沂景资本投资企业思朗科技成功入围2026世界人工智能大会SAIL奖30强
思朗科技凭借“面向AI4S的超智融合一体化平台”入围2026世界人工智能大会SAIL奖TOP30。该平台基于自主原创MaPU架构,推出“天穹”3D科学计算机,解决算力碎片化与异构调度难题,已批量部署并服务超200个科研团队。思朗科技已完成IPO辅导验收,有望冲击“科学智能第一股”。
近日,2026世界人工智能大会暨人工智能全球治理高级别会议(WAIC 2026)迎来倒计时30天。在上海举办的发布会上,本届SAIL奖(卓越人工智能引领者奖)TOP30入围名单正式揭晓。思朗科技凭借其“面向AI4S的超智融合一体化平台”成功入选,引发业界广泛关注。
本次思朗科技申报的项目,直击AI4S(科学智能)领域长期存在的两大核心痛点:算力架构碎片化严重、异构算力调度效率低下。简而言之,科学智能的迅猛发展,正倒逼底层基础设施发生根本性变革。该项目不仅代表了我国在科学智能算力基础设施领域的一次重大探索,也折射出AI4S已成为本届WAIC重点聚焦的技术方向之一。

时间回溯至2021年,思朗科技在B轮融资阶段获得了重要资本方的认可。当时的投资逻辑非常清晰:科学智能的发展,并非仅仅追求模型规模扩大与参数堆砌,更核心的问题在于算力底座能否支撑其需求。围绕自主芯片架构与科学计算平台等关键基础设施持续创新,才是推动AI4S产业落地的真正动力——如今,这一判断正逐步被市场验证。
据证监会官网信息显示,思朗科技已顺利完成IPO辅导验收。这家成立十年、脱胎于中国科学院自动化研究所的上海科技企业,如今正稳步迈向资本市场,有望冲击“科学智能第一股”。此次入围SAIL奖TOP30,无疑进一步巩固了其在科学智能算力基础设施领域的行业地位。
作为世界人工智能大会的最高奖项,SAIL奖始终秉持“超越、赋能、创新、引领”的严苛评选标准。从本届TOP30入围项目的整体布局来看,人工智能的产业竞争正在进一步向底层基础设施延伸:科学智能(AI4S)、国产GPU、光互连等方向,已成为今年的重要关注焦点。
近年来,人工智能正加速从通用大模型向生命科学、新材料、能源等科研领域渗透。AI4S已成为全球人工智能发展的主要趋势之一。然而,传统CPU和GPU主要面向通用计算场景设计,在应对复杂科学计算任务时,往往难以兼顾效率、精度与能耗。因此,能够同时满足自主可控和高性能需求的新型科学计算基础设施,正成为产业竞争的新高地。
思朗科技的技术核心,是一套100%自主原创的MaPU架构。该架构与传统CPU、GPU的设计思路截然不同——它融合了ASIC的高效率与通用处理器的可编程能力,通过自主设计指令集实现软件定义硬件,在科学计算的性能与灵活性之间找到了良好平衡。基于这一架构,思朗科技推出了国内首款面向科学智能的3D科学计算机“天穹”,采用三维立体互联计算网络,特别适用于三维空间物质仿真等复杂任务,显著提升了数据传输效率与计算性能。
图为面向AI4S的算力底座:思朗科技“天穹”3D科学计算机
据新华财经报道,思朗科技团队选取了国际权威分子动力学软件GROMACS、AMBER,在“天穹”上开展了一系列精度性能验证,覆盖蛋白质折叠、膜蛋白结构等多个维度。结果显示,“天穹”输出的数据与国际主流软件高度吻合,均方根偏差(RMSD)普遍控制在2埃以内——这个单位有多精细?大约相当于一根头发丝直径的十万分之一。可以说,该成果已达到国际公认的科学计算精度标准。
目前,思朗科技已在全国范围完成“天穹”3D科学计算机的批量生产与部署。其中,湖北孝感与思朗科技合作共建的长江3D科学计算中心,是“天穹”在国内首个实现商业化运营的超算中心,早在2023年就已投入运营。迄今,该中心已服务全球超过200个顶尖科研团队与创新机构,累计为生物医药、新材料等领域的20多家企业提供算力与技术支撑。
从投资视角来看,思朗科技入围SAIL奖TOP30,不仅是对其技术实力的官方认可,也从侧面印证了一个重要趋势:AI产业的竞争正从应用层向底层基础设施持续延伸。随着AI4S进入加速发展期,那些拥有自主核心架构与产业化能力的创新企业,有望在新一轮人工智能浪潮中扮演更加关键的支撑角色。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:沂景资本投资企业思朗科技成功入围2026世界人工智能大会SAIL奖30强要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点在企业内部跑一个 LLM 工作流的时候,几乎所有失败都是廉价的:重试、回退,甚至直接忽略都行。可一旦把这个工作流挂到客户的 API 或 MCP 服务器后面,容错空间就瞬间归零。此时唯一重要的事情是:客户拿到正确、可用的结果了吗?他们的流程依赖于你交付的结果。由他们——而不是你——来决定什么算“交付”
每周都感觉自己像陈平安,在浩瀚的信息海洋里打捞那些优美的句子。他是一笔一画刻在竹简上,我是一字一句收藏在备忘录里。然后挑个晴日,翻出来重新翻阅品味、细细朗读。 这就是“读”。心中有话忍不住对这个世界倾诉,那就是“说”。 读 机器正在学习我们的语言,因此我们不再需要学习它们的语言。 从本质上讲,世界是
从“唯模型论”到“数据说了算” 面对一个新问题,很多人会不假思索地选择眼下表现最好的模型。这是人之常情。在当下这个节点,极限梯度提升几乎成了“靠谱”的代名词,而它也确实在许多任务中战功赫赫。 所以,当你看到我拿五个分类器在同一个任务上做对比,而那个只有一行代码的线性模型居然赢了Kaggle冠军时——
这篇内容源自 Iliad Fellowship 项目,由 Dmitry Vaintrob 指导完成。 太长不看版: 幂律(即“重尾”)分布与正态分布类似,背后同样存在某种“通用性定理”作为支撑。在机器学习领域,诸多现象都遵循幂律分布,其中权重矩阵的谱分布最为稳健、也最值得深入探讨。本文的核心观点是:
- 日榜
- 周榜
- 月榜
热点快看
