2026世界人工智能大会的上海世博中心，聚光灯总追着最吸睛的演示，能自主决策的具身智能、能生成复杂内容的多模态大模型、参数屡创新高的通用模型产品。而7月18日下午，一场主题为“AI for Science：Beyond the Concept”的媒体圆桌，却跳出了参数竞赛与概念造势的行业惯性，来自深圳河套学院、中国科学院、北京智源人工智能研究院等顶尖科研团队，没有炫酷的舞台效果，没有夸张的性能对标，只用一组组可复现、可量化的硬核成果，回答了整个行业都在追问的命题，当AI走出概念泡沫，到底能为人类的科学探索带来什么？
这场圆桌，恰恰是本届WAIC最有重量的注脚。在一场场头脑风暴的背后，一条“从工具到伙伴、从单点到全程、从概念到筑基”的中国AI for Science路径，正愈发清晰。
从概念竞速到底层筑基：赛道比拼进入深水区
AI for Science早已不是学术圈的小众概念，而是全球主要经济体角力的科技赛道，更是被学界视为继实验、理论、计算、数据之后的“科学发现第五范式”。
从国内布局看，2023年科技部联合国家自然科学基金委启动“人工智能驱动的科学研究”专项部署，率先构建“平台科研”新模式；2025年国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出“加快探索人工智能驱动的新型科研范式”，将AI驱动的新型科研范式上升为国家战略。“十五五”时期，科技自立自强成为目标，AI for Science更是被定位为我国创新能力跃升的关键引擎。放眼全球，美欧英日等主要经济体自2025年下半年起密集出台AI4S政策，在科研基础设施、数据资源、计算平台上全面发力；QYResearch数据显示，全球AI for Science市场规模2025年已达45.38亿美元，预计2032年增至262.3亿美元，年复合增长率达28.9%。
数字增长的背后，是一场静悄悄的共识形成：AI驱动的科研范式革命，已经从“要不要做”的选择题，变成了“怎么做好”的必答题。
《道德经》有言：“重为轻根，静为躁君。”当行业还在为AI for Science的定义、边界争论不休，当不少玩家还在靠概念包装博取流量时，中国的选择是沉下心打地基——从算法模型创新到科研数据共享，从算力平台建设到学科场景落地，一步步构建起体系化的科研创新生态。
这其中，底层算力与技术框架的自主可控，是所有科研创新的前提。如果说科研成果是枝头的果实，算力底座就是深埋地下的根系：根系扎得越深，树冠才能长得越盛。本届WAIC上华为首次公开展出的昇腾950超节点，单柜集成1024颗AI芯片、实现全局统一内存编址，正是这种“向下扎根”的具象体现。多年来华为在智算实验室解决方案、智慧科研解决方案上的持续投入，没有喧嚣的营销，没有浮躁的造势，却实实在在决定着整个AI for Science生态的能力天花板。
概念潮退之时，才是真正比拼硬实力的开始。AI for Science的长跑，最终赢在地基的厚度。
破局实战：三大路径重构科研范式
顶层设计的蓝图已经绘就，但AI4S要真正融入科研全流程，仍绕不开三道瓶颈，流程碎片化、数据孤岛化、学科壁垒化。长久以来，AI始终像个“旁观者”，能辅助分析数据，却难参与科学决策；能单点提升效率，却难贯穿科研闭环。
本次圆桌亮相的三项成果，恰恰从三个维度给出了中国答案，更印证了“筑基”的价值：每一项科研突破的背后，都有底层算力与技术体系的坚实托举。
