大企業(yè)動向，也是行業(yè)重要指向。

在華為全聯(lián)接大會2024上，華為推出了一系列行業(yè)智能化創(chuàng)新產(chǎn)品和解決方案，其中推動AI技術(shù)與行業(yè)場景深度融合、促進(jìn)人才培養(yǎng)、構(gòu)建更完善的數(shù)智生態(tài)體系等，是眾多信息背后的重要表述。

加大與高校合作，是這一生態(tài)體系中的核心環(huán)節(jié)之一。華為通過“智能基座”、鯤鵬昇騰產(chǎn)教融合基地、鯤鵬昇騰創(chuàng)新大賽、鯤鵬昇騰科教創(chuàng)新卓越中心，與高校開展了一系列合作，培養(yǎng)原生卓越人才，激發(fā)計算產(chǎn)業(yè)創(chuàng)新。

科研正進(jìn)入“第五范式時代”，AI技術(shù)驅(qū)動科研的效應(yīng)愈加迅猛，推動新的科技革命“呼嘯而至”，其中科研的生產(chǎn)力已實(shí)現(xiàn)進(jìn)化，生物學(xué)、醫(yī)學(xué)等學(xué)科領(lǐng)域，有了觸及更多秘密或隱秘的可能，而生物醫(yī)藥、硬件、工業(yè)制造等領(lǐng)域的產(chǎn)業(yè)模式也將改變。

以AI為內(nèi)核，高校、企業(yè)在新科技革命中的角色關(guān)聯(lián)更加交雜，推動人才與算力的循環(huán)躍升，不僅正對高?？蒲械奈磥磉M(jìn)行重塑，也將帶來全新的科技比拼與進(jìn)化歷程。

AI重塑高校科研的未來

AlphaFold的問世與進(jìn)化，為理解AI重塑高校科研的未來，提供了鮮明注腳。

2020年，DeepMind（谷歌旗下的人工智能企業(yè)）推出的人工智能模型AlphaFold在一場名為“蛋白質(zhì)結(jié)構(gòu)預(yù)測關(guān)鍵評估”的競賽中占據(jù)優(yōu)勢地位，揭開了堪稱蛋白質(zhì)3D結(jié)構(gòu)預(yù)測的歷史新篇章。

今年5月初，進(jìn)化迭代后的AlphaFold 3，以前所未有的精準(zhǔn)度成功預(yù)測了所有生命分子（蛋白質(zhì)、DNA、RNA、配體等）的結(jié)構(gòu)和相互作用。

一個直觀通俗的對比是，在AlphaFold出現(xiàn)前，蛋白質(zhì)結(jié)構(gòu)只能通過X射線晶體學(xué)或冷凍電鏡等實(shí)驗(yàn)技術(shù)來破譯，耗費(fèi)數(shù)月或數(shù)年、數(shù)十萬美元，才可能解析一個蛋白質(zhì)的精確三維結(jié)構(gòu)。而AlphaFold2成功預(yù)測數(shù)億個蛋白質(zhì)結(jié)構(gòu)，只用了不到三年。

AlphaFold改變了生物學(xué)，在國內(nèi)外高?？蒲兄薪杂斜憩F(xiàn)。

根據(jù)公開報道，首爾國立大學(xué)計算生物學(xué)家Martin Steinegger領(lǐng)導(dǎo)的團(tuán)隊(duì)，使用了一種名為Foldseek的工具，在AlphaFold數(shù)據(jù)庫中尋找導(dǎo)致新冠肺炎的病毒SARS-CoV-2的RNA復(fù)制酶的親屬。

這項(xiàng)研究發(fā)現(xiàn)了之前未被確認(rèn)的、病毒可能的古代近親：包括黏液霉菌等真核生物中的蛋白質(zhì)在其3D結(jié)構(gòu)上類似于被稱為逆轉(zhuǎn)錄酶的酶。

公開信息顯示，在國內(nèi)，AlphaFold的問世，也為上海交通大學(xué)自然科學(xué)研究院&物理與天文學(xué)院&藥學(xué)院特聘教授洪亮開啟 AI 蛋白質(zhì)設(shè)計研究提供了契機(jī)。

