科学大模型

核心事件 美国能源部（DOE）正式启动 Genesis 开放模型计划，并联合 AI 初创公司 Arcee.ai 发布了首个专为科学研究设计的开源权重模型 Genesis-Science-1，旨在通过公私合作模式打破闭源巨头在科研 AI 领域的垄断。 ▶ 科学垂直化趋势：大模型正从“通用聊天”转向“硬核科研”，Genesis-Science-1 的发布标志着针对复杂科学假设和实验数据处理的专业化模型进入爆发期。 ▶ 公私合营新范式：美国政府不再仅提供算力，而是通过与 Arcee.ai 等垂直领域专家合作，直接参与模型架构定义与权重开放，试图夺回 AI 基础设施的话语权。 八卦洞察 此次 DOE 的动作极具战略深意。长期以来，OpenAI、Google 等巨头的闭源模型虽强，但在科学研究要求的“可重复性”和“透明度”上天然不足。Genesis-Science-1 的推出，实际上是美国“国家队”在为全球科研界提供一套可信的、去中心化的底层工具链。通过 Arcee.ai 擅长的模型合并（Model Merging）与领域自适应技术，DOE 成功将国家实验室的海量冷数据转化为可流动的智能资产。这不仅是对闭源生态的挑战，更是为了在生物医药、材料科学等关键领域建立基于开源协议的“技术护城河”。 行动建议 对于科研机构与研发型企业，建议立即评估 Genesis-Science-1 在特定垂直领域的微调潜力，而非继续在通用模型上浪费算力。开发者应重点关注该计划后续释放的训练数据集构成，这可能成为未来科学大模型的行业标准。同时，国内相关团队需警惕此类“开源权重”背后的技术生态收编，加速构建自主可控的科学大模型底座。

核心摘要上海人工智能实验室（Shanghai AI Lab）正式发布 Intern-S2-Preview，这是一个拥有 35B 参数的科学多模态基础模型。该模型不仅在参数和数据规模上进行常规扩张，更核心的突破在于引入了“任务缩放”（Task Scaling）理念：通过显著提升科学任务的难度、多样性和覆盖面，从预训练阶段起就深度整合专业科学任务，全面释放模型在复杂科研场景下的潜力。▶ 范式转移：告别单纯依赖算力和数据量的“暴力美学”，转向以“任务复杂度”为核心的精准缩放，标志着 AI for Science 进入精细化作业阶段。▶ 全链条集成：科学逻辑不再是微调阶段的“补丁”，而是从预训练开始就植入模型的底层基因，确保了多模态理解与科学推理的深度耦合。八卦洞察在当前大模型竞争中，35B 是一个极具战略意义的“甜点位”参数量。它既能承载足够的逻辑推理深度，又能在企业级显存（如单机多卡 A800/H800）上实现高效部署。Intern-S2-Preview 的出现，实际上是在挑战“只有千亿参数才能做科学前沿推理”的固有认知。通过“任务缩放”而非单纯的“数据缩放”，InternLM 团队正在试图定义一种更高熵、更高效的训练路径，这对于资源受限但追求专业深度的科研机构极具参考价值。行动建议对于垂直领域开发者，建议重点研究其“任务缩放”的方法论，而非盲目追求数据堆砌；对于科研机构，35B 级别的模型是目前平衡推理精度与私有化部署成本的最优选，应优先考虑将其作为垂直领域科研助手的底座进行适配。