賽思極限CEO徐楠：以“通專一體”科學基礎模型推動科研范式重塑

隨著科學問題日益復雜、科研數據快速增長，傳統科研方式面臨效率瓶頸，AI for Science正推動科學研究從經驗驅動走向數據與模型驅動。

7月18日，在WAIC2026中科聞歌決策大模型系列產品發布暨人工智能與決策大模型論壇上，中國科學院自動化研究所研究員、賽思極限CEO徐楠博士介紹了磐石2.0的最新技術進展與應用案例。

作為業界領先的“通專一體”科學基礎模型，磐石2.0實現了通用知識推理能力與專業科學能力的原生融合，為復雜科學與工程問題提供統一、高效的智能求解能力。

提出“通專一體”技術路徑

徐楠表示，當前AI for Science基礎模型主要形成三條技術路徑：一是以AlphaFold、ESM為代表的場景專用模型，圍繞特定科研任務構建高性能模型；二是通過智能體和科研工具增強通用大模型科學能力；三是將蛋白質、DNA等科學對象映射到統一語言空間的領域語言模型。

這些路徑已在多個科研場景中展現價值，但在科學機理與數據融合、推理邏輯性和結果可解釋性等方面仍存在共性挑戰。

針對這些問題，磐石2.0提出第四條技術路徑——“通專一體”，即重構模型底層架構，將通用知識推理能力與專業科學能力原生融合、聯合訓練，通過一個模型實現不同科學和工程問題的高質量求解。

“磐石2.0不是一次簡單的模型升級，而是我們對AI for Science基礎模型技術路線的一次重新思考。”徐楠說。

磐石2.0的基座模型ScienceOne-Omni采用三層架構：第一層對文本、材料晶體結構CIF、化學分子表達式SMILES、蛋白質、光譜和科學圖像等多種科學數據進行統一編碼；第二層將科學規律和專家經驗融入模型訓練，增強科學推理的邏輯性與可解釋性；第三層針對不同領域任務進行定向解碼，使一個模型能夠完成科學數據理解、知識推理、性質預測和結構生成等多類任務。

模型能力背后，是磐石團隊聯合中國科學院相關研究所構建的800萬條高質量科學推理數據，覆蓋200余項科研任務。團隊將科學家的思維方法轉化為模型推理準則，構建可驗證的推理鏈路，讓模型學會沿著知識鏈和證據鏈解決科學問題。

在60余項專業科研評測中，磐石2.0在多數任務上顯著超越Gemini-3.1 Pro、GPT-5.5等通用旗艦模型，并在化學性質預測、譜到分子結構預測、蛋白質位點預測等任務上領先領域專用模型，驗證了“通專一體”科學基礎模型的泛化能力。

一個模型覆蓋多類科研任務

在譜數據理解中，ScienceOne-Omni能夠識別譜圖中的特征峰及峰形變化，逐步完成官能團歸屬、跨譜關聯和子結構推理，最終實現從譜信號到分子結構的解析。

在化學與材料性質預測方面，模型通過統一編碼CIF與SMILES，學習晶體結構、空間對稱性、分子構型、電子結構與材料性質之間的映射關系。在同一框架下，模型可以支持量子化學、分子物化、藥物ADMET和材料篩選等48類場景，為候選結構篩選和研發決策提供支撐。

在結構生物學領域，模型能夠從蛋白質序列出發，理解其結構與功能特征，完成蛋白質、DNA、抗體和抗原等七類結合位點預測任務，并在多個公開數據集上取得SOTA效果。

針對科學圖像，ScienceOne-Omni采用“先思考、后生成”的推理范式，實現科學圖像理解、生成與編輯一體化，并在科學圖像分割、翻譯、超分辨率等任務上取得領先效果。

從模型能力走向科研一線

目前，ScienceOne已在數十家科研單位推廣，賦能百余個科研場景。

在力學領域，磐石團隊與中國科學院力學研究所聯合開發流體高通量計算軟件，推動流體仿真從“網格生成、迭代求解、長周期驗證”走向“無網格、秒級響應、高通量評估”。系統可在10秒內輸出仿真結果，將誤差控制在5%以內。

在材料領域，團隊與中國科學院上海硅酸鹽研究所聯合構建催化劑材料創制智能體，通過意圖理解、流程編排、工具選擇和反思迭代，打通材料設計、結構評估、制備和實驗驗證全流程。與傳統高通量篩選相比，系統將材料設計時間從數月縮短至30分鐘以內，并成功發現新型催化劑，使催化活性提高38%。

團隊還與中國科學技術大學合作，以磐石為底座驅動機器科學家系統。科研人員輸入創制需求后，系統可以自主拆解任務，調度文獻挖掘、實驗設計、機器操作、計算模擬和智算優化五類智能體協同運行。目前，該系統已完成462組樣品合成表征和千萬量級虛擬篩選，排名前20的候選材料中，約四成性能優于原有樣品，并已穩定運行超過1500小時。

從“工具輔助”邁向“智能體協同科研”

為打通科學研究中的“數據—計算—推理—實驗”全流程閉環，磐石團隊聯合中科聞歌構建了一體化科研智能平臺ScienceOne.ai。目前，平臺已接入2000余項MCP，沉淀3000余個可復用科研技能，覆蓋數十個科研領域。

科研人員可以根據具體任務快速組裝適用的科研智能體，獲得從知識檢索、數據分析、計算模擬到實驗設計的定制化支持，推動科研模式從“工具輔助”走向“智能體協同科研”。

徐楠表示，未來，ScienceOne將持續拓展學科覆蓋范圍，深化與全球學術共同體的開放合作。隨著科學數據、基礎模型、科研工具與智能體系統進一步融合，AI有望成為貫穿問題提出、方案設計、計算推演和實驗驗證全過程的科研伙伴，為科學發現打開更多可能。