2021 年，洪亮及其團(tuán)隊(duì)開發(fā)了一套基于預(yù)訓(xùn)練的蛋白質(zhì)設(shè)計的通用人工智能AccelProtein? ——與 AlphaFold 預(yù)測結(jié)構(gòu)不同，AccelProtein? 開創(chuàng)性地實(shí)現(xiàn)了從序列直達(dá)功能的精準(zhǔn)蛋白質(zhì)設(shè)計。

該大模型的優(yōu)勢表現(xiàn)之一是，利用小樣本乃至零樣本學(xué)習(xí)方法，提高大模型的工程泛化能力，幫助它在僅有少數(shù)濕實(shí)驗(yàn)數(shù)據(jù)的情況下實(shí)現(xiàn)蛋白質(zhì)性能優(yōu)化，極大地提高了蛋白質(zhì)設(shè)計的效率——以往需要 2~5 年才能完成的項(xiàng)目，在 AccelProtein? 的支持下只需要 2~6 個月即可完成。 

窺斑見豹。在深度學(xué)習(xí)與人工智能等結(jié)合進(jìn)化下，AI對科研路徑、科研效率帶來實(shí)質(zhì)助力，也帶來更多創(chuàng)新可能，進(jìn)而也對科研人員的生產(chǎn)力帶來變革影響。

其背后邏輯包括但不限于，AI技術(shù)帶來數(shù)據(jù)處理與分析的自動化，實(shí)驗(yàn)設(shè)計與執(zhí)行、科研輔助工具、科研合作的智能化等，在人類已積累沉淀的龐大知識圖譜體系基礎(chǔ)上，篩選、整合、分析，一方面給科研人員帶來一定程度上的“解放”，讓其相對有限的智力、體力用于更核心的研究上，另一方面提供更多創(chuàng)新的研究思路。

以一個科研的完整鏈路來說，從提出問題，到搜集與處理繁復(fù)冗雜的數(shù)據(jù)、多方向科學(xué)計算模擬、理論論證及輔助證明，再到論文成稿，AI技術(shù)都可以深度參與其中，提供必要幫助。

參考公開信息顯示，2023年12月 DeepMind 推出全新多模態(tài) AI 模型 ——Gemini，其可根據(jù)提示，在一個午休的時間內(nèi)閱讀 20 萬篇論文，并從中篩選出 250 篇特定有關(guān)論文、提取數(shù)據(jù)，進(jìn)而繪制表格或圖片提供給使用者，極大提高科研人工作效率。

林新華 上海交通大學(xué)網(wǎng)絡(luò)信息中心副主任（左） 王均松 華為昇騰計算系統(tǒng)實(shí)驗(yàn)室主任（中） 占杰 華為計算產(chǎn)品線高級戰(zhàn)略規(guī)劃（右）

華為昇騰計算系統(tǒng)實(shí)驗(yàn)室主任王均松認(rèn)為，AI技術(shù)的出現(xiàn)，相當(dāng)于科研人員多了一個同行，比如AI大模型，科研人員可以跟AI對話，包括具體科研的下一步應(yīng)該怎么走，AI可以用它自己思維的方法生成給到一些思考，能夠快速促進(jìn)科研創(chuàng)新的過程，“我覺得這個可能是未來一個更重要的方式”。

對學(xué)科與科研廣度、人才密度都相對突出的高校來說，前述AI的價值空間、影響場景與路徑等，表現(xiàn)也更突出。

2024年6月，上海交通大學(xué)與華為合作的“上海交通大學(xué)——鯤鵬昇騰科教創(chuàng)新卓越中心”正式揭牌成立，雙方目標(biāo)之一是其能夠成為華為和上海交大共同推動中國智能化發(fā)展的生態(tài)平臺，讓鯤鵬昇騰的技術(shù)能夠更多的賦能上海交大的各類交叉學(xué)科創(chuàng)新，這些創(chuàng)新又能成為牽引各行各業(yè)智能化發(fā)展的核心動力。

