科研智能案例集（2025年）

一、科研智能基础平台

• 星河启智科学智能开放平台：该平台旨在解决科学智能2.0时代中科学家面临的数据割裂、智算新需求、模型门槛高、实验闭环难、协作效率低等核心痛点，推动科研从“工具辅助”走向“智能伙伴”的新范式。平台构建了覆盖数据、模型、算力、实验、推理与协作的全链路基础设施，通过开箱即用的模型广场、低代码实验编排与智能体辅助，使非AI背景的科学家也能高效开展智能科研。平台已建成超过4万个高质量科学数据集，数据总量达12PB，科研任务按照计算类型分层处理，小时级加速至分钟级；低成本Serverless动态部署，同等计算资源下，可部署模型数量翻倍；子链路级别问题识别和任务恢复，异常中断秒级恢复，自动续训率99.9%。
• 石景山区AIforScience平台项目：该项目旨在打造国内领先的区级AIforScience平台，赋能科研院所与企业在新材料合成、化工研发、生物医药等领域的创新实践，推动石景山区产业数字化转型。平台采用“平台化、场景化、生态化”为核心建设理念，打造覆盖“数据—算法—算力—场景”的AIforScience一体化平台。平台已覆盖化工、材料、生物医药等5大重点领域，集成超过10套科研工具链，通过低代码智能体平台，将科研智能应用的开发周期从传统的4—6周缩短至3—5天，效率提升8倍以上。

二、材料研发

• 基于科研智能的高分子材料研发：该项目通过将高通量样品制备（手）、多维度样品表征系统（眼）、智能决策迭代（脑）技术深度融合，以国家战略领域关键材料研发需求为牵引建设了无人智能材料研发实验系统。系统通过机器人技术和人工智能决策的结合，突破了无人干预条件下材料制备、表征和智能迭代的材料研发实验系统关键技术，实现材料的“决策－制备－表征”的干湿闭环研发。项目已实现材料的自动化高通量制备与表征，24小时内在无人干预情况下完成超过100种制备条件的材料制备和表征；无人干预情况下自动运行连续工作时长大于240小时；针对特定材料需求，形成包括超过10000种制备条件及对应材料性能的数据库以及具有预测能力的智能预测算法。
• AI自驱动大压铸工艺闭环系统：该系统以大模型为核心支撑，在材料研发、工艺优化、质量检测三大核心场景实现技术落地。通过AI配方寻优缩短新材料研发周期，依托智能算法优化生产参数，借助视觉大模型实现毫米级缺陷精准检测，为高效交付提供了技术保障。系统在量产场景中，不仅实现全流程质量可控，更达成废品率降低、用人成本最小化的多重效益。
• AI赋能特钢研发：该项目通过“大模型+小模型/工具（1+X）”混合架构，构建以自然语言为接口的智能合金材料设计与工艺优化系统。系统基于32B大语言模型，融合冶金领域知识与企业私有数据，融合多种性能预测和视觉识别小模型，覆盖从文档问答、参数推荐到逆向设计、智能巡检等多类业务场景，实现特钢企业领域大语言模型落地应用。
• AI驱动的碳捕集材料研发与验证平台：该项目构建了一体化智慧CCUS材料研发平台，融合分子建模、机器学习、自动化实验与高通量筛选技术，实现吸收剂从虚拟筛选、性能预测到实验验证的闭环流程。平台已应用于CO₂吸收剂的结构–性能预测与新材料筛选，显著缩短研发周期，提高开发成功率。
• 材料显微图像智能分析及应用：该项目开发了基于人工智能的SEM图像分析模型，采用SAM架构，基于低碳院积累的上万张SEM图像，针对多组参数进行调优和适配，识别准确率达到95%，处理速度较人工提升200倍。同时，构建了端到端的智能分析平台，支持批量图像上传、一键处理和多维统计等功能。
• 统一NMR智能解析在化学与材料科学的应用：该项目提出了NMRNet，一个基于SE(3)Transformer架构的深度学习框架，采用预训练与微调的范式，旨在精准预测液相和固相NMR的化学位移。通过对原子环境的建模，NMRNet能够统一处理不同状态下的NMR数据。项目已建立全新的、标准化的基准数据集nmrshiftdb2-2024，并通过多个液相与固相NMR数据集验证了NMRNet的优越性。
• 基于科研智能的锂电电解液研发：该项目构建了一套人工智能驱动的锂电电解液智能研发系统。该系统通过集成高通量自动化制备平台、多模态在线表征技术和大模型，实现了电解液配方从“设计-配制-测试-优化”的全流程闭环研发。
• 深势科技Piloteye®电池设计智能研发平台：该平台基于机器学习、跨尺度建模等先进算法，为电池企业提供从Read-文献调研、Design-实验设计、Make-合成制备、Test-表征测试到Analysis-分析优化的一站式智能解决方案。
• 基于专用算力的电解液AI数据平台建设：该项目借助“天穹”材料计算专用科学计算机以及专为专用硬件架构设计的LogicMD软件，对不低于10000组电解液体系进行长时间大尺度的分子动力学模拟，并构建了电解液机器学习模型，实现从电解质的分子结构（或配方组成）到其宏观物理化学性能的精准、快速的定量构效关系模型。
• 基于数理双驱模型组合的二维材料发现：该项目提出以“数据驱动+物理机理”数理双驱为核心的闭环主动学习流程，融合深度神经网络与DFT高通量验证，系统扩展2D材料版图并面向目标性能开展条件生成。
• 多模态技术赋能有机分子谱图解析模型研发：该项目提出了以“光谱—分子”多模态对齐为核心、以条件离散扩散为生成骨干的DiffNMR框架，旨在实现从1H/13CNMR到分子图的自动化反演。

