近年來，人工智能技術已大規模應用到科學研究中，但仍以各學科微調通用大模型和各自重復“造輪子”的作坊模式為主，難以解決通用大模型幻覺強、科學專識薄弱、邏輯能力差等挑戰。作為專注于賦能科學研究的人工智能平臺，其依托科學基礎大模型，瞄準各學科的共性科學研究需求，從數據理解、計算優化、推理評估3個維度實現能力突破，可平臺式、規模化地賦能“假設提出-方案規劃-仿真推演-實驗驗證-規律發現”科研全流程。

　　全能AI科研助手工具

　　曾大軍現場展示智能科研平臺本次首發的兩個產品文獻助手(S1-Literature)和科學工具調度臺(S1-ToolChain)說，文獻助手由中國科學院自動化所聯合中國科學院文獻情報中心研發，依托國內最大的科技文獻數據庫和各類實時開源科技資料，可實現高水平的文獻理解與綜述自動生成，深度理解常用的科學數據類型，準確解讀科學公式與專業表達。

　　目前，文獻助手已完成數學、物理、材料等學科適配，未來將動態擴展并實現全學科覆蓋。用戶只需要發出簡短的指令，文獻助手即可自動整理綜述骨架，一次性梳理上千篇文獻，生成詳細的綜述內容。輔助用戶精讀論文時，文獻助手可提供思維導圖、引文回溯、研究圖譜、關鍵技術路徑抽取等工具?；诳茖W基礎大模型，文獻助手還可提供多學科領域知識問答、科學數據解讀等功能。

　　科學工具調度臺則實現跨學科數據理解、科學計算與仿真等工具的自主協同調用，通過科學模型標準協議，支持接入各類通用與專業科學模型和工具，以智能體進行工具流編排和任務串聯。當前，科學工具調度臺已集成數理化與工程學科近300個多模態科學數據分析、微分方程求解、離散優化、跨尺度仿真等工具。

　　當科研人員輸入科研需求，科學工具調度臺通過科學基礎大模型識別研究意圖，調用自主研發的序列理解模型分析序列結構，做出補全序列任務的規劃與編排，進而調用科學計算工具和專業模型完成蛋白質序列補全，實現科研工作的閉環。

　　形成平臺化工具體系

　　當前，人工智能與科學研究的深度融合，在生物、材料、制藥等多個領域已取得突破性成果，正在加速催生形成新一代多學科協同的科研范式，進一步拓展人工智能與科學研究融合的深度與廣度。

　　中國科學院自動化所瞄準這一科研范式變革關鍵點，充分發揮建制化學科體系和多學科融合科研隊伍儲備的優勢，基于科學基礎大模型及智能科研平臺，為科學研究持續提供強大的人工智能技術供給和全學科的場景支持。

　　曾大軍透露，下一步，研發團隊將開源科學基礎大模型(S1-Base)，并發布以此為基座的科學智能體工廠(S1-Agent)，以共同形成平臺化工具體系，助力打造“人工智能驅動的科學研究”(AI4Science)新范式。