公開信息顯示，上海交大現(xiàn)已成功建成國內(nèi)高校第一個也是目前規(guī)模最大的鯤鵬高性能系統(tǒng)，持續(xù)為相關(guān)學(xué)科提供科研算力服務(wù)。

可發(fā)現(xiàn)，在當(dāng)前AI技術(shù)與科研結(jié)合中，高校的角色更深層次化：既是直接的受益者，科研工作流程、科研效率由此而變，具備了科研成果的誕生快捷化、豐富化及更快迭代的可期性，AI正重塑高?？蒲械奈磥韴D景；也是新的AI技術(shù)策源地和創(chuàng)新高地，科研場景、人才的密度，以及多學(xué)科跨界融合的空間及必要性，為此提供了更多可能。

而這也是未來AI與高?？蒲谢檠h(huán)要素的走向之一。

科研進(jìn)入“第五范式”時代

從AI for Science（簡稱“AI4S”）字面意思來看，即“人工智能驅(qū)動的科學(xué)研究”，在科研中，AI將繼續(xù)作為“驅(qū)動力”，這一趨向會更明顯，推動科學(xué)研究進(jìn)入“新范式”時代。

美國科學(xué)哲學(xué)家托馬斯·庫恩在其名著《科學(xué)革命的結(jié)構(gòu)》中曾首次提出術(shù)語“scientific paradigm”（科學(xué)范式），主要指的是各個學(xué)科在一定歷史時期形成的對某種專業(yè)知識的見解與共識。

關(guān)于科學(xué)研究的四個范式有一個較寬泛的概括，幾千年前是經(jīng)驗(yàn)范式，靠的是觀察和歸納的實(shí)驗(yàn)研究；幾百年前是理論范式，基于科學(xué)假設(shè)和邏輯演繹的理論研究；幾十年前是計算范式，十幾年前是數(shù)據(jù)范式，特征是數(shù)據(jù)密集型科學(xué)研究。

而今，科學(xué)研究進(jìn)入“第五范式”，基本成為共識。

中國工程院院士李國杰曾撰文稱，現(xiàn)在還很難對第五科研范式做出嚴(yán)格定義，但已逐步顯露的特征有六點(diǎn)，包括但不限于人工智能全面融入科學(xué)、技術(shù)和工程研究，知識自動化，科研全過程智能化，以及人機(jī)融合、以復(fù)雜系統(tǒng)為主要研究對象，跨學(xué)科合作，更加依靠以大模型為特征的大平臺，科學(xué)研究與工程實(shí)現(xiàn)密切結(jié)合等。

上海交通大學(xué)網(wǎng)絡(luò)信息中心副主任林新華表示，AI4S的部分現(xiàn)狀趨勢體現(xiàn)在AI與計算流程結(jié)合更緊密。起初，AI作為一個單獨(dú)的程序，單獨(dú)訓(xùn)練、單獨(dú)推理，與科學(xué)計算結(jié)果對比；現(xiàn)在，AI逐漸融合進(jìn)一個學(xué)科的計算流程之中，作為計算方法的一部分；未來，隨著AI的可解釋性和可觀測性加強(qiáng)，人們又從中發(fā)現(xiàn)新的科學(xué)規(guī)律，探索出新的科研范式。“AI4S囊括了迄今為止所有的AI網(wǎng)絡(luò)、訓(xùn)練方法，并且還有新方法在不斷被發(fā)現(xiàn)?！?/p>

AI技術(shù)的政策及輿論風(fēng)向也走向積極，AI技術(shù)與科研的結(jié)合，進(jìn)入一種相對更樂觀的科研語境中，高校迎來更多新的嘗試機(jī)會。

參考公開信息，研究人員在《英國醫(yī)學(xué)雜志》(The BMJ)上發(fā)表的相關(guān)報告顯示，截至2023年10月，全球百強(qiáng)科學(xué)期刊中有87家就人工智能生成內(nèi)容的使用向作者發(fā)布了指引。

2024年1月，全球知名學(xué)術(shù)出版機(jī)構(gòu)Elsevier與學(xué)界合作開發(fā)，隆重推出全新的AI工具——Scopus AI，將世界上最大的科學(xué)文獻(xiàn)數(shù)據(jù)庫與可靠的AI相結(jié)合。

