近期，以“科學數據與可持續發展”為主題的第十屆（2025）科學數據大會成功舉辦，全面展示中國科學院自動化研究所、高能物理研究所、國家天文臺等基于海光DCU打造的技術創新以及科研創新、行業應用創新等生態成果，助力多學科加速智能化。
在會議現場，海光信息攜手中國科學院高能物理研究所共同發布“基于DCU的科學大模型聯合方案”，形成以“海光DCU+高能所自研模型和自有科學大數據”為基礎的科研協同攻關，雙方發揮各自優勢，依托國產算力助力AI for Science研究。
多模態模型賦能自動化科研新范式
隨著大模型逐漸成為科研范式轉變的重要工具，自動化研究也迎來跨模態、跨領域的新探索路徑。中國科學院自動化研究所副研究員陳盈盈以“紫東太初”大模型的科研實踐為例，介紹了多模態AI如何幫助科研人員實現跨學科數據融合、知識聯想與自動推理。
聚焦國產化工具鏈的系統性構建，中國科學院自動化研究所與海光信息聯合研發涵蓋海光DCU驅動組件、運行時組件在內的7個完整高性能工具鏈解決方案，可在神經網絡模型、圖文模型訓練、大語言模型的訓練與推理等復雜任務中提供“一體化”智能支持。
AI加速高能物理走向人機交互
在高能物理研究日益倚重大數據與AI的背景下，中國科學院高能物理研究所特聘青年研究員張正德指出，面對正負電子對撞機等大科學裝置產生的海量數據，僅靠傳統分析手段已難以支撐理論研究的效率與深度。
面對訓練資源緊張、模型生態復雜、安全合規要求高等多重挑戰，高能所最終選擇海光DCU作為底層算力支撐，落地全球首個L2級高能物理大模型“溪悟”，并以此為核心，打造高能物理科研智能體系統——“賽博士”，多項技術指標處于世界領先地位。
海光信息智能計算研發負責人從合作模式角度出發，進一步補充了雙方聯合攻關背后的技術策略與組織機制。他指出，在嚴峻的現實條件面前，高能所選擇海光DCU作為算力支撐，體現了科研機構對“國產、安全、可信”能力體系的高度認可。海光信息也為“賽博士”項目提供從算力部署、算法適配到模型訓練的全鏈條支持，已形成助力客戶孵化世界級科研成果的可復用“方法論”。
科研軟件“三駕馬車”協同優化
在天文領域，隨著設備靈敏度提升與觀測手段拓展，數據呈現指數級爆發。中國科學院國家天文臺研究員張彥霞在分享中提到，像中國天眼FAST這樣的大科學工程，每年產生的數據量達96PB，未來更將突破1000EB，這對存儲、分析、計算帶來了前所未有的壓力。
海光信息智能計算產品負責人指出，海光DCU兼容全球主流AI架構，配套的開發工具套件DTK、人工智能基礎軟件棧DAS、人工智能應用平臺DAP形成科研軟件“三駕馬車”，推動從天體識別到氣象模擬再到冷凍電鏡重構等多個場景的算力躍升。
例如，在碳星識別中，海光DCU的計算效率超過CPU單核107倍；在冷凍電鏡算法并行效率方面，海光DCU已實現91.7%超高水準。
從技術進步到產出成果，再到產業落地，海光信息與眾多科研客戶的價值早已超越單一的合作范疇。事實上，海光信息正聯動頂尖科研力量，軟硬協同探索國產算力首選技術路線，逐步構建起中國特色的科技創新孵化體系，在全球AI發展中占得先機。（海光信息供圖）
（推廣）
