GPT时代：AI驱动科研规模化变革与新模式研讨会

当人工智能与基础科学深度融合，科学发现的新范式正在开启。当前，面向AI for Science的关键基础设施已逐步成形，规模化、智能体驱动的科学研究从概念走向现实的时机已经成熟，科学研究正迎来它的“GPT”时刻！

1月29日下午，由上海交通大学人工智能学院与上海算法创新研究院联合主办的“Agentic Science at Scale——AI4S科学基座模型和通用科研智能体研讨会”在上海徐汇区模速空间多功能厅举行。会议面向产学研各界集中展示AI for Science科研基础设施整体能力，重磅发布科学基座模型Innovator、科研智能体SciMaster等核心成果，并通过产学研战略签约打通科研智能化、规模化的“最后一公里”，“Agentic Science at Scale”时代正式开启。

中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南主持开幕式并作主旨报告，系统阐释了科研智能化、规模化时代的底层能力架构与实施路径。他指出，AI for Science的关键基础设施已逐步成形，科研新范式正在开启。

图为中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南主持会议开幕式并作《Agentic Science at Scale》主旨报告。

在“科研基础设施与科研智能体成果介绍”环节，来自高校与科研机构的专家学者集中发布了AI for Science科研基础设施的关键能力模块，系统展示端到端的“科研生产闭环”。

上海交通大学副教授、上海赛兰德智能科技有限公司创始人兼首席科学家陈思衡介绍了通用科研智能体SciMaster。该智能体旨在实现全学科“搜、读、算、做、写”全流程闭环，依托海量工具调用与超长程上下文管理两大能力，可大幅提升科研效率——其6小时运行成果相当于资深理论物理学博士1至3个月的工作量。通过“用户+开发者”双轮驱动，SciMaster正推动科研从“小作坊”向“规模化”跃迁。

上海交通大学助理教授张林峰发布Innovator科学基座模型。该模型聚焦科学多模态感知、科学推理与科学工具调用三大目标，支持20多种科学模态，并具备优异的通用视觉理解能力。在科学推理方面，其编程能力甚至超越参数量大30倍的模型。同时，模型能够理解、选择与调度万级工具模块，实现跨学科任务的稳定交付。

中国科学院理论物理研究所副研究员陈锟团队发布SciencePedia科学基座。它不仅整合了300万条长思维链与3万多款科研工具，更构建了可溯源的推理网络，将分散的知识连接为逻辑体系，从而帮助基座模型与智能体突破互联网语料的认知边界，推动科学发现从“信息堆叠”走向“逻辑贯通”。

深势科技创始人张林峰展示Agent-ready at Scale科研工具体系。该体系对读、算、做等基础设施进行全面整合，并将海量科研软件自动化封装为智能体可调用的能力单元，显著降低使用门槛，释放工具潜力，为基于智能体的大规模科研协作提供关键支撑。

上海创智学院全时导师、华东师范大学教授朱通发布面向真实科研流程的AI for Science评测系统。他提出“动态评测、过程评测与实战任务评测”三层框架，以闭环验证、标准化可追溯为原则，构建具有公信力的科学智能评测基础设施，为科研组织升级与产业化提供度量标尺。

此外，赛兰德智能科技CEO张与之介绍了玻尔+SciMaster科研智能体开发大赛及获奖名单。大赛吸引44所高校的160余支队伍参与，作品覆盖科研全流程，有效检验了智能体在真实场景中的应用能力。

在“Agentic Science先行者科学家圆桌论坛”环节，多位专家学者围绕科研智能体如何重塑科研流程、实现跨学科协同、推动能力复用等议题展开深入讨论。大家一致认为，科研智能体的规模化发展正推动科研体系在方法、工具与组织方式上发生系统性变革。

圆桌论坛：先行者共议范式迁移，推动“Agentic Science”走向规模化。

最后，鄂维南院士以“范式迁移”为主题总结指出，随着科研基础设施不断完善、模型与智能体能力持续增强，科学研究将进入更系统化、规模化的新阶段，“Agentic Science at Scale”将成为人工智能时代科研范式变革的重要里程碑。