AI原生科研基础设施和数据大会在京举办:建设面向智能体时代的科研 服务底座

8 月 14 日，AI 原生科研基础设施和数据大会在北京中关村皇冠假日酒店举办。大会由阿里云主办，NVIDIA 赞助，魔搭社区、Datawhale、深势科技、中国科学院大学他山学科交叉创新协会、云工开物等机构支持，来自高校、科研机构与产业界的 300 余位代表到场参会。全天共 19 场报告，围绕 AI 原生时代科研范式的变化，探讨算力、数据、模型与智能体如何走进科研的真实流程。

科研的用户正在从“人”扩展为“人+智能体”，支撑科研的基础设施与数据服务也随之向 AI 原生演进——这成为贯穿全天报告的主线。阿里云智能集团数据库产品管理与技术架构部负责人王远在《贯通算力与智能体：让科研智能体用好每一份数据的数据底座》的主题演讲中提出，当智能体成为科研的新用户，数据基础设施要重构的不是性能参数，而是数据的组织方式，为此，需要把多模态科研数据全面打通，做到“进得来、找得到、越用越准”，并以长期记忆让上一次的结论成为下一次推理的起点。阿里巴巴高级技术专家马骏在《面向 Agent 以及 AI 原生的基础设施——灵骏》主题演讲介绍了以智能体为“第一优先用户”重新设计的异构算力底座，从训练的复现纪律到推理的智能编排，把专家经验沉淀为智能体可执行的工程协议。NVIDIA 资深解决方案架构师翟健分享了 NVIDIA 全栈加速 Agentic AI 和物理 AI。从数据底座到异构算力，基础设施正围绕智能体这一新用户被重新设计。

与底座相伴的，是一批正在改变科研人日常的 AI 原生工具与平台。千问办公高校行业解决方案负责人金黎杰在《千问办公，科研人员的 AI 伙伴》中提出，科研的瓶颈正从“获取数据”转向“处理数据”，千问办公不止于对话，而是能读取实验文件、运行代码、生成图表并定时追踪前沿，覆盖从选题、文献到实验数据与论文的科研全流程。千问 AI 平台开发者增长产品负责人李若冰与产品经理葛钧带来《好模型，好平台：千问 AI 平台为 AI Agent 而生，释放科研生产力》，围绕“一个 Key 无缝切换多模型、让智能体跑通身份认证到结算的全链路”，为科研智能体提供模型服务平台支撑。阿里巴巴 Qoder 高级技术专家夏振华在《从写代码到做科研：Agent 如何重塑 AI 原生科研工作流》中提出，Coding Agent 在科研领域正重演编程领域的演进路径——从辅助、协同走向自主。过去 AI 只帮研究者检索文献、优化论文；如今它开始整理数据、运行分析、根据反馈迭代实验。

底座与工具勾勒出整体思路，更具体的进展则落在数据与平台的实践中。魔搭社区技术专家毛云麟在《魔搭社区：模型与数据集在科研场景的应用》中提出“AI Ready Data”理念，强调数据不只要公开，更要能被模型与智能体直接执行。深势科技基础科研解决方案总经理张文涛在《AI4S 科研基础设施的实践分享》中指出，科学语料相较互联网数据的本质差异，并分享了以“读、算、做、智”把论文抽取为可复现方法配方的实践。阿里云 AI 数据产品经理郭伟带来的《阿里云智算魔方：本地化模型服务与科研 AI 应用》，面向 Token 成本、环境配置与数据隐私三类痛点，提供本地大模型与公混一体调用的桌面级算力方案。NVIDIA 资深解决方案架构师付璟媛分享了 NVIDIA BioNeMo 平台在生命科学场景的应用。让数据可被智能体直接执行、让算力在本地与云端灵活调度，成为这一层实践的共同指向。

AI 的能力也在向内容与设计延伸。千问大模型资深产品架构师苏吉普分享《AIGC 技术最新进展和产品化探索》，阿里云智能设计中心 AI Native 产品设计负责人杨涛带来《VibeDesigning：意图驱动的 AI 设计范式进化》，从内容生成到设计范式，呈现了 AI 原生的创作方式。

技术的价值最终要在学科场景中兑现。中国科学院大学博士生、他山学科交叉创新协会副社长房泽锐在《Qwen 赋能高端微机电芯片国产 EDA 研究》中，展示了大模型在芯片设计沙箱中反复调用 EDA 反馈、自主优化硬件逻辑的探索，呈现从“AI 芯片”到“AI for AI Chip”的路径；中国地质大学（北京）人工智能系主任王玉柱在《矿产资源大模型与智能体构建关键技术研究》中，分享了构建金矿集区预测评价智能推理大模型与知识图谱以支撑智能找矿的研究。在人文社科方向，Datawhale AI4S 生态负责人王婷带来《从 AI for Science 到 AI for Research：如何定义 AI 时代的研究问题？》，中国科学院大学博士生、他山学科交叉创新协会副会长陈希鸿介绍《他山世界：开放的研究型 Agent 社区》，北京服装学院时尚传播学院广告学系系主任、硕士生导师、副教授周易军分享《AI 赋能 创研双升》，南京大学历史学院暨数字史学研究中心助理教授金伯文带来《AI 与历史学研究》。从基础设施、地质到历史、广告，AI 原生科研正从理工延伸到人文社科的广阔场景。

能力扩展的同时，学术规范问题也被摆上台面。阿里云高校合作部胡锐在《AI 原生科研下的学术伦理》中，梳理了当前学界对 AI 使用的全球共识与仍存争议的灰色地带，围绕 AI 能否署名、使用是否需要透明披露、责任如何归属等问题展开讨论，并从技术内嵌、流程约束、制度保障三个层面，探讨了将学术规范嵌入科研工具与流程的路径。

从基础设施与数据底座，到面向科研场景的工具与平台，再到学科落地与伦理规范，本次大会呈现了 AI 原生科研从全栈协同设计到应用场景的整体图景。阿里云表示，将持续与生态，机构，高校和科研界一道，推动 AI 更好地服务于科学研究。