三、工业仿真

• 高速动车组空气动力学智能化仿真大模型-斫轮·风驰：该模型融合了几何信息神经算子和傅里叶神经算子，建立了空气动力学智能化仿真框架。利用几何信息神经算子将不规则的复杂几何外形高保真映射到规则的潜空间，利用傅里叶神经算子将流场特征变换至频域空间，通过全局线性积分算子和局部非线性激活函数，进行高维强非线性神经算子学习，再利用傅里叶反变换和几何反映射，实现列车表面压力、切应力的高精度快速预测。
• 民用客机超临界翼型函数生成和编辑模型：该模型通过神经算子将翼型表征为连续函数，通过神经算子（FNO）和流匹配技术，利用常微分方程（ODE）将隐函数映射至翼型几何；以任意分辨率生成高质量翼型；通过函数空间优化精确修改翼型，保持几何完整性。
• 风扇叶轮智能优化设计：该平台通过将人工智能技术深度融入传统工业软件，构建“参数化建模-智能仿真-多目标优化-知识沉淀”的全流程解决方案，实现了风扇叶片设计的智能化升级。
• 代理模型在轮胎设计仿真中的应用及仿真自动化：该研究创新性地构建了一套完整的解决方案，技术路线的核心在于将参数化建模、自动化仿真和代理模型预测三个关键环节有机整合，形成一个高效的设计优化闭环。
• ChatCAD生成式辅助工业设计：该产品将工业大模型技术引入工业设计领域，通过简单的对话问答形式，便能迅速理解设计师的创意意图，自动生成符合要求的工业设计图，还支持导出到传统工业设计软件进行手动微调。
• 面向高端制造业的多模态交互式预测性智能运维决策支持关键技术：该平台旨在帮助组织有效地管理和利用数据资源，提供了一系列的功能和工具，通过这些功能，数据中台能够帮助组织建立统一的数语义和格式，确保数据的一致性和准确性。
• 基于大数据的色漆漆料优化系统：该项目旨在基于色漆各维度的参数进行大数据分析，给出满足工艺质量要求下的最优生产参数推荐，并且推荐的生产参数相较于现场的生产参数有油漆耗量的减少。
• 基于MWORKS的具身空间仿真平台：该平台以创新提出的“具身域”为核心，融合信息域（算法与数据处理）、物理域（真实环境交互）与虚拟空间（高精度建模），构建涵盖感知、决策、执行闭环验证的仿真训练环境。通过高保真动态场景建模（如海洋扰动、多天气模拟）与数字孪生技术，实现无人系统（如无人船、无人机）从虚拟训练到物理样机的低成本高效迁移，提升其在复杂水域、城市环境中的自主导航与多任务协同能力。

