2024 年，諾貝爾獎(jiǎng)的物理學(xué)獎(jiǎng)與化學(xué)獎(jiǎng)雙雙授予了與人工智能技術(shù)緊密相關(guān)的研究，這無疑為 AI 在科研領(lǐng)域的推動(dòng)作用提供了強(qiáng)有力的背書，進(jìn)一步彰顯了其不可或缺的重要性。

AI for Science 變得盛況空前。科學(xué)家們積極探索人工智能在科研領(lǐng)域的廣闊應(yīng)用與發(fā)展前景，科學(xué)研究也從經(jīng)驗(yàn)范式、理論范式、計(jì)算范式、數(shù)據(jù)驅(qū)動(dòng)范式，迎來了第五范式——智能科學(xué)。

在火山引擎副總裁張?chǎng)慰磥恚珹I 技術(shù)的出現(xiàn)，不僅加速了科學(xué)研究范式的根本性轉(zhuǎn)變，促進(jìn)了多學(xué)科研究之間的深度融合與協(xié)同發(fā)展，還極大地加速了科學(xué)發(fā)現(xiàn)的進(jìn)程。正是洞察到了科研領(lǐng)域需求側(cè)所發(fā)生的深刻變化，以及供給側(cè)大模型為 IT 領(lǐng)域帶來的多維度變革與新視角，火山引擎自 2022 年進(jìn)入到了科研領(lǐng)域，并且從生命科學(xué)領(lǐng)域切入，助力科學(xué)研究提質(zhì)增效。

火山引擎副總裁張?chǎng)?/span>

縱深科研，AI for Science 也可以“多快好省”

在生命科學(xué)領(lǐng)域，科研人員長(zhǎng)期面臨一系列嚴(yán)峻挑戰(zhàn)：過度依賴國外工具，學(xué)術(shù)研究結(jié)果可復(fù)性差，數(shù)據(jù)孤立且標(biāo)準(zhǔn)不統(tǒng)一，研發(fā)效率低下等問題，極大地阻礙了科研進(jìn)展。于是，火山引擎攜手合作伙伴共同推出了 Bio-OS 生物信息操作系統(tǒng)，將科研所需要的各類數(shù)據(jù)工具、流程配置和分析過程進(jìn)行封裝，希望可以像 PC 或移動(dòng)操作系統(tǒng)一樣，屏蔽底層復(fù)雜的技術(shù)，賦能上層應(yīng)用創(chuàng)新，從而構(gòu)建一個(gè)平臺(tái)化的生態(tài)系統(tǒng)。

張?chǎng)谓榻B道，“我們的思路就是打造一個(gè)面向生命科學(xué)行業(yè)的操作系統(tǒng)，其底層提供資源管理和數(shù)據(jù)管理能力，簡(jiǎn)化操作，降低使用門檻；而上層定義應(yīng)用標(biāo)準(zhǔn)，推動(dòng)開源開放的生態(tài)體系形成。”

經(jīng)過了兩年的快速迭代，Bio-OS 操作系統(tǒng)也實(shí)現(xiàn)了五大升級(jí)。一是 All in Workspace，使得科研過程與成果可分享、可追溯及可協(xié)同；二是引入智能助手，可以通過自然語言的方式使用 Bio-OS 平臺(tái)上的工具和創(chuàng)建工作流；三是將計(jì)算向數(shù)據(jù)靠攏，在一個(gè)平臺(tái)上完成數(shù)據(jù)的處理、計(jì)算和分析；四是利用云原生與分布式云技術(shù)，高效管理異構(gòu)算力資源；五是持續(xù)推動(dòng)社區(qū)和生態(tài)的建設(shè)，吸引更多人才加入生命科學(xué)領(lǐng)域，共創(chuàng)價(jià)值。通過五大升級(jí)，火山引擎為科研人員提供了更加便捷、高效、智能的科研平臺(tái)，促進(jìn)了技術(shù)創(chuàng)新與知識(shí)共享，推動(dòng)了生命科學(xué)領(lǐng)域的創(chuàng)新與發(fā)展。其中，Bio-OS 開源開放大賽作為推動(dòng)生態(tài)建設(shè)的重要舉措之一，第二屆 Bio-OS 開源開放大賽吸引了近 300 支團(tuán)隊(duì)參與，特別是AI算法打榜賽，更是激發(fā)了眾多團(tuán)隊(duì)的熱情。

