華為云：以AI4S為科學研究裝上“智慧心臟”

1609年，開普勒依靠導師第谷在汶島天文臺積累了20年的天文觀測數據，最終歸納出行星運動三大定律，為牛頓經典力學奠定了基石。

這段科學史上的佳話，如果發生在今天，或許將有全然不同的景象。因為人工智能模型能在海量數據中瞬間捕捉規律，將科學家從繁重的計算與歸納中解放出來。科學發現也從經驗歸納、理論推演、計算機模擬到數據驅動的范式變遷后，邁向了以人工智能為核心的“第五范式”，這就是AI for Science。

科技部 2025 年發布的《AI for Science 創新圖譜》顯示，2019-2023 年全球 AI4S 論文年均增長 27.2%，AI不再是科研的輔助工具，逐漸成為核心能力支撐，全方位地變革著科學研究的方法論與生態系統，一個由人工智能賦能的新科學時代，已悄然降臨。

01

AI4S高歌猛進，背后的四大挑戰

AI4S能被稱之為“第五范式”，本質是經驗觀察、理論推演、計算仿真與數據驅動的深度融合。既保留了科學家對自然規律的直覺洞察，又賦予AI處理海量數據、模擬復雜系統的全新能力。

但AI4S通往成熟應用的道路并非坦途，在其蓬勃發展的背后，也面臨著四大挑戰：數據、算力、模型與應用。

在數據方面，高質量科學數據普遍不足，存在數據規模小、維度不全、壁壘高以及對外依賴等問題；算力上，傳統超算與新興智算供需不匹配，難以兼顧高精度計算與大規模AI訓練；模型層面，通用大模型難以適配專業科學問題，缺乏垂直模型與統一評估標準；應用方面，從實驗室到產業的轉化路徑不暢，產學研協作不足，企業面臨“想用不會用”的困境。

在當前階段，最突出的挑戰在于智算的供給。國內前期算力建設以超算為主，智能算力資源相對短缺，難以滿足AI4S對大規模訓練與高精度模擬的雙重需求。這種結構性失衡已成為制約科研創新與產業落地的關鍵瓶頸，亟需優化算力資源配置，以支撐AI4S的持續發展。

華為云AI4S平臺，基于昇騰云算力，可以提供一站式AI開發平臺，集成豐富的AI4S領域

模型、工作流、工具等，助力科研院所邁向敏捷科研創新，成為破局的關鍵力量。

02

華為云AI4S

集算力、底座、平臺、服務于一身

面對席卷而來的AI4S浪潮，全球科技巨頭紛紛布局科學計算領域，Google與NVIDIA通過軟硬件協同推出科學計算套件，微軟著手構建“科學基礎模型”并加速深度學習訓練；而華為云則率先在科學計算領域扎下根來，將觸角伸向了氣象、生物醫藥、基因、材料等多個基礎科學領域。

比如，在氣象科學領域，盤古氣象大模型通過深度學習，能夠在分鐘級內完成全球高精度天氣預報；盤古藥物分子大模型，通過海量的化合物數據預訓練，深入理解了分子結構與性質間的關系。

華為云已經在科學計算領域清晰地勾勒出一條實踐路徑，通過構建強大的基礎大模型，并配套開放的工具鏈與平臺，使能科研人員“站在巨人的肩膀上”進行創新。在其背后，則是華為云全棧技術能力的表現。

首先，在智算云底座方面，基于CloudMatrix384超節點的新一代昇騰云，突破傳統單卡算力局限，實現384個NPU與192個CPU的高效集約互聯，構建出具備超大規模集群與高線性度擴展能力的AI算力底座。其依托全對等互聯與池化架構，支持動態資源組合與分布式推理優化，顯著提升算力利用效率與訓練穩定性。

同時通過昇騰云服務進行交付，可以為企業提供彈性可拓展、開箱即用的智能算力，且具備高容災與快速恢復能力，已經在上海交大和中科院等科研場景驗證過其推動大模型訓練的實效。