這一工具也于2024年三四月，在廈門大學(xué)、中國科學(xué)技術(shù)大學(xué)、南方科技大學(xué)等國內(nèi)各大高校中陸續(xù)開放使用。

不過，AI4S對高?？蒲袔淼臋C(jī)遇空前，挑戰(zhàn)也甚巨。

比如AlphaFold3 預(yù)測的蛋白質(zhì)等結(jié)構(gòu)也并非完美，其中多蛋白如何形成復(fù)合體，如何與 DNA、RNA 或者小分子交互等，依然還待進(jìn)一步探索。

中國科學(xué)院院士鄂維南曾在一次講座中表示，隨著AI for Science的發(fā)展，科研模式也從作坊式改變到了安卓式，其將依賴于四大基礎(chǔ)設(shè)施：基于基本原理的模型和算法，高效率高精度的實(shí)驗(yàn)表征方法，數(shù)據(jù)庫和知識庫，高效便捷的算力資源。

林新華也提到，AI雖幫助突破科研瓶頸，但對科研團(tuán)隊(duì)的“硬+軟”實(shí)力提出了更高要求。硬實(shí)力包括算力、資金、人員規(guī)模，軟實(shí)力包括交叉學(xué)科合作、數(shù)據(jù)積累等。

校企合作成為突破口之一。

以華為為例。2022年，華為發(fā)布科研創(chuàng)新使能計劃，該計劃通過技術(shù)扶持和賦能、資源支撐、行業(yè)影響力構(gòu)建三大維度給予支持，旨在使能國內(nèi)高校和科研院所依托華為全棧自主軟硬件平臺開展科學(xué)技術(shù)研究和軟件研發(fā)與技術(shù)攻關(guān)工作。在技術(shù)扶持和賦能方面，將獲得技術(shù)專家的專項(xiàng)支持，且優(yōu)先獲得與華為的技術(shù)聯(lián)創(chuàng)機(jī)會;受邀參加由華為主辦開發(fā)者活動，與行業(yè)技術(shù)大咖、專家學(xué)者、華為計算高層面對面共論人工智能生態(tài); 在資源支撐方面，該計劃將從創(chuàng)新基金、學(xué)習(xí)資源、權(quán)益服務(wù)上提供服務(wù)，讓科技工作者們能夠把更多時間和精力投入在科研創(chuàng)新上。 在行業(yè)影響力構(gòu)建方面，將優(yōu)先受邀作為演講嘉賓參加由華為主辦的重要產(chǎn)業(yè)活動，為科研工作者提供更多溝通交流機(jī)會。

華為未來將繼續(xù)聚焦科研院所、國內(nèi)高校等科技工作者的智慧，不斷釋放AI力量，加速科研創(chuàng)新，推動生態(tài)繁榮。

新科技革命蓄勢將至

AI4S的發(fā)展，關(guān)乎到科研整個鏈條的重塑，以及相關(guān)產(chǎn)業(yè)鏈的研發(fā)、實(shí)踐落地，實(shí)質(zhì)可以理解為一場科技革命。

早在2017年7月，國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，對人工智能發(fā)展、科技創(chuàng)新等，做了頂層擘畫。圍繞人工智能及其關(guān)聯(lián)的更宏闊的技術(shù)、產(chǎn)業(yè)發(fā)展與競爭，也早已開始。

有研究報告認(rèn)為，當(dāng)前中國人工智能人才、投資、技術(shù)、AI論文、算力等核心指標(biāo)，第一次與美國一起位列第一梯隊(duì)，其中美國大模型（包含同一企業(yè)、同一模型的不同參數(shù)版本）數(shù)量為世界第一（占比44%），中國位列其后（占比36%）。

不過兩國間的差距依然存在，但有專家和企業(yè)家認(rèn)為在呈現(xiàn)逐漸縮小的跡象。

馬斯克在2023年5月的一次訪談中提到，美國具有最先進(jìn)的人工智能，中國緊隨其后。當(dāng)然，中國有資源去規(guī)?；蛢?yōu)化人工智能。人工智能最大的單一進(jìn)步仍然來自美國和歐洲。

