北京
8月21日，以“人工智能变革科研范式”为主题的2026科学智能大会在北京召开。大会提出一个清晰判断：以科学智能体为代表的AI4S前沿技术，已进入规模化落地窗口期。
与会专家提出，科研范式正从“人类试错”转向“AI预测+验证+人类判断”，AI4S真正的瓶颈不是生成，而是验证。AI可以快速产生大量“看似合理”的假说，但人类验证能力是线性的，两者之间的剪刀差正在拉大。这是全球科学界的共同挑战。
科学智能体不能只靠模型能力，而是一整套可执行、可验证、可治理的科研基础设施。以国家超算互联网为代表的国家级创新平台，依托“超智融合”、“智能体协同”等技术架构，正探索构建“生成即验证”的AI4S算力基座。
今年7月，国家超算互联网启动科学计算智能体生态共创与开发者招募合作计划（简称“智能体共创计划”），旨在帮助全领域科研工作者低门槛开发科学智能体。曙光智算副总裁兼首席技术官吕灼恒在大会上透露，目前已有近300名来自高校、科研院所、企业及个人开发者加入该计划。
科学智能体不是聊天机器人，
而是“科研操作系统”
科学智能体不是“科研版ChatGPT”，而是要进入真实科研流程，调动计算资源、专业科学计算软件、行业知识库和多种模型协同，帮助科研人员完成科研任务。
鄂维南院士将其称为科研的“安卓模式”。过去，科研更像小作坊：不同实验室各自购买设备、配置软件，一套方法换个团队往往要重新搭建。科学智能体则是在新的基础设施上，垂直整合并开发一系列智能体、skills和 harness 来完成特定的科研任务。
此外，AI4S面临“验证瓶颈”和“目标漂移”两大挑战。验证瓶颈，是AI可以快速生成大量假说，但人类验证能力跟不上。目标漂移，是AI可以在代理指标上取得高分，却偏离真正的科研目标。这正是AI4S需要基础设施支撑的原因，不是取代人，而是帮人更好地验证。
AI4S瓶颈怎么破？“超智融合”算力加速构建AI4S“可验证”基础设施
验证瓶颈、目标漂移等挑战，本质上是科研模式的系统性问题，无法靠单一算法彻底化解。国家超算互联网的探索，是把"验证"环节嵌入AI4S生成过程，使每个智能体在构建完成时即进行效果校验，而非事后补验。
这套能力的基础，是“超智融合”算力。超算互联网已汇聚超350万CPU核心、25万GPU卡。位于郑州的超算互联网核心节点，作为首个全国产十万卡AI4S计算集群，同时覆盖高精度科学计算和低精度智能计算需求，既跑得动大规模模拟，也撑得起模型推理。在此基础上，超算互联网基于ReAct机制设计执行路径，让智能体边推理、边行动、边校验，而不是一次性生成结果。
多智能体协作是另一个关键设计。分类、规划、分发、执行、报告五类智能体各司其职，前一个环节的输出会成为后一个环节的检验对象。
这套系统能力并非一蹴而就。自今年4月发布"超级科学计算智能体"战略
以来，超算互联网已覆盖100余个核心科研计算场景，汇聚17000余项技能，13000余项MCP工具，1000余个知识库、500余个智能体，满足多学科AI4S构建与验证需求。
携手伙伴构建开放协同科研创新生态
当前，AI4S已成为国家层面科学发现竞争的新高地。对国内科研体系而言，这个高地不能建立在闭源模型和工具链之上。
超算互联网连接算力中95%以上基于国产芯片和技术，从底层硬件到上层应用，形成一套自主且开放、协同运行的科研创新底座。
科研底座要在真实科研场景中跑起来，必须构建开放生态。"智能体共创计划"发起的初衷就是将全社会众多理念、科研模式、范式汇聚到平台上来，形成"模型+技能+知识库+智能体"全链路开发平台，为未来海量科学智能体落地打基础。
这套科学智能生态体系的价值开始显现，300名来自高校、科研院所、企业及个人开发者加入“智能体共创”计划将仅是一个开始。超算互联网正通过“超智融合”算力，把AI4S“生成—验证”系统做成平台级基础设施，成为科研与产业界都需要“可执行、可验证”的AI4S关键底座。
AI4S下一阶段的竞争，正从单点能力转向基础设施和生态的系统竞争，这种转变是机遇也是挑战，值得我们持续关注。
本文为「智能进化论」原创作品，
欢迎关注。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
