科学计算与AI4S基础设施白皮书

AI4S（科学智能）正在重塑全球科技竞争格局。美国“创世纪计划”定位为“AI曼哈顿计划”，英国启动“Openbind”大科学计划，中国通过“人工智能+”行动全力推进。这场竞赛的胜负手是什么？算力？算法？

上海仪电、思朗科技联合上海市人工智能行业协会近日发布的《科学计算与AI4S基础设施白皮书》给出了一个反常识的答案：高质量“端到端”数据集，才是当前AI4S最大的“卡脖子”瓶颈。

一、AI4S的本质：精准求解，而非泛化生成

通用大模型追求“通才”，靠海量数据实现泛化；AI4S追求“专才”，核心使命是精准解决特定科学问题——预测蛋白质结构、设计新型电解液、发现新靶点药物。

二者对数据的要求截然不同。 通用模型可容忍噪声，科学模型对错误零容忍——一个错误的分子动力学数据，可能让数年的研发付诸东流。同时，AI4S需要“端到端”数据链条：从微观机理到细胞实验、动物实验、临床研究，全流程贯通，缺失任何一环，模型都无法学到完整规律。

白皮书尖锐指出：当前大量所谓的“科学模型”停留在文献检索、论文速读层面，未曾真正切入新药靶点发现、特种合金设计等产业核心痛点。 这不是AI4S，这只是给传统科研加了点AI佐料。

二、三大要素再排序：算力最“轻”，数据最“重”

白皮书最核心的贡献，是对算力、模型、数据三大要素的系统性重估。

算力层面，需求相对可控。 AlphaFold3参数量仅3.7亿，一台服务器配几块GPU即可完成训练。真正消耗算力的不是模型训练，而是通过分子动力学（MD）、密度泛函理论（DFT）等仿真生成端到端数据的科学计算环节。

模型层面，研发难度适中。 AI4S模型多基于通用大模型微调，核心挑战不在资金规模，而在于兼具计算数学、理论物理与产业知识的复合型人才。

数据层面，是真正的核心短板。 产业数据存量不足、数字化程度低，且涉及商业机密形成“信息孤岛”。更关键的是，行业本身就缺乏有效、可串联的端到端数据——即便企业愿意共享，现有数据质量也难以满足模型训练需求。

“平台+生态”思路在此失灵。 根源不是激励机制不足，而是供给端本身数据严重短缺。AI的底层逻辑是“规律提取而非创造”——“什么样的数据，喂出什么样的模型” ，这一底层约束对科学智能尤为致命。

三、破局路径：逆向构建+专用超算

面对数据困局，白皮书给出两条破局路径。

路径一：逆向构建端到端数据集。 传统正向研发思路效率太低——仅构建10个临床前候选化合物的端到端数据就需数亿元。白皮书提出：从既有上市药物和临床失败药物入手，通过分子动力学仿真补齐微观机理数据，快速形成规模化、标准化的数据集。

失败数据与成功数据同等重要。 临床失败样本能让AI识别毒性风险、规避无效设计，建立“正向成功+反向失败”的完整学习逻辑。这一“逆向”思路，将数据工作从零散记录提升到顶层科学设计的战略高度。

路径二：专用超算打通数据生成链路。 微观仿真计算量惊人：百万原子体系百微秒模拟需10²¹次运算，通用超算要跑数百年。通用架构的“内存墙”“功耗墙”和通信延迟瓶颈，使其在特化算法面前效率远低于峰值。

国产“天穹”专用超算通过“算法级全局优化”——专用芯片、3D环形网络、定制化软件栈深度耦合——在生物MD计算上实现3至5微秒/天的效率，完成超1万微秒的大体系模拟，打破了美国ANTON的垄断封锁。

核心启示：AI4S时代的算力竞争，不是比“峰值速度”，而是比“软硬件协同的体系化能力”。

四、战略窗口与国家行动

全球科学智能市场预计从2020年的378亿美元增至2035年的近5万亿美元，增长超130倍。中国科学计算市场2025年约1347亿元，高端装备、新材料、集成电路、医药制造、新能源五大领域合计占比超94%。窗口在快速收窄。

白皮书提出三点政策建议：一是将端到端高质量数据集纳入国家科学数据体系重点建设，设立专项扶持；二是依托“东数西算”增设科学计算专用异构集群；三是设立揭榜挂帅专项，由龙头企业提出那5%-10%的真正“卡点”，产学研联合攻关。

结语

这本白皮书是一份战略宣言：构建自主可控的AI4S生态，是大国科技自立自强的必争方向。 当务之急不是盲目堆砌算力或重复造模型，而是集中力量攻克高质量数据集这一核心短板——以专用超算夯实数据生成底座，以“逆向思维”构建端到端数据生态。这场竞赛的胜负手，不在算力集群的规模，而在数据底座的厚度。

本文基于上海仪电、思朗科技联合上海市人工智能行业协会联合发布的《科学计算与AI4S基础设施白皮书》撰写，详细内容请查阅原文。