深圳河套学院联合苏州国家实验室推出的Owl·灵鉴(AuraID)科学仪器多智能体系统，实现了从样品操作到数据解析的软硬结合全流程智能化。该系统不依赖仪器开放接口，而是通过智能体以与人类专家相同的方式操作界面，如观察屏幕、点击按钮、读取数据，打通了软件智能体、科学具身智能体与仪器之间的协同链路。目前，系统已覆盖6类精密仪器，在晶体结构解析中工作量减少50.6%，微观形貌分析耗时从9分钟缩短至7.5分钟，AI独立完成率从33%提升至80%。而这套能“自主完成科研全流程”的系统背后，是基于华为智慧科研解决方案软硬自研能力的深度共建：算力底座由昇腾、鲲鹏与华为云共同构筑，目前深圳河套学院的算力基础设施中，已有500个模型完成昇腾适配。从算力到框架再到智能体平台，一整套自主技术体系，让“全流程科研闭环”从构想变成了可落地的现实。
北京智源研究院的“悟界·Brainμ1.0”，直击“数据孤岛”痛点，以专用Tokenizer模块将脑电信号、功能核磁、双光子钙成像等异构数据转化为统一数字表征，打造出全球首个理解与生成统一的多模态神经科学大模型。正是依托这一底座，模型团队与神经科学家的合作成果登上《科学》期刊，首次证实睡眠中的记忆重激活可反向调控睡眠结构，更新了“睡眠是静态被动过程”的传统认知，为精神疾病伴发的睡眠障碍提供了全新治疗思路。而Brainμ能稳定支撑超7万晚科研睡眠数据分析、在消费级脑机接口设备上实现专业级解析能力，同样基于华为智算实验室解决方案，与昇腾超节点的联合优化，为大规模、长周期的科研分析提供了稳定算力支撑。
中国科学院的磐石·科学基础大模型2.0(Science One Omni)，则聚焦“学科壁垒”攻坚，以统一的科学基础大模型为底座，生长出覆盖数学、物理、材料、天文等8大学科、百余个场景的专用模型矩阵，成为科学家的“全科AI工具箱”。该模型采用“科学数据统一编码—自然世界知识对齐—领域任务定向解码”三层架构，依托全球1.7亿篇科技文献，集成8000余个专业科研工具和技能库，一个模型即可完成跨学科的数据理解、科学推理与内容生成，突破了“专用模型只精于一事、通用模型流于宽泛”的双重瓶颈。
这套成体系的科研模型矩阵，同样是产学研协同的成果，华为为磐石团队提供从算力、网络、存储到训练框架的智算实验室解决方案，实现垂直整合与系统协同，让多学科交叉创新不再受限于底层技术的壁垒。
古人云：“工欲善其事，必先利其器。”对科研工作者而言，AI是探索未知的“器”；对AI应用而言，算力与框架是承载能力的“器”。华为做的，正是把底层的“器”持续打磨——不抢科研突破的风头，不做昙花一现的营销，而是沉下心做科研团队背后的“赋能者”。比起台前的掌声，这种“甘为基石”的定力，恰恰是当下AI行业最稀缺的品质。
范式跃迁：筑基者行稳方能致远
三项成果，三条路径，最终指向同一个清晰的方向，AI for Science正在经历一场深刻的范式革命，从“单点工具”走向“全流程工作台”，从“帮科学家算点什么”变成“陪科学家走完科研全程”。
过去，科学家要把大量精力耗在文献检索、重复实验、数据处理等机械劳动上；如今，AI接过了这些重复性工作，让科学家得以回归本位，发挥最大的价值：提出问题、作出判断、解读规律、孕育思想。正如“灵境造物”所印证的，下一代科学家的能力，是科学判断力，而判断力，恰恰是在摆脱琐碎劳动、专注深度思考中生长出来的。
《周易》有言：“形而上者谓之道，形而下者谓之器。”AI for Science的“道”，是拓展人类认知的边界，是推动基础科学的突破；而算力、框架、平台这些“器”，是承载这份探索的基础。没有“器”的支撑，“道”只是空中楼阁；没有“道”的指引，“器”只是无用的工具。
华为在AI for Science赛道上的选择，正是“以器载道”的实践，不执着于短期的流量与声量，潜心打磨底层技术底座，让千行百业的科研创新都能站在坚实的肩膀上。这种“慢就是快”的定力，在普遍追求短平快的AI行业里，显得尤为珍贵。有人在台前造梦，有人在台下筑基；梦再绚烂，终需地基托举。
