中国科学院发布“磐石100”模型体系，加速AI for Science平台化演进

“磐石100”模型体系发布：AI for Science迈入体系化创新新阶段

4月28日，中国科学院在北京带来了一项重磅发布——“磐石100”模型体系。这标志着，国内人工智能赋能科学研究（AI for Science）的进程，正从早期的单点技术探索，全面转向协同、高效的体系化创新。简单来说，科研的“智能工具箱”不再只是零散的工具，而是升级为一套覆盖全域、深度联动的数智化创新平台。

从智能底座到学科集群：一套全栈式架构

那么，这套体系具体是如何构建的呢？其核心在于“共性基础+领域专业”的协同模式。整个体系以“磐石”科学基础大模型作为智能底座，并在此基础上，构建起面向数学、物理、材料、生命科学等八大重点学科的专用模型集群。

技术层面的升级尤为关键。此次发布的

，基于高达650万条高质量科学推理数据进行训练。这使其在跨学科知识融合与多模态理解能力上，实现了显著跃升。作为支撑科研全流程的“大脑”，磐石底座主要提供三大核心功能：文献罗盘、创新评价以及智能体工厂。值得一提的是，其中的智能体工厂已初步实现了工具链的自主闭环，沉淀的科研工具数量超过了2000个。

深度认知与高效推理：学科模型的实战表现

体系化的优势，最终要落在解决实际科学问题的效率上。在学科维度，“磐石”体系展现出了深度的领域认知与惊人的推理效率。例如，在生命科学领域，“数字细胞”模型仅用30天时间，就成功验证了3个此前未知的药物靶点。而在空天工程这类复杂系统问题上，“临空”大模型则实现了对多变量、强耦合问题的深度推理与仿真。这些案例表明，专业模型对领域知识的深度消化，正在将AI的潜力转化为实实在在的科研生产力。

打破壁垒与范式变革：从数据重构开始

目前，“磐石100”体系已在50余家科研单位的百余个具体场景中落地应用，其覆盖范围从微观的光谱分析，一直延伸到宏观的海洋预报。这种广泛的应用背后，其实是一场更深刻的变革。

关键在于，它通过对“波、谱、场”等底层科学数据的统一表征与重构，打破了传统学科间长期存在的数据与方法壁垒。这不仅仅是工具的叠加，更是一种科研范式的演进。当全栈式的人工智能创新链，与前沿的大科学装置深度融合，数据价值的释放将呈指数级增长。

可以预见，在全球科技竞争日趋激烈的背景下，像“磐石100”这样能够提供坚实智能底座的体系化平台，将成为催生原始创新、加速科学发现不可或缺的核心基础设施。未来的科研图景，正因这样的协同与融合，而被重新勾勒。