當(dāng)人工智能開始主導(dǎo)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、量子系統(tǒng)模擬甚至新型材料發(fā)現(xiàn)時(shí)，科學(xué)研究的底層邏輯正在經(jīng)歷重大變革。2024年諾貝爾化學(xué)獎(jiǎng)授予了基于深度學(xué)習(xí)的分子動(dòng)力學(xué)研究團(tuán)隊(duì)，標(biāo)志著AI從科研輔助工具正式進(jìn)化為科學(xué)發(fā)現(xiàn)的核心引擎。在這場(chǎng)全球科研范式重構(gòu)的浪潮中，國家實(shí)驗(yàn)室對(duì)基礎(chǔ)設(shè)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(quán)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(diǎn)。華為以“智算實(shí)驗(yàn)室”為創(chuàng)新載體，通過AI數(shù)據(jù)湖、科研流程再造與異構(gòu)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(shè)高速通路。

科研范式變革：

從工具賦能到流程重構(gòu)的深層躍遷

傳統(tǒng)科研模式正面臨三重結(jié)構(gòu)性挑戰(zhàn)。在海南某實(shí)驗(yàn)室，基因測(cè)序儀每天產(chǎn)生超過2PB的原始數(shù)據(jù)，但分散在23家機(jī)構(gòu)的異構(gòu)系統(tǒng)中難以互通；某前沿材料實(shí)驗(yàn)室的統(tǒng)計(jì)顯示，因?qū)嶒?yàn)流程缺乏標(biāo)準(zhǔn)化，約27%的科研經(jīng)費(fèi)消耗在可避免的重復(fù)試驗(yàn)上；而上海某科學(xué)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(dāng)前科研基礎(chǔ)設(shè)施的核心矛盾：數(shù)據(jù)主權(quán)碎片化、實(shí)驗(yàn)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(gòu)建的AI4S科學(xué)計(jì)算平臺(tái)實(shí)現(xiàn)了從假說生成→實(shí)驗(yàn)設(shè)計(jì)→數(shù)據(jù)采集→模型訓(xùn)練→結(jié)果驗(yàn)證→論文撰寫的閉環(huán)。在深圳某實(shí)驗(yàn)室的腦科學(xué)研究中，AI不僅自動(dòng)優(yōu)化神經(jīng)元成像參數(shù)，更直接生成實(shí)驗(yàn)報(bào)告初稿，將科研人員從機(jī)械勞動(dòng)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(zhuǎn)向“智能密集型”，使科學(xué)家能聚焦于關(guān)鍵的創(chuàng)造性工作。

國家實(shí)驗(yàn)室正是基于此背景，有了進(jìn)一步的需求升級(jí)。某國家重點(diǎn)實(shí)驗(yàn)室主任在閉門會(huì)議中強(qiáng)調(diào)：“沒有全棧自主的底層架構(gòu)，再先進(jìn)的算法都是沙上建塔?！边@指向三個(gè)剛性訴求：全棧安全要求從芯片到應(yīng)用層的自主創(chuàng)新；數(shù)據(jù)主權(quán)需要覆蓋存儲(chǔ)、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(gòu)壁壘。這些訴求共同構(gòu)成AI for Science落地的關(guān)鍵基礎(chǔ)設(shè)施。

