上海人工智能實驗室開源書生萬億科學大模型

　　日前，上海人工智能實驗室宣布，開源基于“通專融合”技術架構SAGE打造的萬億參數科學多模態大模型Intern（書生）-S1-Pro，為AI　for　Science（科學智能）從“工具革命”的1.0階段邁向以“革命的工具”驅動科學發現的2.0時代，提供了系統性開源基座。

　　上海人工智能實驗室主任、首席科學家周伯文提出，可深度專業化通用模型是實現通用人工智能（AGI）的可行路徑，其關鍵挑戰在于：專家化模型在訓練過程中需要低成本、能規模化的密集反饋；能夠持續不斷地學習與主動探索，并具備為同一個問題提供多視角、多種解決方案的能力；并能引入對物理世界規律的考量，兼顧多項差異化能力的學習效率與性能。

　　作為全球開源社區中參數規模最大的科學多模態模型之一，Intern-S1-Pro的性能表現穩居全球第一梯隊。其通過多項SAGE基礎模型層的技術創新，拓寬了模型應用邊界、提升了超大規模訓練可行性，推進了可深度專業化通用模型的探索。

　　為構建能更深層次理解物理世界規律的科學大模型，研究團隊引入了傅里葉位置編碼（FoPE）并重構了時序編碼器。FoPE為AI賦予了雙重視角：既能像看“粒子”一樣捕捉文字之間的相對距離，又能像分析“波”一樣把握科學信號的整體規律與頻率。科學數據與語言的差異還體現在多尺度上，基于能自動適應數據密度的時序編碼器，模型首次能統一處理從寥寥數個到百萬級采樣的各類信號，支持的分析對象從天文、地理直接拓展至生理信號、生物聲學等領域，從而實現感知能力的重大躍遷。

　　為了高效訓練承載這些能力的萬億參數超大規模模型，研究團隊革新了其內部的“路由機制”。傳統方法存在訓練低效和算力浪費兩大痛點。新技術通過“路由稠密估計”，讓模型在高效運行的同時能進行更充分的學習，提升了穩定性；進而通過“分組路由”策略，像智能交通系統一樣使海量計算芯片實現負載均衡，避免了資源閑置。

　　通過算法與系統的協同創新，Intern-S1-Pro同時攻克了超大規模模型訓練在“學習效率”和“資源調度”上的核心瓶頸，為高效、穩健地訓練下一代萬億參數模型提供了關鍵基礎。通過上述底層架構的創新，Intern-S1-Pro不僅在規模上刷新了科學多模態模型的參數規模上限，也為SAGE架構所提出的“通用能力與專業能力協同演進”提供了可落地的實現路徑。

　　值得一提的是，Intern-S1-Pro驗證了從原創模型架構到國產算力基座自主技術的完整鏈路。模型從架構設計之初，就與昇騰計算生態確立了聯合研發路線，實現了從最底層的算子、編譯優化到上層的訓練、推理框架的深度全棧適配。此外，Intern-S1-Pro還與沐曦聯合研發利用模型加速算子適配，為開放共享、面向未來的科學智能基礎設施奠定了堅實基礎。（記者 吳蔚）

　　轉自：經濟參考報

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。

延伸閱讀