高校，一覺醒來成了智算採購大戶

過去兩年，以大模型為代表的新一代人工智慧浪潮，在全球的發展中展現出蓬勃活力和巨大潛力。AI已不僅僅是技術進步的象徵，更已成為國家戰略中的核心要素。

“如果說今天有什麼事是我們一定要做的，那就是AI For Science（AI4S）。難以想象今天還有什麼事情比它更重要，今年諾貝爾獎的頒佈便是最好證明。”

11月下旬，在深圳舉辦的2024年IDEA大會上，香港科技大學校董會主席沈向洋表示，當前做人工智慧研究，一方面要全力推動大模型技術的落地，另一方面也要關注它在科學研究中的應用。

第二天，在前往香港與黃仁勳進行一場對談的過程中，沈向洋又再次提到了AI for Science，並提及香港科技大學已圍繞這一熱門方向，投入大量的計算基礎設施和GPU資源。

黃仁勳則回應稱，高校目前確實面臨著一個嚴峻的結構性難題，即計算資源分散，反而導致一些研究算力獲取難。這也是為什麼，之前很多研究員選擇先前往英偉達、谷歌、微軟等大公司進行研究，再返回大學，甚至許多教授，會選擇在從事教學工作的同時，兼顧研究工作的原因。

黃仁勳因此建議“大學應該成為基礎設施建設的引領者，透過集中資源來推動全校的研究發展”。

實際上，業界觀察，最近兩年隨著大模型的到來，尤其近期諾貝爾獎的釋出，讓高校對AI for Science、大模型和智算的投入熱情進一步高漲。

01

諾貝爾獎後，高校熱情高漲

最近，多位業界人士觀察，圍繞AI for Science，高校對大模型、算力等方面的需求正在愈發活躍。

大模型方面，最近兩個月，教育依然是公開招投標市場上，出單數排名前列的幾大行業之一。“現在不光是211、985，還有大量地方級的一本、二本學校也都在主動聯絡我們，探討合作。”一位大模型行業人士告訴，“高校都在努力擁抱大模型。”

算力方面，近期市場上，更是頻繁湧現大單，多所大學都在釋出千萬元級別甚至上億元的算力採購需求。

AI for Science並不是一個新概念，早在2018年，中科院院士鄂維南就在全球首次提出“AI for Science（科學智慧）”概念。AlphaFold在蛋白質結構預測方面的重大突破，也持續推動著這一概念深入大眾視野。而今年10月，諾貝爾物理學獎、化學獎紛紛頒給人工智慧相關專家，則讓這一概念走向更大舞臺，再一次成為了熱門話題。

“大家最興奮的是，原來AI for Science要由各種不同的模型去做，但現在搞蛋白質的、搞數學的......都可以‘揉’到大模型的方式中來，核心架構甚至全都是transformer。”百度傑出系統架構師王雁鵬告訴數智前線。

這讓一向作為科研主陣地的高校們看到了新的確定性方向，都在集中火力，推進AI for Science的發展。

更頻繁的學術交流和經驗探討是一方面。近期，全國各地湧現出了多場AI for Science相關論壇。其中，有不少是由高校主動發起。比如，10月底的2024中國計算機大會上，復旦大學發起和組織了“第一屆科學智慧（AI for Science）論壇——探索科學智慧的邊界”。11月初，北京大學計算機學院，也和北京科學智慧研究院一起，主辦了“2024科學智慧峰會”……

一些高校也在成立專門的機構或組織，來推進AI for Science發展。比如香港城市大學，就在10月21日宣佈成立了香港人工智慧與科學研究院，並與多名學術和業界夥伴簽署合作備忘錄，共同推進人工智慧（AI）領域的前沿科研。

人才方面的培養也在加速。數智前線注意到，10月底至今，浙江大學已經與中國人工智慧學會（CAAI）、國家開放大學、CAAI 教育工作委員會等一起，連續製作六期“諾獎後談AI”的人工智慧通識課程系列直播公開課，推動大學生人工智慧素養培養。

除此之外，大模型時代下的AI for Science，正在對高校的算力問題提出新的要求。

業界觀察，高校傳統的算力建設方式，往往是不同院系甚至不同研究小組，自行採購和管理各自的計算資源，從而導致一個學校記憶體在多個小型計算叢集，容易出現算力資源分散管理、忙閒不均、共享不暢等問題，無法滿足大型模型研發所需的高速通訊要求，拖慢科研成果產出效率。

“為適應AI4S的需求，模型研發必須在算力、演算法和模型框架等多個方面進行協同最佳化和建設，傳統的分散建設方式已不再適用。”去年10月，在一場AI大會上，復旦大學人工智慧創新與產業研究院研究員程遠曾表示。

