凤凰网科技讯 7月19日，在2026世界人工智能大会（WAIC）期间举行的中科闻歌决策大模型系列产品发布暨人工智能与决策大模型论坛上，中国科学院自动化研究所研究员、赛思极限CEO徐楠介绍了磐石2.0（ScienceOne-Omni）的最新技术进展，并提出AI for Science基础模型发展的“通专一体”技术路径，希望通过将通用知识推理能力与专业科学能力原生融合，提升复杂科学与工程问题的求解能力。
徐楠表示，目前AI for Science基础模型主要形成三条技术路线，包括面向特定科研任务的专用模型、通过智能体和科研工具增强通用大模型能力，以及将蛋白质、DNA等科学对象映射到统一语言空间的领域语言模型。但这些路线在科学机理与数据融合、推理逻辑及结果可解释性等方面仍存在共性挑战。
针对上述问题，磐石2.0提出“通专一体”技术路线，通过重构底层架构，将通用知识推理能力与专业科学能力进行联合训练，使单一模型能够处理不同科学和工程领域的复杂任务。徐楠表示，磐石2.0并非简单的模型升级，而是对AI for Science基础模型技术路线的一次重新探索。
据了解，ScienceOne-Omni采用三层架构：底层统一编码文本、晶体结构（CIF）、化学分子表达式（SMILES）、蛋白质、光谱及科学图像等多种科学数据；中间层融合科学规律和专家经验，增强模型推理逻辑与可解释性；上层则针对不同科研任务进行定向解码，使模型能够完成科学数据理解、知识推理、性质预测及结构生成等多类任务。
数据方面，磐石团队联合中国科学院相关研究所构建了800万条高质量科学推理数据，覆盖200余项科研任务，并将科研人员的思维方式转化为模型推理规则，形成可验证的推理链路。官方数据显示，在60余项专业科研评测中，磐石2.0多数任务成绩超过Gemini-3.1 Pro、GPT-5.5等通用模型，并在化学性质预测、谱到分子结构预测、蛋白质位点预测等任务中取得领先表现。
徐楠介绍，在谱数据分析中，ScienceOne-Omni能够完成从谱图特征识别、官能团归属到分子结构解析的完整推理过程；在化学与材料领域，模型可统一处理CIF与SMILES数据，支持量子化学、分子物化、药物ADMET、材料筛选等48类科研场景；在结构生物学领域，可完成蛋白质、DNA、抗体、抗原等7类结合位点预测任务；针对科学图像，则支持理解、生成和编辑等多项能力。
应用层面，ScienceOne目前已在数十家科研单位落地，覆盖百余个科研场景。在流体力学领域，团队与中国科学院力学研究所合作开发流体高通量计算软件，可在10秒内输出仿真结果，误差控制在5%以内。在材料研发方面，与中国科学院上海硅酸盐研究所联合构建催化剂材料创制智能体，将材料设计周期由数月缩短至30分钟以内，并发现催化活性提升38%的新型催化剂。
此外，团队还与中国科学技术大学合作开发机器科学家系统。科研人员输入研发需求后，系统可自主调度文献挖掘、实验设计、机器操作、计算模拟及智算优化等多类智能体协同完成科研流程。目前，该系统已完成462组样品合成表征、千万量级虚拟筛选，排名前20的候选材料中约四成性能优于原有样品，并已稳定运行超过1500小时。
徐楠同时介绍，为打通科研过程中的“数据—计算—推理—实验”全流程，团队联合中科闻歌打造科研智能平台ScienceOne.ai。目前平台已接入2000余项MCP，沉淀3000余项可复用科研技能，支持科研人员根据不同任务快速组装科研智能体，推动科研模式从传统的工具辅助逐步迈向智能体协同科研。未来，ScienceOne将进一步拓展学科覆盖范围，并持续推进科学数据、基础模型、科研工具与智能体系统的融合。
盛达优配提示：文章来自网络，不代表本站观点。
