7月17日，由中国科学院组织多个研究所联合打造的磐石·科学基础大模型2.0（ScienceOne Omni）在2026世界人工智能大会上正式发布。7月20日，中国科学院转载新华社报道，再次披露了这款科学大模型的技术路线与落地进展。

与面向通用问答的大模型不同，磐石2.0定位为服务科学任务的专用智能底座，希望同时解决两类长期存在的问题：通用模型具备较强语言理解能力，但在专业科学任务中不够深入；领域模型专业能力较强，却往往只能服务单一学科和有限任务。

## “通专一体”，让一个模型连接多门学科

磐石2.0采用“通专一体”的技术路线，将通用理解能力与科学专业能力放在统一模型中联合训练。官方介绍，模型能够跨越不同科学模态和任务，完成数据理解、知识推理、科学预测和专业内容生成。

这一方向的意义在于，科学研究通常不是单一问答，而是由文献检索、数据处理、仿真计算、假设生成和结果验证共同组成。科研人员真正需要的，不只是一个“知识库”，而是能够调用工具、理解证据链并参与完整研究流程的智能平台。

## 800万条科学推理数据，覆盖200多个科研任务

据官方披露，研发团队构建了800万条高质量科学推理数据，覆盖200多个科研任务，重点训练模型基于知识链和证据链开展推理。磐石2.0采用递进式技术架构，试图将跨学科数据解析、可靠知识推理和科学预测连接成完整链路。

配套平台还汇集了大量科学数据集、专业科研工具和技能库，并支持科研人员按需求定制专用模型与科研智能体。由此，科学大模型不再只是单一模型产品，而是逐渐演变为“模型+数据+工具+算力”的科研基础设施。

## 异构算力支撑高精度科学计算

在算力侧，磐石2.0构建“超算+智算+速算”三位一体的异构体系，用于分子动力学、量子化学等高精度仿真任务。传统生成式AI擅长语言与内容生成，但科学研究还要求数值计算准确、过程可追踪、结果可验证。将大模型与专业计算系统结合，有望缩短从科研设想到实验验证的周期。

目前，基于磐石2.0开发的文献罗盘、创新评价等智能体已经进入规模化应用。官方表示，该模型已应用于力学、天文、化学等科研场景，并推广至30余家高校、科研单位和央国企。

## AI for Science从工具走向科研协作者

科学大模型的竞争重点正在发生变化：不仅要“读懂论文”，还要能够组织证据、调用专业工具、完成仿真预测，并帮助研究人员验证结果。磐石2.0强调“通用能力与专业能力原生融合”，反映出AI for Science正从单点辅助工具走向综合科研协作者。

当然，科研场景对准确性和可解释性的要求远高于普通内容生成。模型给出的结论仍需经过实验、同行评议和专业人员验证。未来，科学大模型能否真正推动科研效率提升，将取决于数据质量、工具可靠性、计算资源和科学验证机制能否形成闭环。

来源：中国科学院、中国科学院自动化研究所、新华社。本文为AIcent基于公开资料的原创整理与分析。