2026世界人工智能大会的上海世博中心，聚光灯总追着最吸睛的演示，能自主决策的具身智能、能生成复杂内容的多模态大模型、参数屡创新高的通用模型产品。而7月18日下午，一场主题为“AI for Science：Beyond the Concept”的媒体圆桌，却跳出了参数竞赛与概念造势的行业惯性，来自深圳河套学院、中国科学院、北京智源人工智能研究院等顶尖科研团队，没有炫酷的舞台效果，没有夸张的性能对标，只用一组组可复现、可量化的硬核成果，回答了整个行业都在追问的命题，当AI走出概念泡沫，到底能为人类的科学探索带来什么？
这场圆桌，恰恰是本届WAIC最有重量的注脚。在一场场头脑风暴的背后，一条“从工具到伙伴、从单点到全程、从概念到筑基”的中国AI for Science路径，正愈发清晰。
从概念竞速到底层筑基：赛道比拼进入深水区
AI for Science早已不是学术圈的小众概念，而是全球主要经济体角力的科技赛道，更是被学界视为继实验、理论、计算、数据之后的“科学发现第五范式”。
从国内布局看，2023年科技部联合国家自然科学基金委启动“人工智能驱动的科学研究”专项部署，率先构建“平台科研”新模式；2025年国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出“加快探索人工智能驱动的新型科研范式”，将AI驱动的新型科研范式上升为国家战略。“十五五”时期，科技自立自强成为目标，AI for Science更是被定位为我国创新能力跃升的关键引擎。放眼全球，美欧英日等主要经济体自2025年下半年起密集出台AI4S政策，在科研基础设施、数据资源、计算平台上全面发力；QYResearch数据显示，全球AI for Science市场规模2025年已达45.38亿美元，预计2032年增至262.3亿美元，年复合增长率达28.9%。
数字增长的背后，是一场静悄悄的共识形成：AI驱动的科研范式革命，已经从“要不要做”的选择题，变成了“怎么做好”的必答题。
《道德经》有言：“重为轻根，静为躁君。”当行业还在为AI for Science的定义、边界争论不休，当不少玩家还在靠概念包装博取流量时，中国的选择是沉下心打地基——从算法模型创新到科研数据共享，从算力平台建设到学科场景落地，一步步构建起体系化的科研创新生态。
这其中，底层算力与技术框架的自主可控，是所有科研创新的前提。如果说科研成果是枝头的果实，算力底座就是深埋地下的根系：根系扎得越深，树冠才能长得越盛。本届WAIC上华为首次公开展出的昇腾950超节点，单柜集成1024颗AI芯片、实现全局统一内存编址，正是这种“向下扎根”的具象体现。多年来华为在智算实验室解决方案、智慧科研解决方案上的持续投入，没有喧嚣的营销，没有浮躁的造势，却实实在在决定着整个AI for Science生态的能力天花板。
概念潮退之时，才是真正比拼硬实力的开始。AI for Science的长跑，最终赢在地基的厚度。
破局实战：三大路径重构科研范式
顶层设计的蓝图已经绘就，但AI4S要真正融入科研全流程，仍绕不开三道瓶颈，流程碎片化、数据孤岛化、学科壁垒化。长久以来，AI始终像个“旁观者”，能辅助分析数据，却难参与科学决策；能单点提升效率，却难贯穿科研闭环。
本次圆桌亮相的三项成果，恰恰从三个维度给出了中国答案，更印证了“筑基”的价值：每一项科研突破的背后，都有底层算力与技术体系的坚实托举。
