當人工智能開始主導蛋白質(zhì)結構預測、量子系統(tǒng)模擬甚至新型材料發(fā)現(xiàn)時，科學研究的底層邏輯正在經(jīng)歷重大變革。2024年諾貝爾化學獎授予了基于深度學習的分子動力學研究團隊，標志著AI從科研輔助工具正式進化為科學發(fā)現(xiàn)的核心引擎。在這場全球科研范式重構的浪潮中，國家實驗室對基礎設施的訴求已發(fā)生本質(zhì)性嬗變——全棧自主創(chuàng)新、數(shù)據(jù)主權保障、多模態(tài)算力融合正取代單純的算力規(guī)模，成為AI for Science落地的戰(zhàn)略支點。華為以“智算實驗室”為創(chuàng)新載體，通過AI數(shù)據(jù)湖、科研流程再造與異構算力調(diào)度的三維突破，正在為中國科研新質(zhì)生產(chǎn)力的勃發(fā)鋪設高速通路。

科研范式變革：

從工具賦能到流程重構的深層躍遷

傳統(tǒng)科研模式正面臨三重結構性挑戰(zhàn)。在海南某實驗室，基因測序儀每天產(chǎn)生超過2PB的原始數(shù)據(jù)，但分散在23家機構的異構系統(tǒng)中難以互通；某前沿材料實驗室的統(tǒng)計顯示，因?qū)嶒灹鞒倘狈藴驶?，約27%的科研經(jīng)費消耗在可避免的重復試驗上；而上海某科學城的超算中心盡管擁有千P算力，其GPU資源利用率卻長期徘徊在35%以下。這些現(xiàn)象折射出當前科研基礎設施的核心矛盾：數(shù)據(jù)主權碎片化、實驗管理粗放化、算力資源割裂化。

更深層次的變革在于AI角色的根本性躍遷。三年前還停留在數(shù)據(jù)可視化層面的AI工具，如今已貫穿科研全生命周期。華為云構建的AI4S科學計算平臺實現(xiàn)了從假說生成→實驗設計→數(shù)據(jù)采集→模型訓練→結果驗證→論文撰寫的閉環(huán)。在深圳某實驗室的腦科學研究中，AI不僅自動優(yōu)化神經(jīng)元成像參數(shù)，更直接生成實驗報告初稿，將科研人員從機械勞動中解放出來。這種范式躍遷的本質(zhì)，是將科研創(chuàng)新從“人力密集型”轉向“智能密集型”，使科學家能聚焦于關鍵的創(chuàng)造性工作。

國家實驗室正是基于此背景，有了進一步的需求升級。某國家重點實驗室主任在閉門會議中強調(diào)：“沒有全棧自主的底層架構，再先進的算法都是沙上建塔?！边@指向三個剛性訴求：全棧安全要求從芯片到應用層的自主創(chuàng)新；數(shù)據(jù)主權需要覆蓋存儲、治理、共享等全流程可靠體系；多模態(tài)算力調(diào)度則必須打破CPU/GPU/NPU的架構壁壘。這些訴求共同構成AI for Science落地的關鍵基礎設施。

華為智算實驗室方案：

三位一體構筑科研新基座

01

AI數(shù)據(jù)湖，破解數(shù)據(jù)主權困局

在2025年3月舉辦的華為中國合作伙伴大會科技論壇上，華為公共事業(yè)軍團副總裁孫鵬飛發(fā)表演講并提到：“華為智算實驗室方案通過‘數(shù)據(jù)匯聚-數(shù)據(jù)加工-AI賦能應用’全流程智能化體系，打造全球領先的AI數(shù)據(jù)湖全棧子方案，通過Data+AI雙輪驅(qū)動，圍繞AI使能應用全流程，構筑低成本、高效率、可信賴的數(shù)據(jù)基礎設施，釋放實驗室數(shù)據(jù)價值，加速數(shù)據(jù)協(xié)同和科研創(chuàng)新?！?/p>

AI數(shù)據(jù)湖方案在技術底層與應用層面形成閉環(huán)，為破解數(shù)據(jù)主權困局提供了系統(tǒng)性解法。數(shù)據(jù)主權困局的核心矛盾在于，數(shù)據(jù)流動的需求與數(shù)據(jù)控制權的博弈——既要實現(xiàn)跨地域、跨機構的數(shù)據(jù)協(xié)同以釋放科研價值，又需確保數(shù)據(jù)擁有者對存儲、使用、共享的絕對掌控。

