协同翻新的飞轮 智能迷信时代的双引擎 与 AI 火山引擎打造 Science

2024 年，诺贝尔奖的物理学奖与化学奖双双授予了与人工智能技术严密关系的研讨，这无疑为 AI 在科研畛域的推进作用提供了强有力的背书，进一步彰显了其无法或缺的关键性。

AI for Science 变得盛况绝后。迷信家们踊跃探求人工智能在科研畛域的宽广运行与开展前景，迷信研讨也从阅历范式、通常范式、计算范式、数据驱动范式，迎来了第五范式——智能迷信。

在火山引擎副总裁张鑫看来，AI 技术的出现，不只减速了迷信研讨范式的基本色转变，促成了多学科研讨之间的深度融合与协同开展，还极大地减速了迷信发现的进程。正是洞察到了科研畛域需求侧所出现的深入变动，以及供应侧大模型为 IT 畛域带来的多维度改革与新视角，火山引擎自 2022 年进入到了科研畛域，并且从生命迷信畛域切入，助力迷信研讨提质增效。

纵深科研，AI for Science 也可以“多快好省”

在生命迷信畛域，科研人员常年面临一系列严格应战：适度依赖国外工具，学术研讨结果可复性差，数据孤立且规范不一致，研发效率低上等疑问，极大地阻碍了科研停顿。于是，火山引擎携手协作同伴独特推出了 Bio-OS 动物消息操作系统，将科研所须要的各类数据工具、流程性能和剖析环节启动封装，宿愿可以像 PC 或移动操作系对抗样，屏蔽底层复杂的技术，赋能下层运行翻新，从而构建一个平台化的生态系统。

张鑫引见道，“咱们的思绪就是打造一个面向生命迷信行业的操作系统，其底层提供资源控制和数据控制才干，简化操作，降落经常使用门槛；而下层定义运行规范，推进开源放开的生态体系构成。”

经过了两年的极速迭代，Bio-OS 操作系统也成功了五大更新。一是 All in Workspace，使得科研环节与成绩可分享、可追溯及可协同；二是引入智能助手，可以经过人造言语的方式经常使用 Bio-OS 平台上的工具和创立上班流；三是将计算向数据聚拢，在一个平台上成功数据的处置、计算和剖析；四是应用云原生与散布式云技术，高效控制异构算力资源；五是继续推进社区和生态的树立，吸引更多人才添加生命迷信畛域，共创价值。经过五大更新，火山引擎为科研人员提供了愈加方便、高效、智能的科研平台，促成了技术翻新与常识共享，推进了生命迷信畛域的翻新与开展。其中，Bio-OS 开源开加大赛作为推进生态树立的关键动作之一，第二届 Bio-OS 开源开加大赛吸引了近 300 支团队介入，特意是AI算法打榜赛，更是激起了泛滥团队的激情。

鉴于不同科研畛域具备共通性，火山引擎从生命迷信登程，逐渐形象通用才干，推出了科研智算云处置打算。张鑫用“多快好省”四个字概括了这一打算的特征。

：火山引擎提供全栈产品体系，科研人员可以依据需求灵敏组合产品，允许动物消息、药物研发、资料迷信、EDA 等多个科研场景。

：附丽火山引擎弹性调度与并行计算才干，清楚优化科研计算剖析效率；同时，经过智能化上班流，成功科研试验流程的智能化口头。

：用户体验友好。经过图形化界面封装复杂算法与工具，科研人员仅需繁难性能与人造言语交互，即可成功技术架构设计，极大简化了科研流程。

：针对科研资源消耗大的疑问，火山引擎经过海量算力资源的规模效应以及资源内外复用和削峰填谷，有效降落科研 IT 老本。

目前，火山引擎科研智算云处置打算曾经在多个科研场景中成功运行。广州试验室借助 Bio-OS 在动物消息畛域成功科研普惠化，序祯达在基因测序上的数据处置提速，百奥云极速构建农业基因育种平台减速剖析，分子之心借助火山引擎高性能计算资源及独有的计算模型，极速成功新药研发。这些成功案例不只验证了火山引擎处置打算的有效性，也为迷信研讨的未来发开展拓了新的路线。

解锁火山引擎 AI for Science 的“制胜法宝”

火山引擎作为一家云服务供应商，在 AI for Science 方面的长处终究又体如今何处呢？对此，张鑫给出了明晰的解答。“火山引擎在 AI for Science 畛域的长处可归结为三慷慨面，松软的技术底座、深度的行业优化以及前沿的科研运行翻新。”

迷信研讨离不开松软的基础设备和IT技术才干的撑持。火山引擎打造了“三驾马车”来构建技术底座，即面向 AI 的全栈云，豆包大模型以及数据飞轮，这三者恰恰对应了人工智能时代三大因素，算力、算法和数据。在算力层面，火山引擎经过构建软硬一体的散布式云架构，成功了异构资源的一致调度与弹性裁减，应答科研场景下复杂多变的需求。在算法方面，豆包大模型仰仗其弱小的了解剖析和推理才干，可以协助科研人员成功海量的密集数据的智能剖析上班。在数据方面，火山引擎具备丰盛的数据阅历，从数据整顿、存储到剖析的全链路控制，为科研人员提供有力允许。

