封面新闻记者 边雪

当AI不再只是回答科研问题，而是开始参与提出研究方案、调用实验工具，甚至根据实验结果调整下一步研究，科学研究的方式也在发生变化。

10月22日，第二十三届中国计算机大会（CNCC2026）在成都举行。封面新闻记者在“天府·慧研—AI for Science科学智能分论坛”上获悉，四川省建设的“天府·慧研”人工智能赋能科技创新一体化平台正式上线，四川省科学技术厅一级巡视员陈学华出席并致辞，与四川大学教授章毅、四川省人工智能行业协会会长田云辉等共同启动平台。

从模型提出研究方案，到实验室开展验证，再到实验数据反过来优化模型，科研人员有望借助平台完成更高效的研究迭代。此前，科研人员使用AI工具往往面临模型专业性不足、算力资源有限、数据获取困难、实验验证周期长等问题。“天府·慧研”试图通过资源整合，打通科研过程中的多个环节。

平台发布。（主办方供图）

该平台以科学基础大模型为核心，整合国产算力、科学数据和干湿智能实验室，试图打通从模型预测到实验验证的科研链条，让科研从“反复试错”走向“智能迭代”。

从科学基础模型到专业智能体，AI开始参与科研任务

“天府·慧研”按照“1+3+N”模式建设，即以1个科学基础大模型为核心，以国产算力、科学数据、干湿智能实验室3大平台为支撑，拓展N个科研应用场景。

其中，科学基础大模型是平台的核心能力之一。据现场工作人员介绍，“天府·慧研”1.0科学基础大模型激活参数约350亿，依托材料、医疗健康等四川优势领域约200万篇专业语料，在国产算力平台上完成全栈适配和后训练。相关任务完成率可提升20%，算力消耗降低约70%。

在此基础上，平台联盟单位与上海人工智能实验室深化合作，打造材料、医药等专项智能体。这些智能体可围绕科研目标自主规划任务、调用知识和工具，将复杂科学问题转化为可执行、可验证的研究流程。

目前，平台已上线智能体广场。其中，材料数据查询智能体对接15万余种无机化合物的权威数据库。科研人员通过自然语言提问，即可进行条件筛选、对比统计和异常识别。材料文献检索、医学等领域的智能体也在陆续上线。

与通用AI工具相比，面向科学研究的模型和智能体需要处理更加专业的知识、数据与任务。如何让模型不仅能够回答问题，还能参与研究过程，是AI for Science发展的重要方向。封面新闻在现场获悉，“天府·慧研”大模型赋能科学研究场景于10月20日入选国家发展改革委等部门推出的首批标志性重大应用场景项目。

算力、数据、实验室协同，打通科研关键环节

科研智能化不仅需要模型，还需要算力、数据和实验条件的支撑。

针对科研算力需求，“天府·慧研”依托成都智算中心昇腾全栈技术体系，建设面向科学研究的国产化算力集群，通过统一纳管调度、按需分配、按量计费等方式，为科研人员提供算力服务。目前，平台算力规模已达408P，计划于年底扩展至600P。

据介绍，在数据方面，平台采用“一个综合性科学数据中心、多个领域科学数据中心”的架构，由四川省综合性科学数据中心统筹全省数据汇交、质量审核与共享服务。对于不宜出域的数据，平台仅登记目录，数据仍保留在原单位，通过“可用不可见”的方式供模型调用。

目前，四川省卫生健康信息中心、四川大学、中国科学院成都文献情报中心等单位已分别汇交医疗健康、材料和空间观测等数据。平台先期打造了200TB安全数据空间，材料领域已汇聚约100万条数据、约100万篇专业期刊论文，并形成纳米羟基磷灰石高通量体外表征数据集等高值数据集。

实验验证则是科研流程中另一个关键环节。“天府·慧研”通过干湿智能实验室建设，探索形成“模型提方案、实验室做验证、数据回流模型”的科研闭环。模型先行预测并筛选方案，实验室开展合成制备与表征验证，实验数据再回流模型，持续优化后续研究。

目前，实验室围绕聚合物、生物医用材料两个方向，已建成材料在线检测系统、全自动实验操作模块和高通量配方筛选装备，并研制机械臂高通量凝胶制备装备和72孔位纳米羟基磷灰石制备平台。

面向真实科研需求，推动AI从工具走向应用

平台建设的最终目标，是让人工智能真正参与科研任务，而非停留在模型调用和数据分析层面。据相关工作人员介绍，目前，“天府·慧研”已在联盟内部材料领域先行试用，围绕严重骨缺损修复、3D打印骨修复材料等临床需求对接攻关任务，并建成“3D打印磷酸钙陶瓷结构驱动烧结分析与决策系统”，以缩短从研究假设到结论的周期。

清洁能源、生物育种、轨道交通等领域也在梳理数据目录和能力清单。下一步，平台将进一步面向新材料、新药创制、清洁能源、低空智能等领域拓展应用场景。陈学华表示，“天府·慧研”一体化平台是四川在人工智能赋能科学研究方向上的一次重要探索，旨在把分散的科研资源连接起来，将人工智能真正嵌入科研全过程，为科研人员提供更便捷、更高效、更可靠的科研工具和基础支撑。

平台由四川省计算机研究院牵头，集聚四川大学、电子科技大学、天府绛溪实验室、成都智算中心和华为等联盟单位的成果共同建设。章毅告诉记者，平台按照“模型驱动、场景验证、闭环迭代”的思路建设，欢迎科研人员将最难的科学问题带到平台上来，共享高质量数据和实验条件。

从科学基础模型到专业智能体，从国产算力到智能实验室，“天府·慧研”正在尝试将原本分散的科研资源整合为一套协同体系。随着模型迭代、数据积累和应用场景拓展，人工智能能否进一步缩短科研周期、提升科学发现效率，将在具体科研任务中得以验证。

【未经授权，严禁转载！联系电话028-86968276】