該方案以“可信賴的數(shù)據(jù)基礎設施”為基礎，通過分布式存儲架構與聯(lián)邦學習技術，在數(shù)據(jù)物理存儲層面支持本地化部署，滿足不同科研機構對數(shù)據(jù)主權的地域性法律要求。同時利用區(qū)塊鏈技術實現(xiàn)數(shù)據(jù)使用權的動態(tài)審計，每一次數(shù)據(jù)調(diào)用、加工、流轉均可追溯，保障數(shù)據(jù)擁有者的知情權與控制權。

在AI使能層面，方案內(nèi)置的隱私計算模型能夠在不暴露原始數(shù)據(jù)的前提下，完成多源數(shù)據(jù)的聯(lián)合訓練，既破解了實驗室間數(shù)據(jù)孤島導致的科研效率低下問題，又規(guī)避了敏感數(shù)據(jù)跨域流動的合規(guī)風險。這種“數(shù)據(jù)不動模型動”的機制，使得數(shù)據(jù)主權與數(shù)據(jù)價值得以解耦——主權歸屬清晰不變，而數(shù)據(jù)價值通過AI模型的遷移實現(xiàn)跨域釋放。

02

智能中樞，數(shù)字化實驗室六要素

在華為中國合作伙伴大會2025科技論壇上，廣州賽意展示了與華為聯(lián)合打造的智能管理系統(tǒng)Lims，此系統(tǒng)將傳統(tǒng)實驗室中割裂的“人、機、料、法、環(huán)、測”六要素，整合成實時聯(lián)動的數(shù)字化整體。以某新材料國家實驗室的實踐為例，?；啡溌纷粉櫴故鹿薯憫獣r間從小時級壓縮至分鐘級；計算機視覺系統(tǒng)自動捕捉離心機0.5%轉速偏差，使實驗復現(xiàn)失敗率驟降63%；儀器對接效率提升75%，每年避免數(shù)千萬元無效科研投入。這些數(shù)據(jù)背后，是實驗室管理從人工監(jiān)管到智能自愈的轉變。

而真正的根本性變革在數(shù)據(jù)方面。中圖科信與華為共建的基于智能底座的生態(tài)系統(tǒng)DataD平臺，將課題探索、數(shù)據(jù)采集、成果產(chǎn)出等過程完整閉環(huán)（如圖1）。當AI智能助理分析百萬篇文獻時，它不僅在識別實驗規(guī)律，更在構建跨學科知識圖譜；當云實驗室記錄每個實驗參數(shù)時，這些數(shù)據(jù)會轉變成可復用的數(shù)字資產(chǎn)。以上海某基因?qū)嶒炇覟槔?，通過平臺積累的30萬組蛋白質(zhì)表達數(shù)據(jù)，AI僅用47小時就發(fā)現(xiàn)了傳統(tǒng)方法需耗時數(shù)年才能找到的新靶點作用機制。這種從“離散數(shù)據(jù)”到“知識金礦”的蛻變，標志著科研基礎設施的智能躍遷。

圖1 在DataD平臺上完成科研實驗論文全流程服務閉環(huán)

Lims系統(tǒng)與DataD平臺的聯(lián)動，正孕育著國家實驗室的智能中樞。前者如同數(shù)字化的“實驗室軀體”，精確控制每個實驗因子的微觀狀態(tài)；后者構成“科研大腦”，將離散數(shù)據(jù)轉化為結構化知識。這種協(xié)同推動著科研范式從經(jīng)驗試錯向數(shù)據(jù)驅(qū)動轉變。

隨著智能中樞的形成，實驗室正在經(jīng)歷三重能力躍升：實驗設計從靜態(tài)方案轉向動態(tài)優(yōu)化，過程監(jiān)控從人工記錄升級為自動糾偏，知識轉化從個體經(jīng)驗進化為群體智能。當西北某生態(tài)實驗室通過DataD平臺共享的12萬組土壤數(shù)據(jù)驅(qū)動Lims系統(tǒng)自動調(diào)整荒漠植物培育參數(shù)時，我們看到的不只是單個實驗室的效率提升，更是國家科研基礎設施的智能蛻變。這種深度融合的智能中樞，正在成為中國突破科學前沿的新質(zhì)生產(chǎn)力引擎。

03

算力調(diào)度，打破架構壁壘

當萬億參數(shù)大模型成為科學研究的剛需，傳統(tǒng)計算中心因架構差異導致算力分散無法協(xié)同，資源利用率長期停留在40%的水平。博瀚智能與華為合作推出AI Studio平臺，其異構融合調(diào)度解決了不同技術架構的兼容問題。平臺搭載的自研動態(tài)感知算法實時解析任務的多維基因，包括時延敏感度、顯存需求、通信密度等，智能優(yōu)化執(zhí)行路徑。某研究機構的測試顯示，該引擎將昇騰、英偉達、寒武紀等異構資源池化為統(tǒng)一算力平面，將跨架構調(diào)度延遲壓至毫秒級，驅(qū)動資源利用率超過70%，較傳統(tǒng)集群提升近100%。