鑒于不同科研領(lǐng)域具有共通性，火山引擎從生命科學(xué)出發(fā)，逐步抽象通用能力，推出了科研智算云解決方案。張?chǎng)斡谩岸嗫旌檬　彼膫€(gè)字概括了這一方案的特色。

多：火山引擎提供全棧產(chǎn)品體系，科研人員可以根據(jù)需求靈活組合產(chǎn)品，支持生物信息、藥物研發(fā)、材料科學(xué)、EDA 等多個(gè)科研場(chǎng)景。

快：依托火山引擎彈性調(diào)度與并行計(jì)算能力，顯著提升科研計(jì)算分析效率；同時(shí)，通過自動(dòng)化工作流，實(shí)現(xiàn)科研實(shí)驗(yàn)流程的自動(dòng)化執(zhí)行。

好：用戶體驗(yàn)友好。通過圖形化界面封裝復(fù)雜算法與工具，科研人員僅需簡(jiǎn)單配置與自然語言交互，即可完成技術(shù)架構(gòu)設(shè)計(jì)，極大簡(jiǎn)化了科研流程。

省：針對(duì)科研資源消耗大的問題，火山引擎通過海量算力資源的規(guī)模效應(yīng)以及資源內(nèi)外復(fù)用和削峰填谷，有效降低科研 IT 成本。

目前，火山引擎科研智算云解決方案已經(jīng)在多個(gè)科研場(chǎng)景中成功應(yīng)用。廣州實(shí)驗(yàn)室借助 Bio-OS 在生物信息領(lǐng)域?qū)崿F(xiàn)科研普惠化，序禎達(dá)在基因測(cè)序上的數(shù)據(jù)處理提速，百奧云快速構(gòu)建農(nóng)業(yè)基因育種平臺(tái)加速分析，分子之心借助火山引擎高性能計(jì)算資源及獨(dú)有的計(jì)算模型，快速完成新藥研發(fā)。這些成功案例不僅驗(yàn)證了火山引擎解決方案的有效性，也為科學(xué)研究的未來發(fā)展開辟了新的道路。

解鎖火山引擎 AI for Science 的“制勝法寶”

火山引擎作為一家云服務(wù)供應(yīng)商，在 AI for Science 方面的優(yōu)勢(shì)究竟又體現(xiàn)在何處呢？對(duì)此，張?chǎng)谓o出了清晰的解答。“火山引擎在 AI for Science 領(lǐng)域的優(yōu)勢(shì)可歸結(jié)為三大方面，堅(jiān)實(shí)的技術(shù)底座、深度的行業(yè)優(yōu)化以及前沿的科研應(yīng)用創(chuàng)新。”

科學(xué)研究離不開堅(jiān)實(shí)的基礎(chǔ)設(shè)施和IT技術(shù)能力的支撐。火山引擎打造了“三駕馬車”來構(gòu)建技術(shù)底座，即面向 AI 的全棧云，豆包大模型以及數(shù)據(jù)飛輪，這三者恰好對(duì)應(yīng)了人工智能時(shí)代三大要素，算力、算法和數(shù)據(jù)。在算力層面，火山引擎通過構(gòu)建軟硬一體的分布式云架構(gòu)，實(shí)現(xiàn)了異構(gòu)資源的統(tǒng)一調(diào)度與彈性擴(kuò)展，應(yīng)對(duì)科研場(chǎng)景下復(fù)雜多變的需求。在算法方面，豆包大模型憑借其強(qiáng)大的理解分析和推理能力，可以幫助科研人員完成海量的密集數(shù)據(jù)的智能分析工作。在數(shù)據(jù)方面，火山引擎具有豐富的數(shù)據(jù)經(jīng)驗(yàn)，從數(shù)據(jù)整理、存儲(chǔ)到分析的全鏈路管理，為科研人員提供有力支持。