華為智算實(shí)驗(yàn)室方案：

三位一體構(gòu)筑科研新基座

01

AI數(shù)據(jù)湖，破解數(shù)據(jù)主權(quán)困局

在2025年3月舉辦的華為中國合作伙伴大會(huì)科技論壇上，華為公共事業(yè)軍團(tuán)副總裁孫鵬飛發(fā)表演講并提到：“華為智算實(shí)驗(yàn)室方案通過‘?dāng)?shù)據(jù)匯聚-數(shù)據(jù)加工-AI賦能應(yīng)用’全流程智能化體系，打造全球領(lǐng)先的AI數(shù)據(jù)湖全棧子方案，通過Data+AI雙輪驅(qū)動(dòng)，圍繞AI使能應(yīng)用全流程，構(gòu)筑低成本、高效率、可信賴的數(shù)據(jù)基礎(chǔ)設(shè)施，釋放實(shí)驗(yàn)室數(shù)據(jù)價(jià)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(shù)底層與應(yīng)用層面形成閉環(huán)，為破解數(shù)據(jù)主權(quán)困局提供了系統(tǒng)性解法。數(shù)據(jù)主權(quán)困局的核心矛盾在于，數(shù)據(jù)流動(dòng)的需求與數(shù)據(jù)控制權(quán)的博弈——既要實(shí)現(xiàn)跨地域、跨機(jī)構(gòu)的數(shù)據(jù)協(xié)同以釋放科研價(jià)值，又需確保數(shù)據(jù)擁有者對(duì)存儲(chǔ)、使用、共享的絕對(duì)掌控。

該方案以“可信賴的數(shù)據(jù)基礎(chǔ)設(shè)施”為基礎(chǔ)，通過分布式存儲(chǔ)架構(gòu)與聯(lián)邦學(xué)習(xí)技術(shù)，在數(shù)據(jù)物理存儲(chǔ)層面支持本地化部署，滿足不同科研機(jī)構(gòu)對(duì)數(shù)據(jù)主權(quán)的地域性法律要求。同時(shí)利用區(qū)塊鏈技術(shù)實(shí)現(xiàn)數(shù)據(jù)使用權(quán)的動(dòng)態(tài)審計(jì)，每一次數(shù)據(jù)調(diào)用、加工、流轉(zhuǎn)均可追溯，保障數(shù)據(jù)擁有者的知情權(quán)與控制權(quán)。

在AI使能層面，方案內(nèi)置的隱私計(jì)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(xùn)練，既破解了實(shí)驗(yàn)室間數(shù)據(jù)孤島導(dǎo)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(dòng)的合規(guī)風(fēng)險(xiǎn)。這種“數(shù)據(jù)不動(dòng)模型動(dòng)”的機(jī)制，使得數(shù)據(jù)主權(quán)與數(shù)據(jù)價(jià)值得以解耦——主權(quán)歸屬清晰不變，而數(shù)據(jù)價(jià)值通過AI模型的遷移實(shí)現(xiàn)跨域釋放。

02

智能中樞，數(shù)字化實(shí)驗(yàn)室六要素

在華為中國合作伙伴大會(huì)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(shí)驗(yàn)室中割裂的“人、機(jī)、料、法、環(huán)、測(cè)”六要素，整合成實(shí)時(shí)聯(lián)動(dòng)的數(shù)字化整體。以某新材料國家實(shí)驗(yàn)室的實(shí)踐為例，?；啡溌纷粉櫴故鹿薯憫?yīng)時(shí)間從小時(shí)級(jí)壓縮至分鐘級(jí)；計(jì)算機(jī)視覺系統(tǒng)自動(dòng)捕捉離心機(jī)0.5%轉(zhuǎn)速偏差，使實(shí)驗(yàn)復(fù)現(xiàn)失敗率驟降63%；儀器對(duì)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(shí)驗(yàn)室管理從人工監(jiān)管到智能自愈的轉(zhuǎn)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(tái)，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(dāng)AI智能助理分析百萬篇文獻(xiàn)時(shí)，它不僅在識(shí)別實(shí)驗(yàn)規(guī)律，更在構(gòu)建跨學(xué)科知識(shí)圖譜；當(dāng)云實(shí)驗(yàn)室記錄每個(gè)實(shí)驗(yàn)參數(shù)時(shí)，這些數(shù)據(jù)會(huì)轉(zhuǎn)變成可復(fù)用的數(shù)字資產(chǎn)。以上海某基因?qū)嶒?yàn)室為例，通過平臺(tái)積累的30萬組蛋白質(zhì)表達(dá)數(shù)據(jù)，AI僅用47小時(shí)就發(fā)現(xiàn)了傳統(tǒng)方法需耗時(shí)數(shù)年才能找到的新靶點(diǎn)作用機(jī)制。這種從“離散數(shù)據(jù)”到“知識(shí)金礦”的蛻變，標(biāo)志著科研基礎(chǔ)設(shè)施的智能躍遷。