他認(rèn)為，中美之間的人工智能發(fā)展的確有差距，這個差距看起來在12個月的數(shù)量級上。而關(guān)于差距是在縮小還是擴(kuò)大，他表示這很難判斷，“我懷疑它會在一定程度上縮小”。

高校、企業(yè)、科研機(jī)構(gòu)成為其中比拼的關(guān)鍵要素，人才、科研自主或原生創(chuàng)新的能力，又是其中核心。

林新華透露，由上海交通大學(xué)“交我算”團(tuán)隊(duì)與生物信息學(xué)領(lǐng)域師生合作開發(fā)的ParaFold，作為致力于提高蛋白質(zhì)結(jié)構(gòu)預(yù)測效率的開源工具，對AlphaFold的CPU+GPU計算進(jìn)行了高性能計算方面的深入優(yōu)化。其更快、更省錢、更省GPU機(jī)時，被牛津大學(xué)、康奈爾大學(xué)等高校使用。

這部分證明國內(nèi)智能化科研具備了一定的走出國門的自主創(chuàng)新能力。

而從CUDA（英偉達(dá)旗下的并行計算平臺和編程模型）遷移到CANN（華為針對AI場景推出的異構(gòu)計算架構(gòu)），從國外平臺多國內(nèi)自主適配平臺的演變，這一方向已驗(yàn)證可行，也意味著我國發(fā)展自主平臺的必要性。

有觀點(diǎn)認(rèn)為，CANN的成功不僅取決于其自身的技術(shù)實(shí)力，生態(tài)建設(shè)亦是關(guān)鍵。為推動CANN發(fā)展，華為等企業(yè)已與多個科研院校合作，共同改進(jìn)技術(shù)，包括與高校、產(chǎn)業(yè)界等構(gòu)建更先進(jìn)的人才體系、數(shù)智生態(tài)。

前述華為與高校共建的鯤鵬昇騰科教創(chuàng)新卓越中心/孵化中心，是生態(tài)建設(shè)中的核心一環(huán)，其共同基于鯤鵬昇騰計算平臺進(jìn)行科研創(chuàng)新和卓越人才培養(yǎng)，孵化引領(lǐng)世界的研究創(chuàng)新成果。除上海交通大學(xué)外，華為還與清華大學(xué)、北京大學(xué)、浙江大學(xué)、中國科學(xué)技術(shù)大學(xué)達(dá)成合作。

在2023年9月，華為還宣布將攜手教育部和72所試點(diǎn)高校，共建數(shù)智人才新生態(tài)。

華為計算產(chǎn)品線高級戰(zhàn)略規(guī)劃占杰認(rèn)為，高校有人才，企業(yè)有算力，兩者結(jié)合能夠走向一個更加完善的生態(tài)體系。

這一生態(tài)的價值之一，將是算力進(jìn)階及其格局變化趨勢更顯性、更實(shí)體化。

華為也有了更新的動作。

在近期華為全聯(lián)接大會2024期間，華為全新發(fā)布CANN 8.0，新增200多個深度優(yōu)化的基礎(chǔ)算子、80多個融合算子、100多個通信、矩陣運(yùn)算等API，典型融合算子開發(fā)周期從2個月縮短至1.5人周，加速原生創(chuàng)新。

華為常務(wù)董事、ICT基礎(chǔ)設(shè)施業(yè)務(wù)管理委員會主任汪濤在大會上透露，未來三年，華為每年將投入10億元來加速鯤鵬昇騰原生應(yīng)用生態(tài)發(fā)展，目標(biāo)發(fā)展超過1500原生應(yīng)用伙伴，基本實(shí)現(xiàn)全行業(yè)全場景的應(yīng)用原生。

用占杰的話來說，目前AI能力遇到了一些階段性的局限，但正在被突破，未來如果AI能夠自己反思，或具備了多輪思考能力，那么整個應(yīng)用創(chuàng)新的風(fēng)口才剛剛開始。

這也將是華為正完善的數(shù)智生態(tài)體系可預(yù)期的部分重要價值所在。