四、地球科学

• 基于OneScience框架的气象AI大模型并行训练示范案例：该项目在复现Pangu-weather预测模型的基础上，探索基于张量并行（TensorParallel，TP）、流水线并行（PipelineParallel，PP）的模型重构与分布式训练路径，以算子内维度切分为核心机制，提升通信与计算重叠效率，实现参数级别的多异构加速卡协同训练。
• 伏羲系列气象大模型研发项目：该项目通过多学科交叉研究，基于海量大气海洋数据驱动，研发“伏羲”系列气象大模型，不仅在科技自立自强、业务自主可控等方面具有重要意义，促进大气海洋预报领域的科技发展，还能提升灾害性天气预报能力，服务于防灾减灾需求和产业发展。
• 基于深海基础模型的深海海山数字化智能系统：该项目聚焦解决深海探测中的三大核心瓶颈——效率低下、数据稀缺和算力不足。依托之江智算平台及Qwen2.5-VL多模态大模型架构，成功开发作为深海海山数字化智能系统核心智能底座的深海基础模型。
• 大模型驱动的灾害防御智能体：该智能体是一款面向区县级地质灾害防治的AI决策中枢系统，以“隐患点+风险区”双控理念为核心，构建了集“智能预警—预案生成—防御响应—灾害评估—科普宣传”于一体的全链路智能防控平台。
• 一站式遥感变化监测智能体：该智能体创新性地集成了莫干山地信实验室的多时相遥感分析算法与空间知识图谱技术，具备三大突破：一是首创“变化检测—合规分析—执法建议”全链路AI处理，处理效率达2000平方公里/天；二是支持耕地“非粮化”等复杂场景识别，准确率提升至91%；三是研发自然语言交互引擎，实现“查询莫干山占用基本农田的违建”等智能问答。
• 时空可信验证智能体：该智能体基于洛书多模态大模型的视觉识别与智能推理技术，利用外业举证照片、专题数据和技术规程进行综合分析，自动化执行核查图斑的精准审核。
• 滑坡隐患关联要素智能识别系统：该系统整合了多源遥感数据，结合前沿AI技术，实现了广域尺度滑坡隐患关联要素的遥感智能识别，有效改善了以人工解译为主的遥感调查方式，提高了广域动态识别的准确性与时效性，为我国西部地区地质灾害隐患遥感调查提供了有效支撑。

五、生物医药

• 人工智能辅助极端耐碱抗体的设计：该项目基于上海人工智能创新中心和上海交通大学联合研发的Pro-PRIME蛋白质大语言模型，通过两轮AI驱动设计实现VHH抗体的耐极端环境改造。通过65次实验验证即获得工业级突变体，突破传统方法需上千次实验的局限，研发周期缩短至2个月。
• 百度PaddleHelix平台针对GPCR难成药靶点的多肽设计系统的构建：该平台通过融合多种蛋白设计模型和工具，实现了一体化端到端蛋白设计。全流程的蛋白质设计，通过高精度的骨架设计模块，序列设计模块，构象预测模块和互作用分析模块的协同，让整体的pipeline流程发挥出最大效果。
• 华为云盘古药物分子大模型助力华中科大快速研制出全球首个利什曼病抑制剂：该项目利用华为云盘古药物分子大模型，在短时间内完成了对利什曼原虫SCARE1毒力蛋白的发现、机制解析及新型小分子抑制剂的开发。该模型显著缩短了药物筛选和优化的时间，使得利什曼病的预防性药物研发周期缩短至数月，研发成本降低了60%以上。
• 智慧芽Eureka平台：垂直领域大模型赋能生物医药研发全流程智能化：该平台以“AI+科研”为核心定位，构建了覆盖知识产权、生物医药、材料科学等领域的专业化AIAgent矩阵——“Eureka”平台。通过AIAgent替代人工完成专利检索、靶点分析等重复性工作，构建“数据驱动—智能决策—成果转化”的闭环体系。

六、智慧农业

• 华为云×中国农业科学院联合研发农科大模型：该项目依托华为云AI科学计算平台与盘古LLM模型，构建三大核心引擎，形成“海量知识综述生成—全维度数据挖掘—基因功能深度解码—性状智能设计模拟—种植系统智慧管理”全流程数智化闭环。该模型在助力水稻株型改良等领域取得突破，使水稻抗倒伏能力显著提升且产量稳定，同时将基因研究方案设计周期从数月缩短至数周，高效推动育种范式从“经验试错”迈向了“智能创制”。

七、可控核聚变

• 基于深度强化学习的球形托卡马克等离子体高精度磁控制：该项目提出并实现了针对球形托卡马克的等离子体智能控制系统。通过在多保真数字孪生环境中进行离线训练，采用数据-机理融合建模的方式消减仿真环境与实验装置的误差，利用强化学习使智能体自主学习复杂的控制策略。在球形托卡马克EXL-50U中实现了对极向场线圈电源电压的毫秒级控制，实验成功达成了对等离子体电流和位置的稳定控制，在限制器和偏滤器位形下均实现了数百毫秒的稳定运行。