独有偶，更多高校也都在加速算力基础设施的投入和建设。今年1月，浙江大学与中国移动签署战略合作协议，并宣布共同打造“全国首个校企合营模式算力中心——中国移动-浙江大学启真算力中心”。4月，香港科技大学（广州）智算中心也正式启用……

今年10月，诺贝尔奖的发布，则带来了进一步的需求刺激。“最近，高校的热情普遍很高，预算也在变多。”王雁鹏告诉数智前线，他们已经看到好几个高校，都拿到几亿元的资金，要加大智算基础设施的投入。

像上海交通大学，已转变传统科研模式，期望科学与AI更紧密的结合。他们与百度智能云合作建成了自己的AI for Science科学数据开源开放平台，支撑白玉兰科学大模型的训练。依托AI for Science平台，上海交大已在Nature Computational Science封面，发表了AI+城市的科学成果。

 大模型时代，产学研合作有了新内涵

高校纷纷加码AI for Science的同时，产学研的结合正变得愈加密切。

中国科学院院士鄂维南曾不止一次在演讲中表示，随着AI for Science的发展，科学研究将告别原来一个课题组完成所有科研任务相关事务的“作坊模式”，转为类似“安卓模式”的平台科研，打破学科边界。

“在平台科研的基础上，针对具体的应用场景，通过垂直整合方式组织科学团队、实验团队、产业界专家联合进行攻关，将极大提升科研的效率以及产业发展。”鄂维南说。

一位来自国内大模型和算力服务企业的资深人士也告诉数智前线，随着大模型的到来和持续落地，校企合作目前已成为普遍趋势。“原来很多东西都是我们要主动去找高校，但最近两年，高校主动找来的比较多。”该人士表示。

合作也在更加深化。“原来可能只是和高校本身签一个战略协议，在IaaS层合作，或者大家去找到一个点，做一些传统应用的合作。”上述人士介绍，但最近两年，高校里面的很多二级学院，也都在纷纷找他们进行合作。而这些二级学院，想要合作的业务方向也都不一样，往往覆盖了交通、药品、能源制造等不同领域，毕竟他们手中握有一些专业数据，在大模型时代有必要条件。

不过，AI虽然帮助突破了原来的科研瓶颈，但对科研团队的“硬+软”实力也提出了更高要求，校企合作更有利于实现优势互补。

比如在隧道与地下施工领域，山东大学与浪潮云合作，通过地质统计学、流体力学、计算机科学及信息科学等多个学科联合，搭建了岩土工程领域大模型与灾害预控数字孪生平台，探索形成地下工程灾害由被动处治到主动、科学、智能防控转变的关键技术。

而浪潮信息自2020年以来，持续参与了西湖大学算力平台的建设，在这家建设初衷是将创新从零到一做起的学校，加速其在药物科研等方面的探索。

复旦大学，则在与阿里云、中国电信联手打造CFFF平台一年后，已有超300个科研团队在这该平台上开展研究，且几乎都是跨学科团队。一批垂直领域大模型也在此诞生和活跃，如国内首个多模态的对话式大语言模型——MOSS大语言模型；结合3D分子构象，预测药物物理化学属性的ADMET预测模型；研究长序列、细粒度的基因调控关系的女娲DNA大模型等。

值得一提的是，企业助力高校实现AI for Science的同时，高校们产出的科研成果，实际上也在反过来服务企业的客户，实现某种意义上的Science for AI。

“比如，我们和某大学合作打造行业大模型的过程中，他们有研究几十年的学术数据，我们有大模型和算力，通过合作，他们加速了科研成果的转化，这些研发出来的产品，目前也正在面向我们的其他客户，进行试点推广。”一位行业人士表示。

某大学与百度云合作，将某制造行业的一些需求用大模型跑通后，也能嫁接到百度的模型上来，去大范围服务客户。

也因此，业界观察，目前不管是高校还是企业，都对AI领域的产学研合作抱以厚望。

最近的高校招标项目中，就有不少项目都与“产教融合”有关。比如上海交通大学的“面向产教融合的可扩展异构协同智算平台”项目，哈尔滨工业大学的“人工智能产教融合创新平台总集”项目。