其次，火山引擎深知科研領(lǐng)域的特殊性，在通用的基礎(chǔ)設(shè)施之上根據(jù)科研場(chǎng)景進(jìn)行了深度優(yōu)化，推出了有針對(duì)性的解決方案，助力科研人員提升科研效率與質(zhì)量。

此外，字節(jié)跳動(dòng)在科研領(lǐng)域的積累同樣不容小覷。其內(nèi)部的 AML（Applied Machine Learning）團(tuán)隊(duì)就設(shè)有專門負(fù)責(zé)科學(xué)計(jì)算的科學(xué)家，他們致力于量子化學(xué)、材料科學(xué)、物理學(xué)、生命科學(xué)等多個(gè)領(lǐng)域的研究。同時(shí)，ByteDance Research 團(tuán)隊(duì)也在機(jī)器人、具身智能等前沿領(lǐng)域不斷鉆研，探索發(fā)現(xiàn)科研領(lǐng)域的新趨勢(shì)與新機(jī)遇。

在科研領(lǐng)域，火山引擎不僅提供工程化的產(chǎn)品與技術(shù)，加速科學(xué)研究的進(jìn)程，還圍繞 AI for Science 進(jìn)行前沿探究。這使得火山引擎能夠更深入地理解科學(xué)家的需求，以更高遠(yuǎn)的視角審視科研領(lǐng)域的發(fā)展動(dòng)態(tài)，從而為客戶提供更加精準(zhǔn)、高效的解決方案與服務(wù)。

加速科研提效與知識(shí)發(fā)現(xiàn)的“四輪驅(qū)動(dòng)”

隨著科研邁入第五范式，生成式 AI 的快速發(fā)展正深刻改變著科研工作的工作方式。如何更加高效地發(fā)揮 AI 能力和潛力，助力科學(xué)研究提速增效？火山引擎提出了“四輪驅(qū)動(dòng)”戰(zhàn)略，即算力、數(shù)據(jù)、算法與知識(shí)。

張?chǎng)翁貏e強(qiáng)調(diào)了知識(shí)的重要性。很多企業(yè)將數(shù)據(jù)和知識(shí)混為一談，其實(shí)不然。數(shù)據(jù)是客觀的、原始的，而知識(shí)則是經(jīng)過深入理解和加工處理的主觀產(chǎn)物。從數(shù)據(jù)到知識(shí)的轉(zhuǎn)化，需要借助數(shù)據(jù)治理、構(gòu)建知識(shí)體系，并結(jié)合先進(jìn)的算法模型，才能產(chǎn)出真正的智慧。

當(dāng)前的大語言模型主要基于統(tǒng)計(jì)原理，往往缺乏對(duì)物理世界規(guī)則和知識(shí)的深入理解，因此存在諸多局限性，如經(jīng)典的“9.11 和 9.8 誰大”問題便暴露了其不足。因此，大模型也需要領(lǐng)域知識(shí)進(jìn)行增強(qiáng)。

在科研領(lǐng)域，知識(shí)的重要性更加凸顯。如何將科學(xué)家頭腦中的寶貴經(jīng)驗(yàn)以及實(shí)驗(yàn)設(shè)計(jì)流程的最佳實(shí)踐轉(zhuǎn)化為可量化的知識(shí)形態(tài)，成為亟待解決的問題。

張?chǎng)伪硎荆懔Α⑺惴ā?shù)據(jù)與知識(shí)之間緊密相連，共同構(gòu)成了科研工作的基石。遵循 DIKW（Data、Information、Knowledge、Wisdom）方法論，將這四個(gè)要素協(xié)同起來，是推動(dòng)科研工作不斷前進(jìn)的關(guān)鍵。

通過算力和數(shù)據(jù)分析，數(shù)據(jù)被轉(zhuǎn)化為信息，實(shí)現(xiàn)可追溯、可分享、可協(xié)作以及可傳承。在此基礎(chǔ)之上，算法與大模型的結(jié)合打造出科研 Copilot 和 Agent，助力科研人員迅速篩選出所需的能力和工具，完成知識(shí)的提煉。例如，火山引擎推出的科研助手，便能自動(dòng)化設(shè)計(jì)實(shí)驗(yàn)并調(diào)用相關(guān)工具，極大地提升了科研效率。