其次，火山引擎深知科研畛域的不凡性，在通用的基础设备之上依据科研场景启动了深度优化，推出了有针对性的处置打算，助力科研人员优化科研效率与品质。

此外，字节跳动在科研畛域的积攒雷同不容小觑。其外部的 AML（Applied Machine Learning）团队就设有专门担任迷信计算的迷信家，他们努力于量子化学、资料迷信、物理学、生命迷信等多个畛域的研讨。同时，ByteDance Research 团队也在机器人、具身智能等前沿畛域始终研讨，探求发现科研畛域的新趋向与新时机。

在科研畛域，火山引擎不只提供工程化的产品与技术，减速迷信研讨的进程，还围绕 AI for Science 启动前沿探求。这使得火山引擎能够更深化地了解迷信家的需求，以更高远的视角扫视科研畛域的开展灵活，从而为客户提供愈加精准、高效的处置打算与服务。

减速科研提效与常识发现的“四轮驱动”

随着科研迈入第五范式，生成式 AI 的极速开展正深入扭转着科研上班的上班方式。如何愈加高效地施展 AI 才干和后劲，助力迷信研讨提速增效？火山引擎提出了“四轮驱动”策略，即算力、数据、算法与常识。

张鑫特意强调了常识的关键性。很多企业将数据和常识一概而论，其实不然。数据是客观的、原始的，而常识则是经过深化了解和加工处置的客观产物。从数据到常识的转化，须要借助数据控制、构建常识体系，并联合先进的算法模型，才干产出真正的智慧。

的大言语模型关键基于统计原理，往往缺乏对物理环球规定和常识的深化了解，因此存在诸多局限性，如经典的“9.11 和 9.8 谁大”疑问便泄露了其无余。因此，大模型也须要畛域常识启动增强。

在科研畛域，常识的关键性愈加凸显。如何将迷信家头脑中的贵重阅历以及试验设计流程的最佳通常转化为可量化的常识外形，成为亟待处置的疑问。

张鑫示意，算力、算法、数据与常识之间严密相连，独特构成了科研上班的基石。遵照 DIKW（Data、Information、Knowledge、Wisdom）方法论，将这四个因素协同起来，是推进科研上班始终行进的关键。

经过算力和数据剖析，数据被转化为消息，成功可追溯、可分享、可协作以及可传承。在此基础之上，算法与大模型的联合打造出科研 Copilot 和 Agent，助力科研人员迅速挑选出所需的才干和工具，成功常识的提炼。例如，火山引擎推出的科研助手，便能智能化设计试验并调用关系工具，极大地优化了科研效率。

当常识被提炼进去后，经过大模型与常识图谱的联合，可以打造出常识聚合体，进一步加弱小模型的才干，使其从原本单纯依赖数据驱动变得愈加“痴呆”。这样，算力、数据、算法与常识四轮协同转动，独特推进科研上班迈向新的高度。

在这个科技突飞猛进的时代，AI 技术正在迅速浸透到迷信研讨的各个畛域。AI for Science 正逐渐扭转着迷信研讨的范式，推进着迷信探求的边界始终拓展。在展望 AI for Science 的未来开展趋向时，张鑫演绎了五大特点。

首先，AI 推理才干将会清楚优化，其回答内容具备更强的牢靠性和可追溯性，为科研人员提供松软的数据撑持。

其次，多模态数据融合的需求日益迫切。科研畛域触及多种类型的数据，如何有效地融合多模态数据，以失掉片面且深化的消息，是至关关键的。

第三，通用 AI 与试验迷信的深度融合。将 AI 技术引入了试验环节的每一个环节，从试验环节监控到试验结果调整优化，AI 都能施展关键作用，从而推进试验迷信的极速开展。

第四，构建愈加放开共享的平台和生态，繁难科研人员失掉和经常使用数据，同时促成不同机构之间的联动协作，独特推进迷信研讨的提高。

最后，伦理和法律疑问也是不容漠视的一环。在保证数据隐衷性和牢靠性的前提下，AI for Science 才干持重前行，为迷信研讨注入源源始终的动力。

针对这些未来趋向，火山引擎将重点在两个方面发力。一方面，火山引擎将在广度上启动拓展，深化研讨资料迷信、化学、天文等多个畛域，为更多企业和科研机构提供减速研讨的允许。另一方面，在技术层面，火山引擎将优化大模型才干，不只经过算法助力科研，还将物理环球的规定和前沿法令等常识注入大模型中，成功 AI for Science 与 Science for AI 的无机联合，构成相互促成的飞轮效应。

AI for Science 不只为迷信研讨提供了史无前例的动力，让科研环节变得愈加高效、精准，同时也从迷信研讨中吸取营养，始终推进着 AI 技术的边界拓展与才干优化。科研的路线永无止境，火山引擎也会继续深耕 AI 技术，拓展科研运行场景，以放开的心态，与科研上班者独特探求未知，解锁迷信的微妙。