在硬件方面，華為Atlas 900 SuperCluster以2250節(jié)點無收斂組網(wǎng)構筑物理基座，支撐萬億模型全參數(shù)訓練。貴陽閑置的智算卡光速接入北京超算節(jié)點，不同代際的GPU/NPU在統(tǒng)一界面無縫協(xié)同，讓科研機構真正體驗到異構算力如同水電般按需流動。

華為Atlas硬件基座與AI Studio智能調(diào)度層的深度融合，將分散化算力整合成強大的科研工具。當跨域通信開銷銳減、超算中心利用率突破95%時，中國科研的算力資源正成為源源不斷的新質(zhì)生產(chǎn)力。

構建安全與生態(tài)護城河

01

全棧自主的安全基座

華為方案的核心優(yōu)勢始于鯤鵬+昇騰雙引擎構筑的自主底座。昌平實驗室蛋白質(zhì)預測平臺基于昇騰算力平臺與昇思MindSpore框架開發(fā)，不僅預測速度超越AlphaFold2 40倍，更確保實驗數(shù)據(jù)全程不出自主創(chuàng)新生態(tài)圈。該平臺通過科研IT等保三級認證，滿足國家實驗室對敏感數(shù)據(jù)處理的嚴苛要求。在涉及基因編輯、核能材料等敏感領域的研究中，這種全棧安全成為不可替代的剛需。

02

三級生態(tài)協(xié)同體系

華為構建的三層解耦生態(tài)模型展現(xiàn)出強大生命力。模型商店層聯(lián)合中圖科信匯聚近數(shù)千個開源科學模型，涵蓋冷凍電鏡解析、流體力學仿真等專業(yè)領域；開發(fā)平臺層通過CANN 7.0開放底層算子，使商飛研發(fā)團隊將翼型流場預測模型開發(fā)周期壓縮80%；行業(yè)應用層實現(xiàn)C919機翼設計中的流體仿真誤差降至10??量級，減少上千次風洞試驗。這種“模型-平臺-應用”的三級火箭模式，大幅縮短科研成果轉化周期。

華為方案的護城河源于安全與生態(tài)的深度耦合，而更深遠的變革在于科研范式的系統(tǒng)重構：當DataD平臺使上海基因?qū)嶒炇业陌悬c發(fā)現(xiàn)效率提升千倍，當海南某實驗室種質(zhì)篩選周期從3個月壓縮至10天，華為提供的不僅是工具集，更是科研創(chuàng)新的操作系統(tǒng)。這套系統(tǒng)重新定義數(shù)據(jù)主權歸屬（破解孤島）、重構實驗流程邏輯（六要素數(shù)字化）、重建算力協(xié)作模式（聯(lián)邦調(diào)度），三位一體推動中國科研不斷前進。

華為正聯(lián)合各科研機構加速構建面向科研領域的AI4S創(chuàng)新生態(tài)：鵬城實驗室通過中國算力網(wǎng)（C2NET）整合粵港澳大灣區(qū)等全國20余座城市算力節(jié)點，依托自主創(chuàng)新首個E級人工智能算力平臺“鵬城云腦Ⅱ”（總算力達1E FLOPS），服務數(shù)萬科研開發(fā)者，推動異構芯片高效調(diào)度；聯(lián)合清華大學、中國科學院等機構共建科研平臺；在生物計算領域攜手廣東醫(yī)科大學成立“數(shù)智健康醫(yī)療聯(lián)合創(chuàng)新天工實驗室”，聚焦AI+生物醫(yī)藥研發(fā)；在氣候科學領域基于盤古大模型深化氣象預測研究等。該生態(tài)通過開源科研底座和人才閉環(huán)，形成“算力整合—技術攻堅—產(chǎn)業(yè)轉化”全鏈條體系，為生命科學、信息科學、醫(yī)療、氣候等科學領域提供基礎設施與智力支撐。

隨著AI4S寫入國家戰(zhàn)略，華為聯(lián)合30余個重點行業(yè)播下的智能火種，已在基礎科學領域點燃創(chuàng)新鏈式反應。當碎片化算力凝聚為突破邊界的重錘，當數(shù)據(jù)資產(chǎn)蛻變?yōu)榘l(fā)現(xiàn)規(guī)律的羅盤，中國科研已在范式重構的浪潮中錨定下一個航標。

已刊發(fā)于《華為技術》專欄官網(wǎng)

本文作者：華為公共事業(yè)軍團 孫鵬飛 張磊