智東西
作者 程茜
編輯 心緣

智東西4月10日報道，深勢科技發(fā)布全球首個覆蓋“讀文獻-做計算-做實驗-多學科協(xié)同”全流程的AI科研平臺玻爾科研空間站，并上線了科研知識庫與AI學術搜索平臺科學導航（Science Navigator），這一平臺已覆蓋全球1.6億篇文獻。

據(jù)了解，科學導航由深勢科技聯(lián)合北京科學智能研究院打造。該平臺可以系統(tǒng)性解決科研人員在文獻篩選、跨學科知識發(fā)現(xiàn)及學術資源獲取等環(huán)節(jié)中的痛點，應對信息過載、檢索繁雜、整理耗時等挑戰(zhàn)。

張林峰談道，當下，AI4S（AI用于科研）應用場景更徹底的爆發(fā)，依賴于AI讀算做的系統(tǒng)打通、加速閉環(huán)。

深勢科技成立于2018年，他補充說，目前該公司員工規(guī)模在200人左右，其中有超過100名實習生。

一、首個覆蓋“讀算做+多學科協(xié)同”的AI科研平臺

在科學導航中，用戶輸入或選擇相應科學問題，科學導航就可以自動解析問題意圖，匹配最相關的科研成果，并智能生成精準答案，同時一鍵跳轉至原始文獻，獲取更深入的研究信息，確保科研探索的全面性與可溯源性。

這一平臺擁有數(shù)據(jù)庫和知識庫、個性化問題捕捉、模型切換、多模態(tài)能力、批量文獻問答、聯(lián)網(wǎng)搜索等能力。

其中的學者庫收錄超2000w+位全球學者，基于學者AI分身，用戶可以與其對話交流，回答專業(yè)問題、分享觀點、拓展科研思路。

二，AI4S模型走向成熟，應用場景爆發(fā)需要AI讀算做閉環(huán)

如今有越來越多AI4S模型出現(xiàn)。深勢科技已經(jīng)推出了多個AI4S模型，包括面向物理世界的DPA分子模擬大模型、面向化學世界的Uni-Mol 3D分子構象大模型、面向生物世界的Uni-RNA核酸結構大模型。

張林峰談道，現(xiàn)在AI4S的發(fā)展趨勢是，一方面模型走向成熟，另一方面其發(fā)展階段可以對標GPT-3，處于有基本數(shù)據(jù)積累以及面向下游能夠實現(xiàn)遷移泛化的階段，但在實驗、生產(chǎn)、計算的科學探索領域仍存在較大問題。

他認為，當下AI4S應用場景更徹底的爆發(fā)，都依賴于AI讀算做的系統(tǒng)打通、加速閉環(huán)。

因此，從2022年開始，深勢科技一方面要證明自己可以把某些場景打通，如考慮藥物設計領域等；另一方面，2022年是大模型爆發(fā)前夜，在藥物研發(fā)過程中需要對相關專利、文獻進行收集、整理，然后將相應分子式等進行提取，再形成數(shù)據(jù)庫，才能和AlphaFold3等類似的大模型進行擬合、迭代。

在AI“讀”的部分深勢科技的產(chǎn)品可以給出具體的分子式、化學反應等信息。此外，實驗側的合成、制備環(huán)節(jié)是形成整個閉環(huán)的規(guī)模、效率和反饋質(zhì)量的最終要素，解決這一難題的關鍵就是大語言模型。

在“算”的環(huán)節(jié)，深勢科技解決了AI克服維數(shù)災難的問題，實現(xiàn)更好的建模、加速計算等，之后數(shù)據(jù)資料充足時，就會有整體的預訓練模型和下游反饋。

三、AI今年將吞噬文獻世界，科研場景需自動化實驗系統(tǒng)

張林峰談道，AI4S整個領域面臨的一大問題是，AI今年能夠吞噬文獻世界。從AGI的角度來看，有挑戰(zhàn)的事情是高質(zhì)量的數(shù)據(jù)，全量的文獻專利就是更高質(zhì)量的反饋。

他認為，AI文獻今年非常有望實現(xiàn)全量文獻專利的干閉環(huán)，以及進一步的干濕閉環(huán)能夠從局部走向整體。其中，包含瓶瓶罐罐的實驗過程是濕實驗，計算是干實驗。

AI4S的干閉環(huán)挑戰(zhàn)在于，文獻專利中的基礎問答不夠，體現(xiàn)在質(zhì)量、通量不夠；文獻的標注解析缺乏，需要進行多模態(tài)信息標注的解析；每個場景都需要專用科學數(shù)據(jù)庫。

這也導致玻爾空間站選擇了現(xiàn)在的表現(xiàn)形式。玻爾空間站的現(xiàn)有版本里，已經(jīng)可以針對文獻的基礎信息、通用語料、分子式等信息進行基礎知識問答。

未來，張林峰提到，進一步的AI連接能力是產(chǎn)品繼續(xù)往深走的核心。他認為，文獻可能成為全球科學家的新平臺，改變科研生產(chǎn)關系，而這很有可能發(fā)生在今年年底。

AI“做”的部分的瓶頸是自動化程度不高，其中的一大矛盾點事，基于智能化算法去優(yōu)化生產(chǎn)效率、化學反應可以追溯到1978年；但當下科研場景的自動化卻很低，在工業(yè)場景已經(jīng)非常成熟。

材料合成、藥物發(fā)現(xiàn)領域的自動化實驗系統(tǒng)可以支持開放式探索場景。他認為，這有點像人形機器人的柔性場景需求，但人形機器人相比實驗系統(tǒng)更難，如果AI4S的實驗室“具身智能”無法落地，人形機器人也很難落地。

上個月底，深勢科技發(fā)布了Uni-Lab-OS智能實驗室操作系統(tǒng)，該操作系統(tǒng)可以解決傳統(tǒng)實驗室手工操作低效、設備孤立及數(shù)據(jù)分散的痛點。

結語：未來AI4S大模型、自動化實驗、產(chǎn)學研生態(tài)將實現(xiàn)飛輪

AI4S大模型想要和真正的科學發(fā)現(xiàn)相關聯(lián)，就需要RLHF（人類反饋強化學習），也就是為模型優(yōu)化進行定制化，這個過程類比到GPT-3到GPT-4就是大范圍的人類對齊，GPT-4以后的Reasoning模型就是針對具體場景的反饋優(yōu)化。

張林峰稱，面向未來，每個階段都有獨屬于各個階段的問題，2025年實現(xiàn)徹底的干閉環(huán)，更長期的是AI4S大模型、自動化實驗、產(chǎn)學研生態(tài)實現(xiàn)飛輪。