而在更早之前，复旦大学CFFF平台正式上线时，中国工程院院士、阿里云创始人王坚更是一度表示，复旦大学和阿里云的合作是产学研协同的创新，“甚至可以像当年MIT跟贝尔实验室合作使得今天的大学工学院有了通信专业一样，以产学研的合作创造出一个新领域、一个新机会。”

 一些经验正在形成

“AI for Science在材料、生命科学、能源化工等领域落地成果的不断涌现，让我们看到其带来的巨大前景。但AI for Science带来的不仅仅是点状的突破，而是系统性地带动科学研究基础设施的建设，推进迈向‘平台科研’时代。”2024年7月，在2024世界人工智能大会的一场分论坛上，中国科学院院士鄂维南如是称。

他同时强调，发展AI for Science，落地“平台科研”模式，应该着重推进“四梁N柱”方面的综合建设和发展。

其中，“四梁”，即指新一代科学研究的基础设施，包括基本原理与数据驱动的算法模型与软件、高精度高效率的实验表征方法、替代文献的数据库与知识库，以及高度整合的算力平台。具体科学及产业问题，如新能源汽车、生命科学、能源材料等，则构成所谓的“N柱”。

在这种大背景下，最近两年，高校和企业都在纷纷加速推动AI for Science的基础设施建设。而在这个过程中，一些经验也在相互合作中逐渐积累。

比如在大模型方面，一位大厂人士告诉数智前线，高校在选择合作伙伴时，往往最为看中三方面的因素：公司体量是否够大，能弥补他们资源上的优势；算力和大模型技术方面的优势是否突出；服务能力是否可持续，而不是一杆子买卖。而企业则看中高校科研团队里是否有资深的人才，更优质的行业数据等。

在科研计算平台建设方面，复旦大学研究员程远则在去年10月的一场大会上，分享了复旦大学的三大关键建设思路。

其一，要提高集群计算的加速。尤其是在模型训练相关领域，不仅要增加硬件算力，还需在并行训练框架层面进行优化。

其二，将AI和HPC计算融合，以满足不同科研计算需求。

其三，研发易于使用的AI4S工具，以满足科学家对于AI易用性的需求。

随着今年合作的深入，效率、稳定性、节能等是这波热潮中，高校对算力基础设施的基本要求。

围绕这些需求，AI for Science基础设施产业链上的一众企业也在快速行动，推出对应的产品和服务。尤其是百度云、阿里云、腾讯云、华为云等多家云厂商，都在这块儿有不少探索。

百度继上海交通大学后，在今年1月，与另一家985重点高校重庆大学签署战略合作协议，双方将共建“重庆大学-百度智能云联合创新中心”， 聚焦山地自动驾驶、大模型应用、信息安全等前沿关键领域，联合开展高水平科技创新，共同打造AI For Science科研计算平台。

华为则依托智能感知、智能联接、智能中枢等全栈自主创新产品和平台，构建起实验室科研园区、科研服务、科研计算三大科研平台能力，推出了智算实验室解决方案，向外提供。

腾讯据悉也面向AI for Science浪潮，推出了“弹性服务、开箱即用”科研生态云。

中国移动，在今年10月，发布了AI赋能科学“AI For Science（AI4S）科学装置智算节点”，并提供AI4S Station科学工作站平台。该工作站集合了科研模型研发基础工具集、科学模型服务平台、生物蛋白等科学领域工具套件，提供端到端极简科研开发流程，让科学家专注自身专业领域，提升科研模型研发效率。

一些创业公司也同样瞄准在了AI4S领域的基础设施搭建。比如深势科技，正在为有基础科研需求的产业和企业提供AI4S研究工具和平台。

AI for Science热潮下，高校和企业还在持续不断动作中……