凝望海拔4500米的青藏高原冰川，AI大模型正在深入理解“亚洲水塔失衡”对能源粮食生产的影响；距离地球38万公里的月球表面，大模型正在智能分析判断月球撞击坑的形态、大小、年代；在兴隆观测站，“会思考”的天文望远镜阵列已开启自主观测新时代……
这并非科幻场景，而是中国科学院的科研团队以AI重构科研范式的现实突破。在国家“人工智能+”行动的号角下，这场始于技术、终于认知的科技革命，正在重塑人类探索世界的范式。
AI驱动科学创新从工具的革命到革命性的工具
AI驱动科学创新
毫无疑问，AI是引领当前新一轮科技革命与产业变革的战略性技术。2025年政府工作报告中指出，要持续推进“人工智能+”行动，支持大模型广泛应用。
在科学领域，人工智能驱动的科学研究（AI4S），是落实和响应国家《新一代人工智能发展规划》，加速我国科学研究范式变革和能力提升，提升我国科技创新能力、抢占全球科技制高点的重要支撑。
日前，中国工程院院士、之江实验室主任、阿里云创始人王坚表示，“赋能”这个词低估了人工智能对科学的颠覆，人工智能不是一次工具的革命，而是一次科学革命的工具或者是科学革命性的工具。
这是一个由计算、数据驱动和基于大模型的协同密不可分的时代，AI对于生成科学假设、进行科学实验、分析科学数据、发现科学规律等都发挥着革命性的作用，大大提升了科学研究的速度、广度、深度和精度，呈现了蓬勃发展的势头。
AI技术能力的突破，正在重塑科学研究的方式和边界。作为战略科技力量，中国科学院在这一轮科技创新变革中不断强化“国家队”“国家人”“国家事”“国家责”的定位，加速科研创新，进一步拓展大模型在深空、深地、深海等国家重大战略需求和前沿科技领域的应用，推动科研成果向产业端高效转化，为我国科技自立自强与数字经济高质量发展注入新动能。
中国科学院的AI4S智能远征
上天、入地、下海
耀斑，太阳最剧烈的活动现象之一，每隔11年就会有大爆发。一次典型的X级耀斑，能在几十分钟时间里释放出相当于100亿颗氢弹同时爆炸所释放的能量。
为了破解耀斑爆发之谜，过去很多科学家从耀斑演化的物理过程进行研究，希望透过物理机理寻找爆发先兆。近年来，学者们从数据驱动角度出发，用统计方法、机器学习、深度学习等技术开展研究。然而，随着观测数据的不断积累和数据特征维度的不断增加，模型拟合与模式发现对算法规模的要求越来越高，研究人员亟需对海量多模态数据进行有效处理以探索太阳耀斑之谜。
大模型能预测太阳耀斑吗？
中国科学院国家天文台的科研人员，以“开展前沿科学研究”为主要目标，正在探索用AI技术向太阳这颗火热的恒星寻求更多科学要义。研究员林佳本介绍说，怀柔观测基地拥有目前世界上持续时间最久的太阳矢量磁场观测资料，每一幅太阳观测图像都可以转化为“一段语言描述”，而大语言模型在预测“下一段语言文字”方面具有良好的准确率，他们要做的是引导大模型对观测数据进行准确地描述、分析，进而实现模式、趋势的发现和预测。
金乌·太阳大模型应运而生。在Qwen2系列模型的基础上，国家天文台科研团队通过监督学习、强化学习，训练模型“能够理解、回答太阳物理问题”和“能够认识、分析太阳图像”等基本能力。
图示：金乌网络结构图
在耀斑预测方面，研究团队以SDO卫星公开数据、怀柔基地35厘米磁场望远镜数据和夸父一号（ASOS）全日面矢量磁像仪数据为主要数据源进行训练和测试。最终模型展现了卓越的性能，尤其是在X级耀斑的预测上，达到了95%的准确率和100%的真实阳性率。
对中国科学院的科研人员来说，做学问、做研究是他们的本分，分担国家重大任务是责任，为国民经济服务是目标。在追日问天的同时，阳光下泛着冷冽蓝光的青藏高原冰川，西太平洋的南海碧波之下，一代又一代的科研人员在不断坚守国家生态安全屏障。
青藏高原，是世界屋脊、亚洲水塔，是地球第三极，同时也是未来全球气候变化影响中不确定性最大的地区之一。
过去五十年，青藏高原气候变暖幅度是同期全球平均值的2倍，这不仅改变了冰川等固态水与湖泊、河流等液态水的库存比例，还因区域大气环流的变化重塑了青藏高原水体的空间分布格局。这种现象被称为“亚洲水塔失衡”。这一变化会加剧水资源供给、能源供需以及粮食生产之间的不确定性。这三者之间相互依存、相互影响的关系被称为“水-能-粮耦合”。
面对这一现实挑战，中国科学院青藏高原研究所联合阿里云自主研发了首个专注于气候变化适应领域的水-能-粮多模态推理大模型——洛书。
该模型集成训练并整合了科研人员自主研发的可解释AI驱动水能耦合模型“思源”（Hydro Trace），通义千问最新推理模型Qwen-QwQ和通义千问多模态大模型Qwen2.5-VL。它不仅能够描绘水文过程时空变化，对关键来水点径流进行时空溯源和量化归因，还能基于溯源归因数据开展大模型推理，动态支持跨越多个时空尺度的水-能-粮系统联动分析，为产业用户提供个性化的气候适应策略沙盘推演生成与验证服务。