深圳河套学院联合苏州国家实验室推出的Owl·灵鉴(AuraID)科学仪器多智能体系统，实现了从样品操作到数据解析的软硬结合全流程智能化。该系统不依赖仪器开放接口，而是通过智能体以与人类专家相同的方式操作界面，如观察屏幕、点击按钮、读取数据，打通了软件智能体、科学具身智能体与仪器之间的协同链路。目前，系统已覆盖6类精密仪器，在晶体结构解析中工作量减少50.6%，微观形貌分析耗时从9分钟缩短至7.5分钟，AI独立完成率从33%提升至80%。而这套能“自主完成科研全流程”的系统背后，是基于华为智慧科研解决方案软硬自研能力的深度共建：算力底座由昇腾、鲲鹏与华为云共同构筑，目前深圳河套学院的算力基础设施中，已有500个模型完成昇腾适配。从算力到框架再到智能体平台，一整套自主技术体系，让“全流程科研闭环”从构想变成了可落地的现实。
北京智源研究院的“悟界·Brainμ1.0”，直击“数据孤岛”痛点，以专用Tokenizer模块将脑电信号、功能核磁、双光子钙成像等异构数据转化为统一数字表征，打造出全球首个理解与生成统一的多模态神经科学大模型。正是依托这一底座，模型团队与神经科学家的合作成果登上《科学》期刊，首次证实睡眠中的记忆重激活可反向调控睡眠结构，更新了“睡眠是静态被动过程”的传统认知，为精神疾病伴发的睡眠障碍提供了全新治疗思路。而Brainμ能稳定支撑超7万晚科研睡眠数据分析、在消费级脑机接口设备上实现专业级解析能力，同样基于华为智算实验室解决方案，与昇腾超节点的联合优化，为大规模、长周期的科研分析提供了稳定算力支撑。
中国科学院的磐石·科学基础大模型2.0(Science One Omni)，则聚焦“学科壁垒”攻坚，以统一的科学基础大模型为底座，生长出覆盖数学、物理、材料、天文等8大学科、百余个场景的专用模型矩阵，成为科学家的“全科AI工具箱”。该模型采用“科学数据统一编码—自然世界知识对齐—领域任务定向解码”三层架构，依托全球1.7亿篇科技文献，集成8000余个专业科研工具和技能库，一个模型即可完成跨学科的数据理解、科学推理与内容生成，突破了“专用模型只精于一事、通用模型流于宽泛”的双重瓶颈。
这套成体系的科研模型矩阵，同样是产学研协同的成果，华为为磐石团队提供从算力、网络、存储到训练框架的智算实验室解决方案，实现垂直整合与系统协同，让多学科交叉创新不再受限于底层技术的壁垒。
古人云：“工欲善其事，必先利其器。”对科研工作者而言，AI是探索未知的“器”；对AI应用而言，算力与框架是承载能力的“器”。华为做的，正是把底层的“器”持续打磨——不抢科研突破的风头，不做昙花一现的营销，而是沉下心做科研团队背后的“赋能者”。比起台前的掌声，这种“甘为基石”的定力，恰恰是当下AI行业最稀缺的品质。
范式跃迁：筑基者行稳方能致远
三项成果，三条路径，最终指向同一个清晰的方向，AI for Science正在经历一场深刻的范式革命，从“单点工具”走向“全流程工作台”，从“帮科学家算点什么”变成“陪科学家走完科研全程”。
过去，科学家要把大量精力耗在文献检索、重复实验、数据处理等机械劳动上；如今，AI接过了这些重复性工作，让科学家得以回归本位，发挥最大的价值：提出问题、作出判断、解读规律、孕育思想。正如“灵境造物”所印证的，下一代科学家的能力，是科学判断力，而判断力，恰恰是在摆脱琐碎劳动、专注深度思考中生长出来的。
《周易》有言：“形而上者谓之道，形而下者谓之器。”AI for Science的“道”，是拓展人类认知的边界，是推动基础科学的突破；而算力、框架、平台这些“器”，是承载这份探索的基础。没有“器”的支撑，“道”只是空中楼阁；没有“道”的指引，“器”只是无用的工具。
华为在AI for Science赛道上的选择，正是“以器载道”的实践，不执着于短期的流量与声量，潜心打磨底层技术底座，让千行百业的科研创新都能站在坚实的肩膀上。这种“慢就是快”的定力，在普遍追求短平快的AI行业里，显得尤为珍贵。有人在台前造梦，有人在台下筑基；梦再绚烂，终需地基托举。
