赛思极限CEO徐楠：以“通专一体”科学基础模型推动科研范式重塑

随着科学问题日益复杂、科研数据快速增长，传统科研方式面临效率瓶颈，AI for Science正推动科学研究从经验驱动走向数据与模型驱动。 7月18日，在WAIC2026中科闻歌决策大模型系列产品发布暨人工智能与决策大模型论坛上，中国科学院自动化研究所研究员、赛思极限CEO徐楠博士介绍了磐石2.0的最新技术进展与应用案例。 作为业界领先的“通专一体”科学基础模型，磐石2.0实现了通用知识推理能力与专业科学能力的原生融合，为复杂科学与工程问题提供统一、高效的智能求解能力。 提出“通专一体”技术路径 徐楠表示，当前AI for Science基础模型主要形成三条技术路径：一是以AlphaFold、ESM为代表的场景专用模型，围绕特定科研任务构建高性能模型；二是通过智能体和科研工具增强通用大模型科学能力；三是将蛋白质、DNA等科学对象映射到统一语言空间的领域语言模型。 这些路径已在多个科研场景中展现价值，但在科学机理与数据融合、推理逻辑性和结果可解释性等方面仍存在共性挑战。 针对这些问题，磐石2.0提出第四条技术路径——“通专一体”，即重构模型底层架构，将通用知识推理能力与专业科学能力原生融合、联合训练，通过一个模型实现不同科学和工程问题的高质量求解。 “磐石2.0不是一次简单的模型升级，而是我们对AI for Science基础模型技术路线的一次重新思考。”徐楠说。 磐石2.0的基座模型ScienceOne-Omni采用三层架构：第一层对文本、材料晶体结构CIF、化学分子表达式SMILES、蛋白质、光谱和科学图像等多种科学数据进行统一编码；第二层将科学规律和专家经验融入模型训练，增强科学推理的逻辑性与可解释性；第三层针对不同领域任务进行定向解码，使一个模型能够完成科学数据理解、知识推理、性质预测和结构生成等多类任务。 模型能力背后，是磐石团队联合中国