圖1 在DataD平臺(tái)上完成科研實(shí)驗(yàn)論文全流程服務(wù)閉環(huán)

Lims系統(tǒng)與DataD平臺(tái)的聯(lián)動(dòng)，正孕育著國家實(shí)驗(yàn)室的智能中樞。前者如同數(shù)字化的“實(shí)驗(yàn)室軀體”，精確控制每個(gè)實(shí)驗(yàn)因子的微觀狀態(tài)；后者構(gòu)成“科研大腦”，將離散數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化知識(shí)。這種協(xié)同推動(dòng)著科研范式從經(jīng)驗(yàn)試錯(cuò)向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變。

隨著智能中樞的形成，實(shí)驗(yàn)室正在經(jīng)歷三重能力躍升：實(shí)驗(yàn)設(shè)計(jì)從靜態(tài)方案轉(zhuǎn)向動(dòng)態(tài)優(yōu)化，過程監(jiān)控從人工記錄升級(jí)為自動(dòng)糾偏，知識(shí)轉(zhuǎn)化從個(gè)體經(jīng)驗(yàn)進(jìn)化為群體智能。當(dāng)西北某生態(tài)實(shí)驗(yàn)室通過DataD平臺(tái)共享的12萬組土壤數(shù)據(jù)驅(qū)動(dòng)Lims系統(tǒng)自動(dòng)調(diào)整荒漠植物培育參數(shù)時(shí)，我們看到的不只是單個(gè)實(shí)驗(yàn)室的效率提升，更是國家科研基礎(chǔ)設(shè)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(xué)前沿的新質(zhì)生產(chǎn)力引擎。

03

算力調(diào)度，打破架構(gòu)壁壘

當(dāng)萬億參數(shù)大模型成為科學(xué)研究的剛需，傳統(tǒng)計(jì)算中心因架構(gòu)差異導(dǎo)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(tái)，其異構(gòu)融合調(diào)度解決了不同技術(shù)架構(gòu)的兼容問題。平臺(tái)搭載的自研動(dòng)態(tài)感知算法實(shí)時(shí)解析任務(wù)的多維基因，包括時(shí)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(jī)構(gòu)的測(cè)試顯示，該引擎將昇騰、英偉達(dá)、寒武紀(jì)等異構(gòu)資源池化為統(tǒng)一算力平面，將跨架構(gòu)調(diào)度延遲壓至毫秒級(jí)，驅(qū)動(dòng)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(diǎn)無收斂組網(wǎng)構(gòu)筑物理基座，支撐萬億模型全參數(shù)訓(xùn)練。貴陽閑置的智算卡光速接入北京超算節(jié)點(diǎn)，不同代際的GPU/NPU在統(tǒng)一界面無縫協(xié)同，讓科研機(jī)構(gòu)真正體驗(yàn)到異構(gòu)算力如同水電般按需流動(dòng)。

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(qiáng)大的科研工具。當(dāng)跨域通信開銷銳減、超算中心利用率突破95%時(shí)，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(gòu)建安全與生態(tài)護(hù)城河

01

全棧自主的安全基座

華為方案的核心優(yōu)勢(shì)始于鯤鵬+昇騰雙引擎構(gòu)筑的自主底座。昌平實(shí)驗(yàn)室蛋白質(zhì)預(yù)測(cè)平臺(tái)基于昇騰算力平臺(tái)與昇思MindSpore框架開發(fā)，不僅預(yù)測(cè)速度超越AlphaFold2 40倍，更確保實(shí)驗(yàn)數(shù)據(jù)全程不出自主創(chuàng)新生態(tài)圈。該平臺(tái)通過科研IT等保三級(jí)認(rèn)證，滿足國家實(shí)驗(yàn)室對(duì)敏感數(shù)據(jù)處理的嚴(yán)苛要求。在涉及基因編輯、核能材料等敏感領(lǐng)域的研究中，這種全棧安全成為不可替代的剛需。