洛书模型的核心创新在于其时空特征注意力算法。融合该算法的思源模型在青藏高原复杂水文环境下的多点模拟准确率高达98%，在未见数据上的泛化能力更超越了许多传统水文预测方法的模拟水平，此外，相比传统水文模型耗时数周乃至更长的调参成本，其训练只需花费3个多小时。
视频：洛书时空注意力可视化
洛书主要作者、中国科学院青藏高原研究所助理研究员夏萃慧介绍，研究团队已与西藏自治区及能源产业的龙头企业联合开展了洛书大模型的内测工作。未来，团队将进一步优化模型设计，以服务能源产业区域一体化时空调度的需求，共同为区域高质量发展贡献“算法优化资源”的新质生产力。
把视线转向南海碧波之下，中国科学院南海海洋研究所的珊瑚礁研究正在经历一场“模力觉醒”。作为西太平洋最大的边缘海，南海拥有广泛发育的珊瑚礁生态系统，珊瑚礁生态系统是地球上生物多样性最高的生态系统之一，被誉为海洋中的“热带雨林”。
但目前在日趋严峻的全球变暖和人类影响的双重胁迫下，全球的珊瑚礁生态系统都处于严重衰退的状态，南海的珊瑚礁亦是如此。珊瑚礁生态系统不仅是全球变化的“受害者”，同时珊瑚礁本身能够高分辨率记录气候环境信息，也是研究过去气候变化和预测未来全球变化的优良载体。
然而，当前珊瑚礁研究面临诸多挑战。以国际通行的珊瑚礁调查截线样条法（Line Intercept Transect，简称LIT）为例，这一方法要求拍摄大量断面视频、珊瑚种属照片以及珊瑚礁底质样方照片。这些数据的分析和判读高度依赖人工操作，不仅对研究人员的经验和知识要求极高，还极其耗费时间和人力。分析一段10分钟的截线样条视频至少需要12小时，而判读一个1米×1米的样方则需耗时6小时以上。传统方式的效率低下、成本高昂且容易出错，已成为制约珊瑚礁研究发展的瓶颈。
面对这一难题，中国科学院南海海洋研究所杨红强研究员团队依托十年积累的海量数据——包括大量珊瑚礁断面视频和超过100万张水下照片——开启了人工智能驱动的研究范式转型。他们发现，大模型在图像和视频处理领域已展现出卓越的能力，尤其是在图像识别与分割任务中的成熟应用，为智能化分析珊瑚礁影像数据提供了全新的解决方案。
基于此，研究团队联合阿里云Qwen2-VL多模态大模型，开发了名为“瑶华”的珊瑚礁多模态大模型。该模型通过深度学习技术，实现了对珊瑚种类、覆盖率及底质组成的智能识别与健康评估。目前，“瑶华”已在11万张照片对43个珊瑚属的识别任务中取得突破性进展，整体准确率高达88%，效率较传统人工判读提升数十倍。
“瑶华”的诞生，不仅显著提高了数据分析的速度和精度，还通过结合Segment Anything Model（SAM）等先进图像分割技术，实现了对珊瑚覆盖度及其时空分布特征的精确量化。此外，模型能够整合生物多样性指标、物种丰度和功能群组成等多维度信息，为珊瑚礁生态系统的动态监测和健康评估提供了强有力的技术支持。
展望未来，杨红强研究员表示：“我们的目标不止于此，下一步我们将进一步挖掘‘瑶华’的数据整合与多模态分析潜力，将其应用从基础的图像和视频识别，拓展至更深层次的气候预测与全球变化模拟。”他强调，大模型有可能将珊瑚礁从被动的“环境记录载体”转变为积极的“全球变化模拟器”，从而为应对气候变化提供革新性的决策维度。通过将珊瑚礁研究与人工智能深度融合，“瑶华”有望推动珊瑚礁研究范式的转变，从传统的经验驱动迈向数据驱动，进而为脆弱的珊瑚礁生态系统的保护与管理开辟创新的路径。
从智能计算到开源创新
中国科研创新加速的背后力量
科研是基础创新的来源，是国家竞争力的体现。今年是“十四五”收官与“十五五”谋划的关键之年，中国科学院与阿里云的战略合作持续深化，双方通过云计算、大模型等前沿技术，加速科研范式变革，推动大模型在基础研究与产业应用中的深度融合。
目前，阿里云正以AI为中心，全面重构底层硬件、计算、存储、网络、数据库、大数据，与AI场景有机适配、融合，加速模型开发和应用，并为全国超过50%的985院校和重点科研机构提供技术体系支撑，深度参与教育科研创新。
在普惠的AI基础设施的助力下，越来越多的科研人员能够拥有和科技巨头一样的计算平台，突破科研算力供需不匹配、资源分散、梯次覆盖不足的现实问题，让研究真正进入计算驱动的时代。
与此同时，以通义模型开源家族为基底，中国科学院体系正在形成跨学科交叉创新、开放开源的科学创新模式，并催生出独特的“大模型裂变效应”。从天空到海洋，从冰川到珊瑚，从自然到社会人文，开源基座与垂直场景的化学反应，使得科研领域的垂直模型研发周期缩短60%以上。这种“通用能力+领域知识”的双轮驱动，正在成体系地孵化科研大模型矩阵，不断拓展科学研究边界。
在算力普惠、模型开源和生态社区的合力下，中国科学院与阿里云的合作正在缔造科研创新的“中国模式”。这里有全球领先的AI基建，有全尺寸、多模态的开源模型族群与深厚的科学积淀碰撞，有开源生态与顶尖智力的共振，更有面向人类共同挑战的科技担当。
未来已来，我们正在见证科学范式变革，而这次，中国科学家站在了浪潮之巅。
