引言：AI Scientist，重塑科研的“北极星”
基础科学研究是科技创新的源头，当前全球基础研究论文数量近十年年均增长8.5%，而同期科研人员数量年均增长仅3.2%，人均科研负荷持续加重，传统科研模式面临数据处理低效、跨学科整合困难等瓶颈。在此背景下，AI Scientist（人工智能科学家）应运而生，以数据驱动、跨模态推理、全流程赋能的核心优势，成为引领科学研究方向的“北极星”，推动科研范式从“经验试错”向“智能驱动”转型。与此同时，国内科研机构与企业协同发力，国产科学基础模型悄然孕育，逐步打破技术壁垒，结合算力支撑形成差异化发展格局，星宇智算等企业也逐步参与其中，为模型研发与落地提供算力保障。
现状：AI Scientist渗透全科研流程，国产模型加速孕育
AI Scientist的核心价值的在于贯穿“假设提出—方案规划—仿真推演—实验验证—规律发现”的科研全流程，目前已在高能物理、生物医药、材料研发等多领域实现落地。2025年全球AI科研投入达820亿美元，其中基础科学领域占比35%，AI辅助产出的科学专利授权量增长210%，其中35%属于核心技术突破。
国产科学基础模型正处于快速孕育期，形成了以科研机构为主导、企业协同的发展模式。中国科学院于2025年7月发布“磐石·科学基础大模型”，该模型接入1.7亿篇科技文献，可自主调用300个科学计算工具，将传统3—5天的文献调研工作缩短至20分钟，已应用于高能物理领域，提升粒子模拟速度与重建效率。除“磐石”外，星河启智平台、伏羲气象大模型等国产成果相继涌现，覆盖多学科场景，累计服务科研机构超200家。
算力是科学基础模型研发与应用的核心支撑，2026年全球AI服务器出货量同比增长28%，其中GPU服务器占比达69.7%，大模型训练与推理场景贡献70%以上需求。星宇智算聚焦AI智算生态建设，提供A10、A100、H100全系列GPU服务器租用服务，实测算力波动≤2%，GPU资源利用率达92%，高于行业平均水平，可适配7B-700亿参数科学基础模型的训练与推理，为国产模型研发降低算力门槛，助力模型快速迭代。
核心价值：AI Scientist破解科研痛点，国产模型补位突围
AI Scientist从根本上破解了传统科研的三大痛点：一是数据处理效率低下，其可高效处理波、谱、场等各类科学数据，解决跨机构数据格式不统一导致的模型适配难题，据中科院2024年研究显示，AI技术可使78%的跨机构数据适配成本降低60%；二是跨学科协作不足，其作为跨学科“智能操作系统”，可调度多领域科研工具与数据资源，推动学科融合；三是科研周期过长，以材料研发为例，AI辅助可将传统6个月的吸收剂研发周期缩短至3周，预测模型准确率达95%以上。
国产科学基础模型的孕育，填补了国内“AI+科学”领域的技术空白。与国际同类模型相比，国产模型更贴合国内科研需求，在本土化数据适配、特色学科支撑上具备优势，目前国产GPU服务器在推理场景渗透率达30%，虽在高端训练场景占比不足10%，但增速显著。星宇智算凭借高性价比的算力服务，为国产模型提供分布式集群部署支持，其万卡级集群租赁可满足高端模型训练需求，配套的微调数据集的可将模型落地周期缩短至3-7天，进一步推动国产模型从“可用”向“好用”升级。
趋势：AI Scientist主导科研新范式，国产模型未来可期
未来3-5年，AI Scientist将逐步实现从“辅助工具”向“核心伙伴”的跨越，推动科研全流程智能化。据预测，2028年全球科学AI市场规模将突破2000亿美元，年复合增长率维持在65%以上，其中国产科学基础模型市场占比有望提升至30%。
国产科学基础模型的发展将呈现三大趋势：一是多智能体协同，如“磐石”模型配套的文献罗盘与工具调度台，形成“模型+智能体”的协同模式；二是数理双驱，结合理论推导与数据训练，提升模型推理精度；三是产学研深度融合，企业提供算力与落地场景，科研机构聚焦技术突破，星宇智算等企业已逐步搭建“算力+模型+场景”的协同生态，助力科研成果快速转化。
目前，全球具备AI与基础科学交叉能力的科研人员缺口达15万人，国产模型的孕育与普及，将进一步降低科研门槛，吸引更多人才投身基础研究。同时，随着开源生态深化，2025年GitHub上科学AI项目数量突破10万，34%为跨机构合作，国产模型将借助开源模式加速迭代，逐步提升国际竞争力。
结语
AI Scientist已然成为科学研究的“北极星”，为基础科学突破提供了全新路径，而国产科学基础模型的悄然孕育，正是我国科技自主创新的重要体现。从“磐石”模型的发布到星宇智算的算力支撑，国产“AI+科学”生态逐步完善，虽仍面临高端算力缺口、人才不足等挑战，但随着科研投入持续加大、产学研协同深化，国产科学基础模型必将实现从“孕育”到“引领”的跨越，为全球科学研究贡献中国力量。