當(dāng)知識(shí)被提煉出來后，通過大模型與知識(shí)圖譜的結(jié)合，可以打造出知識(shí)聚合體，進(jìn)一步增強(qiáng)大模型的能力，使其從原本單純依賴數(shù)據(jù)驅(qū)動(dòng)變得更加“聰明”。這樣，算力、數(shù)據(jù)、算法與知識(shí)四輪協(xié)同轉(zhuǎn)動(dòng)，共同推動(dòng)科研工作邁向新的高度。

預(yù)見 AI for Science，布局未來

在這個(gè)科技日新月異的時(shí)代，AI 技術(shù)正在迅速滲透到科學(xué)研究的各個(gè)領(lǐng)域。AI for Science 正逐漸改變著科學(xué)研究的范式，推動(dòng)著科學(xué)探索的邊界不斷拓展。在展望 AI for Science 的未來發(fā)展趨勢(shì)時(shí)，張?chǎng)螝w納了五大特點(diǎn)。

首先，AI 推理能力將會(huì)顯著提升，其回答內(nèi)容具有更強(qiáng)的可靠性和可追溯性，為科研人員提供堅(jiān)實(shí)的數(shù)據(jù)支撐。

其次，多模態(tài)數(shù)據(jù)融合的需求日益迫切。科研領(lǐng)域涉及多種類型的數(shù)據(jù)，如何有效地融合多模態(tài)數(shù)據(jù)，以獲取全面且深入的信息，是至關(guān)重要的。

第三，通用 AI 與實(shí)驗(yàn)科學(xué)的深度融合。將 AI 技術(shù)引入了實(shí)驗(yàn)過程的每一個(gè)環(huán)節(jié)，從實(shí)驗(yàn)過程監(jiān)控到實(shí)驗(yàn)結(jié)果調(diào)整優(yōu)化，AI 都能發(fā)揮重要作用，從而推動(dòng)實(shí)驗(yàn)科學(xué)的快速發(fā)展。

第四，構(gòu)建更加開放共享的平臺(tái)和生態(tài)，方便科研人員獲取和使用數(shù)據(jù)，同時(shí)促進(jìn)不同機(jī)構(gòu)之間的聯(lián)動(dòng)合作，共同推動(dòng)科學(xué)研究的進(jìn)步。

最后，倫理和法律問題也是不容忽視的一環(huán)。在保障數(shù)據(jù)隱私性和可靠性的前提下，AI for Science 才能穩(wěn)健前行，為科學(xué)研究注入源源不斷的動(dòng)力。

針對(duì)這些未來趨勢(shì)，火山引擎將重點(diǎn)在兩個(gè)方面發(fā)力。一方面，火山引擎將在廣度上進(jìn)行拓展，深入研究材料科學(xué)、化學(xué)、天文等多個(gè)領(lǐng)域，為更多企業(yè)和科研機(jī)構(gòu)提供加速研究的支持。另一方面，在技術(shù)層面，火山引擎將優(yōu)化大模型能力，不僅通過算法助力科研，還將物理世界的規(guī)則和前沿規(guī)律等知識(shí)注入大模型中，實(shí)現(xiàn) AI for Science 與 Science for AI 的有機(jī)結(jié)合，形成相互促進(jìn)的飛輪效應(yīng)。

AI for Science 不僅為科學(xué)研究提供了前所未有的動(dòng)力，讓科研過程變得更加高效、精準(zhǔn)，同時(shí)也從科學(xué)研究中汲取養(yǎng)分，不斷推動(dòng)著 AI 技術(shù)的邊界拓展與能力提升。科研的道路永無止境，火山引擎也會(huì)繼續(xù)深耕 AI 技術(shù)，拓展科研應(yīng)用場(chǎng)景，以開放的心態(tài)，與科研工作者共同探索未知，解鎖科學(xué)的奧秘。