中国科学院科研团队借助AI技术重构科研范式并取得现实突破的情况。在国家“人工智能 +”行动的推动下，中国科学院进一步拓展大模型在深空、深地、深海等领域的应用。文中详细介绍了在太阳耀斑预测、青藏高原冰川研究、南海珊瑚礁研究等方面的成果，以及与阿里云合作加速科研范式变革的举措。
从河北兴隆观测站那神秘而静谧的夜空守望，到海拔4500米的青藏高原冰川那泛着冷冽蓝光的壮美奇景，再到距离地球38万公里的月球表面那充满未知的荒芜之地……中国科学院的科研团队，正以前所未有的勇气和智慧，运用AI技术重构科研范式，并在现实中取得了令人瞩目的突破。
当时代的车轮滚滚向前，未来已然悄然降临。在国家“人工智能 +”行动那振奋人心的号角声中，这场始于前沿技术、终于深度认知的科技革命，正如同一场汹涌澎湃的浪潮，重塑着人类探索世界的传统范式。
2025年政府工作报告明确提出，要持续坚定不移地推进“人工智能 +”行动，全力支持大模型的广泛应用。中国工程院院士、之江实验室主任王坚曾深刻指出，“人工智能并非仅仅是一次普通的工具革命，而是一场科学革命的关键工具，具有科学革命性的重大意义。”随着AI技术能力的不断突破，科学研究的方式和边界正在被重新定义和拓展。
作为国家战略科技力量的中流砥柱，中国科学院在这一轮科技创新变革的浪潮中，进一步加大力度拓展大模型在深空、深地、深海等国家重大战略需求和前沿科技领域的广泛应用。不仅如此，还积极推动科研成果向产业端的高效转化，为我国科技自立自强与数字经济高质量发展注入了源源不断的新动能。
“上天”
耀斑，作为太阳最剧烈的活动现象之一，一直以来都像一个神秘的谜题，吸引着无数科学家的目光。近年来，为了破解耀斑爆发之谜，学者们从数据驱动的全新角度出发，运用统计方法、机器学习、深度学习等先进技术开展了深入研究。然而，随着观测数据的持续不断积累和数据特征维度的日益增加，模型拟合与模式发现对算法规模的要求也越来越高。人们不禁要问，大模型究竟能否预测太阳耀斑呢？
中国科学院国家天文台的科研人员，怀揣着“开展前沿科学研究”的崇高目标，毅然踏上了用AI技术向太阳这颗火热恒星探寻更多科学要义的征程。于是，金乌·太阳大模型应运而生。在Qwen2系列模型的坚实基础上，国家天文台科研团队通过精心的监督学习、强化学习，赋予了模型“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。
金乌网络结构图。阿里云供图
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，进行了大量的训练和测试。最终，模型展现出了卓越非凡的性能，尤其是在X级耀斑的预测上，达到了令人惊叹的95%的准确率和100%的真实阳性率。
“入地”
对于中国科学院的科研人员来说，做学问、搞研究是他们的神圣本分，分担国家重大任务是他们义不容辞的责任，为国民经济服务则是他们始终不渝的目标。在追日问天的同时，他们也将目光投向了阳光下泛着冷冽蓝光的青藏高原冰川，以及西太平洋的南海碧波之下。一代又一代的科研人员，在这片广袤而神秘的土地上，不断坚守着国家生态安全屏障。
青藏高原，这片被誉为世界屋脊、亚洲水塔、地球第三极的神奇土地，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。过去五十年间，青藏高原气候变暖幅度是同期全球平均值的2倍。这一变化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。
面对这一严峻的现实挑战，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”，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。
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，大大提高了研究效率。
“下海”
让我们把视线转向南海碧波之下。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”。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着诸多棘手的挑战。传统研究方式效率低下、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，勇敢地开启了人工智能驱动的研究范式转型。他们敏锐地发现，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。
南海珊瑚识别。阿里云供图
基于此，研究团队联合阿里云Qwen2 – VL多模态大模型，精心开发了名为“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。
展望未来，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。
“加速”
科研是基础创新的源头活水，是国家竞争力的重要体现。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为核心，全面重构底层硬件、计算、存储、网络、数据库、大数据，使其与AI场景有机适配、深度融合，加速模型开发和应用。同时，阿里云还为全国超过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基础设施的有力助力下，越来越多的科研人员能够拥有和科技巨头一样强大的计算平台，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。
未来已来，我们正亲眼见证着科学范式的深刻变革。而这一次，中国科学家站在了浪潮之巅，引领着世界科研的新方向。
文章介绍了中国科学院科研团队借助AI重构科研范式的情况。在国家“人工智能 +”行动推动下，中科院拓展大模型在多领域应用，推动成果转化。文中分别阐述了在太阳耀斑预测、青藏高原冰川研究、南海珊瑚礁研究的成果，以及与阿里云合作加速科研范式变革，形成创新模式，缩短研发周期，中国科学家在此次科学范式变革中占据领先地位。
原创文章，作者：marjorie，如若转载，请注明出处：https://www.lingtongdata.com/2313.html