02

三級(jí)生態(tài)協(xié)同體系

華為構(gòu)建的三層解耦生態(tài)模型展現(xiàn)出強(qiáng)大生命力。模型商店層聯(lián)合中圖科信匯聚近數(shù)千個(gè)開源科學(xué)模型，涵蓋冷凍電鏡解析、流體力學(xué)仿真等專業(yè)領(lǐng)域；開發(fā)平臺(tái)層通過CANN 7.0開放底層算子，使商飛研發(fā)團(tuán)隊(duì)將翼型流場(chǎng)預(yù)測(cè)模型開發(fā)周期壓縮80%；行業(yè)應(yīng)用層實(shí)現(xiàn)C919機(jī)翼設(shè)計(jì)中的流體仿真誤差降至10??量級(jí)，減少上千次風(fēng)洞試驗(yàn)。這種“模型-平臺(tái)-應(yīng)用”的三級(jí)火箭模式，大幅縮短科研成果轉(zhuǎn)化周期。

華為方案的護(hù)城河源于安全與生態(tài)的深度耦合，而更深遠(yuǎn)的變革在于科研范式的系統(tǒng)重構(gòu)：當(dāng)DataD平臺(tái)使上?；?qū)嶒?yàn)室的靶點(diǎn)發(fā)現(xiàn)效率提升千倍，當(dāng)海南某實(shí)驗(yàn)室種質(zhì)篩選周期從3個(gè)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(quán)歸屬（破解孤島）、重構(gòu)實(shí)驗(yàn)流程邏輯（六要素?cái)?shù)字化）、重建算力協(xié)作模式（聯(lián)邦調(diào)度），三位一體推動(dòng)中國科研不斷前進(jìn)。

華為正聯(lián)合各科研機(jī)構(gòu)加速構(gòu)建面向科研領(lǐng)域的AI4S創(chuàng)新生態(tài)：鵬城實(shí)驗(yàn)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(diǎn)，依托自主創(chuàng)新首個(gè)E級(jí)人工智能算力平臺(tái)“鵬城云腦Ⅱ”（總算力達(dá)1E FLOPS），服務(wù)數(shù)萬科研開發(fā)者，推動(dòng)異構(gòu)芯片高效調(diào)度；聯(lián)合清華大學(xué)、中國科學(xué)院等機(jī)構(gòu)共建科研平臺(tái)；在生物計(jì)算領(lǐng)域攜手廣東醫(yī)科大學(xué)成立“數(shù)智健康醫(yī)療聯(lián)合創(chuàng)新天工實(shí)驗(yàn)室”，聚焦AI+生物醫(yī)藥研發(fā)；在氣候科學(xué)領(lǐng)域基于盤古大模型深化氣象預(yù)測(cè)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(shù)攻堅(jiān)—產(chǎn)業(yè)轉(zhuǎn)化”全鏈條體系，為生命科學(xué)、信息科學(xué)、醫(yī)療、氣候等科學(xué)領(lǐng)域提供基礎(chǔ)設(shè)施與智力支撐。

隨著AI4S寫入國家戰(zhàn)略，華為聯(lián)合30余個(gè)重點(diǎn)行業(yè)播下的智能火種，已在基礎(chǔ)科學(xué)領(lǐng)域點(diǎn)燃創(chuàng)新鏈?zhǔn)椒磻?yīng)。當(dāng)碎片化算力凝聚為突破邊界的重錘，當(dāng)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(gòu)的浪潮中錨定下一個(gè)航標(biāo)。

已刊發(fā)于《華為技術(shù)》專欄官網(wǎng)

本文作者：華為公共事業(yè)軍團(tuán) 孫鵬飛 張磊