作者 | 程茜
编辑 | 心缘
智东西 4 月 10 日报道，深势科技发布全球首个覆盖 " 读文献 - 做计算 - 做实验 - 多学科协同 " 全流程的 AI 科研平台玻尔科研空间站，并上线了科研知识库与 AI 学术搜索平台科学导航（Science Navigator），这一平台已覆盖全球 1.6 亿篇文献。
据了解，科学导航由深势科技联合北京科学智能研究院打造。该平台可以系统性解决科研人员在文献筛选、跨学科知识发现及学术资源获取等环节中的痛点，应对信息过载、检索繁杂、整理耗时等挑战。
张林峰谈道，当下，AI4S（AI 用于科研）应用场景更彻底的爆发，依赖于 AI 读算做的系统打通、加速闭环。
深势科技成立于 2018 年，他补充说，目前该公司员工规模在 200 人左右，其中有超过 100 名实习生。
一、首个覆盖 " 读算做 + 多学科协同 " 的 AI 科研平台
在科学导航中，用户输入或选择相应科学问题，科学导航就可以自动解析问题意图，匹配最相关的科研成果，并智能生成精准答案，同时一键跳转至原始文献，获取更深入的研究信息，确保科研探索的全面性与可溯源性。
这一平台拥有数据库和知识库、个性化问题捕捉、模型切换、多模态能力、批量文献问答、联网搜索等能力。
其中的学者库收录超 2000w+ 位全球学者，基于学者 AI 分身，用户可以与其对话交流，回答专业问题、分享观点、拓展科研思路。
二，AI4S 模型走向成熟，应用场景爆发需要 AI 读算做闭环
如今有越来越多 AI4S 模型出现。深势科技已经推出了多个 AI4S 模型，包括面向物理世界的 DPA 分子模拟大模型、面向化学世界的 Uni-Mol 3D 分子构象大模型、面向生物世界的 Uni-RNA 核酸结构大模型。
张林峰谈道，现在 AI4S 的发展趋势是，一方面模型走向成熟，另一方面其发展阶段可以对标 GPT-3，处于有基本数据积累以及面向下游能够实现迁移泛化的阶段，但在实验、生产、计算的科学探索领域仍存在较大问题。
他认为，当下 AI4S 应用场景更彻底的爆发，都依赖于 AI 读算做的系统打通、加速闭环。
因此，从 2022 年开始，深势科技一方面要证明自己可以把某些场景打通，如考虑药物设计领域等；另一方面，2022 年是大模型爆发前夜，在药物研发过程中需要对相关专利、文献进行收集、整理，然后将相应分子式等进行提取，再形成数据库，才能和 AlphaFold3 等类似的大模型进行拟合、迭代。
在 AI" 读 " 的部分深势科技的产品可以给出具体的分子式、化学反应等信息。此外，实验侧的合成、制备环节是形成整个闭环的规模、效率和反馈质量的最终要素，解决这一难题的关键就是大语言模型。
在 " 算 " 的环节，深势科技解决了 AI 克服维数灾难的问题，实现更好的建模、加速计算等，之后数据资料充足时，就会有整体的预训练模型和下游反馈。
三、AI 今年将吞噬文献世界，科研场景需自动化实验系统
张林峰谈道，AI4S 整个领域面临的一大问题是，AI 今年能够吞噬文献世界。从 AGI 的角度来看，有挑战的事情是高质量的数据，全量的文献专利就是更高质量的反馈。
他认为，AI 文献今年非常有望实现全量文献专利的干闭环，以及进一步的干湿闭环能够从局部走向整体。其中，包含瓶瓶罐罐的实验过程是湿实验，计算是干实验。
AI4S 的干闭环挑战在于，文献专利中的基础问答不够，体现在质量、通量不够；文献的标注解析缺乏，需要进行多模态信息标注的解析；每个场景都需要专用科学数据库。
这也导致玻尔空间站选择了现在的表现形式。玻尔空间站的现有版本里，已经可以针对文献的基础信息、通用语料、分子式等信息进行基础知识问答。
未来，张林峰提到，进一步的 AI 连接能力是产品继续往深走的核心。他认为，文献可能成为全球科学家的新平台，改变科研生产关系，而这很有可能发生在今年年底。
AI" 做 " 的部分的瓶颈是自动化程度不高，其中的一大矛盾点事，基于智能化算法去优化生产效率、化学反应可以追溯到 1978 年；但当下科研场景的自动化却很低，在工业场景已经非常成熟。
材料合成、药物发现领域的自动化实验系统可以支持开放式探索场景。他认为，这有点像人形机器人的柔性场景需求，但人形机器人相比实验系统更难，如果 AI4S 的实验室 " 具身智能 " 无法落地，人形机器人也很难落地。
上个月底，深势科技发布了 Uni-Lab-OS 智能实验室操作系统，该操作系统可以解决传统实验室手工操作低效、设备孤立及数据分散的痛点。
结语：未来 AI4S 大模型、自动化实验、产学研生态将实现飞轮
AI4S 大模型想要和真正的科学发现相关联，就需要 RLHF（人类反馈强化学习），也就是为模型优化进行定制化，这个过程类比到 GPT-3 到 GPT-4 就是大范围的人类对齐，GPT-4 以后的 Reasoning 模型就是针对具体场景的反馈优化。
张林峰称，面向未来，每个阶段都有独属于各个阶段的问题，2025 年实现彻底的干闭环，更长期的是 AI4S 大模型、自动化实验、产学研生态实现飞轮。
