一場聚焦人工智能與基礎科學深度融合的研討會在上海市徐匯區模速空間召開，主題為“Agentic Science at Scale——AI4S科學基座模型和通用科研智能體研討會”。此次活動由上海交通大學人工智能學院與上海算法創新研究院共同主辦，吸引了產學研各界的廣泛參與。會上，主辦方集中展示了AI for Science科研基礎設施的整體能力，并發布了科學基座模型Innovator和通用科研智能體SciMaster等核心成果。同時，通過產學研戰略簽約，進一步打通了科研智能化、規模化發展的關鍵環節。
中國科學院院士、上海交通大學人工智能學院首席顧問鄂維南在會上作了題為《Agentic Science at Scale》的主旨報告。他指出，當前AI for Science的關鍵基礎設施已逐步完善，標志著科研智能化、規模化時代的正式到來。報告深入剖析了這一時代的底層能力架構與實施路徑，為與會者提供了全新的視角和思考方向。
在“科研基礎設施與科研智能體成果介紹”環節，來自高校和科研機構的專家學者詳細介紹了AI for Science科研基礎設施的關鍵能力模塊。這些模塊共同構成了一個端到端的“科研生產閉環”，為科研工作提供了全面而高效的支持。其中，上海交通大學人工智能學院副教授、上海賽蘭德智能科技有限公司創始人兼首席科學家陳思衡重點介紹了通用科研智能體SciMaster的能力體系。
SciMaster旨在實現全學科科研“搜、讀、算、做、寫”全流程的自動化閉環。它依托海量工具調用和超長程上下文管理兩大核心技術，為用戶提供了“自動駕駛”般的科研體驗。據介紹，SciMaster運行6小時的成果即可與資深理論物理學博士1至3個月的工作量相媲美。通過“用戶+開發者”雙飛輪驅動模式，SciMaster正在構建一個規模化科學智能生態，推動科研生產范式從“小作坊”向“超級工廠”加速轉變。
在模型層面，上海交通大學人工智能學院助理教授張林峰發布了Innovator基座模型。該模型實現了科學多模態感知、科學推理和科學工具調用三大目標。在感知方面，它針對化學、材料、物理等學科的多模態科學數據建立了強大的理解能力，支持20多種科學模態，并具備頂尖的通用視覺理解能力。在科學推理方面，Innovator顯著提升了科學推理和多模態科學推理能力，具備解決真實科學任務的科學編程能力，在科學編程任務上的表現甚至超越了30倍參數量的模型。在科學工具方面，該模型能夠在模型側對萬級工具與能力模塊進行理解、選擇、組合與調度，實現跨學科、跨任務的穩定交付。
研討會還設置了科學家圓桌論壇環節，與會嘉賓圍繞科研智能體如何重塑科研流程、如何實現跨學科協同以及如何推動科研結果更快沉淀為可復用能力等議題展開了深入探討。嘉賓們一致認為，科研智能體的規模化發展正在推動科研體系發生系統性變革，這種變革不僅涉及方法和工具的創新，還包括組織方式的優化和升級。