其次，華為云分布式云平臺，采用華為云獨創的擎天卡（SDI5.0），可以同時滿足通算和智算兩種需求，特別是可以將虛擬化損耗降低為零。并且支持下一代鯤鵬芯片，計算虛擬化密度提升170%的同時計算性能提升100%。

第三，在算力調度方面，華為云采取“線上+線下”（公有云+專屬云）的協同方式，應對流量洪峰，解決算力及時供給的問題。具體來講，在每天“忙時”的白天，將算力集中供給給模型訓練，而在相對“閑時”的夜晚則將算力供給推理型任務，通過算力調度，讓算力的效能得到最大化釋放。

最后，華為云大模型開發平臺，同時支持盤古大模型和開源&三方模型的一站式大模型開發工具鏈。比如客戶和伙伴，可以基于華為云模型開源生態和+ModelArts Studio工具鏈，利用自有區域高質量數據進行增量訓練或微調得到垂直領域的科學大模型。同時，華為云上也預制了60+數據處理算力和多種標注工具，并沉淀了20+組件和場景化模板，5分鐘即可創建行業生產級應用。

總體上，華為云構建起高效的智算底座，通過昇騰云實現超大規模集群與高線性擴展；分布式云平臺以實現零虛擬化損耗，性能大幅提升；通過“線上+線下”調度最大化算力效能；大模型平臺支持盤古與開源模型，提供一站式工具鏈，助力快速創建行業應用。由此，以華為云扎實的全棧技術布局，為科學智能的未來鋪就一條清晰、可行的實踐之路。

03

以“交大樣本”

構建AI4S落地的生態基座

當然，理論的突破與技術的探索，最終需要落在實實在在的平臺上，才能在更廣闊的范圍里生根發芽。華為與上海交通大學聯合發布智慧教育科研全球樣板點，正是將AI4S能力賦能于科研與教育一線的標桿性實踐。

上海交通大學，一直是中國高等教育數智化的先行者，面對國家人工智能戰略與校內學科發展的迫切需求，上海交大提出了雄心勃勃的“AI十條”戰略，推動500多門課程AI化轉型，并實現了科研計算對全校所有學科的全覆蓋。

但快速的發展需求也迅速觸及到算力供給的天花板，傳統算力集群難以支撐多學科并發的高精度計算需求，科研團隊亟需更靈活、更強大的算力支撐，同時科研活動也面臨著數據、模型、應用等多重挑戰。為此，交大攜手華為等伙伴，啟動了國內高校最大規模的智算平臺“致遠一號”的建設。

據了解，“致遠一號”集成了高達633P的澎湃算力與13P的存儲容量，其核心是基于千卡規模的昇騰AI集群，是國內高校規模最大的智算基座。它的意義在于以高效、集約的建設模式，打破了高校計算設施建設中常見的重復建設與資源孤島問題。

當然，要把計算平臺用好，專業化的計算人才隊伍是關鍵。為此，交大組建了近30位核心成員的計算服務團隊，形成了計算服務“交大模式”。在教學領域，賦能AI+HI（人類智能，Human Intelligence）為核心的智慧教育新模式；在科研領域，踐行以“計算+X”為理念的智慧科研新范式；在管理領域，打造以AI賦能再造智慧校園新格局。并確保計算平臺能被充分、高效地利用。

總體上，華為云與上海交大的合作，通過“致遠一號”算力基建破解算力瓶頸，以盤古大模型等AI能力降低了科研門檻，再通過場景適配，圍繞真實科研需求打造完整閉環。不僅式系統性地解決了數據、算力、模型、應用的共性挑戰，也成功構建了以實際需求為導向、以技術融合為支撐的AI4S新生態，為科研范式的革新提供了可復制、可推廣的實踐樣板。

我們知道，傳統智慧城市正向 AI CITY演進，這既是城市治理體系和治理能力的躍遷，也是從政務端、產業端再到科研端的系統化升級。作為AI CITY的重要組成部分，AI4S的發展將會推動科學研究的智能化升級，加速創新進程，進而推動AI CITY的演進與實現。