為此，早在去年6月，復旦大學就和阿里雲、中國電信合作打造上線了號稱是當時“中國高校規模最大的雲上科研智慧計算平臺CFFF”。而該平臺由面向多學科融合創新的AI for Science計算叢集“切問1號”和麵向計算科學高精尖研究的專用高效能運算叢集“近思1號”兩部分組成。

無獨有偶，更多高校也都在加速算力基礎設施的投入和建設。今年1月，浙江大學與中國移動簽署戰略合作協議，並宣佈共同打造“全國首個校企合營模式算力中心——中國移動-浙江大學啟真算力中心”。4月，香港科技大學（廣州）智算中心也正式啟用……

今年10月，諾貝爾獎的釋出，則帶來了進一步的需求刺激。“最近，高校的熱情普遍很高，預算也在變多。”王雁鵬告訴數智前線，他們已經看到好幾個高校，都拿到幾億元的資金，要加大智算基礎設施的投入。

像上海交通大學，已轉變傳統科研模式，期望科學與AI更緊密的結合。他們與百度智慧雲合作建成了自己的AI for Science科學資料開源開放平臺，支撐白玉蘭科學大模型的訓練。依託AI for Science平臺，上海交大已在Nature Computational Science封面，發表了AI+城市的科學成果。

02

大模型時代，產學研合作有了新內涵

高校紛紛加碼AI for Science的同時，產學研的結合正變得愈加密切。

中國科學院院士鄂維南曾不止一次在演講中表示，隨著AI for Science的發展，科學研究將告別原來一個課題組完成所有科研任務相關事務的“作坊模式”，轉為類似“安卓模式”的平臺科研，打破學科邊界。

“在平臺科研的基礎上，針對具體的應用場景，透過垂直整合方式組織科學團隊、實驗團隊、產業界專家聯合進行攻關，將極大提升科研的效率以及產業發展。”鄂維南說。

一位來自國內大模型和算力服務企業的資深人士也告訴數智前線，隨著大模型的到來和持續落地，校企合作目前已成為普遍趨勢。“原來很多東西都是我們要主動去找高校，但最近兩年，高校主動找來的比較多。”該人士表示。

合作也在更加深化。“原來可能只是和高校本身籤一個戰略協議，在IaaS層合作，或者大家去找到一個點，做一些傳統應用的合作。”上述人士介紹，但最近兩年，高校裡面的很多二級學院，也都在紛紛找他們進行合作。而這些二級學院，想要合作的業務方向也都不一樣，往往覆蓋了交通、藥品、能源製造等不同領域，畢竟他們手中握有一些專業資料，在大模型時代有必要條件。

不過，AI雖然幫助突破了原來的科研瓶頸，但對科研團隊的“硬+軟”實力也提出了更高要求，校企合作更有利於實現優勢互補。

比如在隧道與地下施工領域，山東大學與浪潮雲合作，透過地質統計學、流體力學、電腦科學及資訊科學等多個學科聯合，搭建了岩土工程領域大模型與災害預控數字孿生平臺，探索形成地下工程災害由被動處治到主動、科學、智慧防控轉變的關鍵技術。

而浪潮資訊自2020年以來，持續參與了西湖大學算力平臺的建設，在這家建設初衷是將創新從零到一做起的學校，加速其在藥物科研等方面的探索。

復旦大學，則在與阿里雲、中國電信聯手打造CFFF平臺一年後，已有超300個科研團隊在這該平臺上開展研究，且幾乎都是跨學科團隊。一批垂直領域大模型也在此誕生和活躍，如國內首個多模態的對話式大語言模型——MOSS大語言模型；結合3D分子構象，預測藥物物理化學屬性的ADMET預測模型；研究長序列、細粒度的基因調控關係的女媧DNA大模型等。

值得一提的是，企業助力高校實現AI for Science的同時，高校們產出的科研成果，實際上也在反過來服務企業的客戶，實現某種意義上的Science for AI。

“比如，我們和某大學合作打造行業大模型的過程中，他們有研究幾十年的學術資料，我們有大模型和算力，透過合作，他們加速了科研成果的轉化，這些研發出來的產品，目前也正在面向我們的其他客戶，進行試點推廣。”一位行業人士表示。

某大學與百度雲合作，將某製造行業的一些需求用大模型跑通後，也能嫁接到百度的模型上來，去大範圍服務客戶。

也因此，業界觀察，目前不管是高校還是企業，都對AI領域的產學研合作抱以厚望。

最近的高校招標專案中，就有不少專案都與“產教融合”有關。比如上海交通大學的“面向產教融合的可擴充套件異構協同智算平臺”專案，哈爾濱工業大學的“人工智慧產教融合創新平臺總集”專案。

而在更早之前，復旦大學CFFF平臺正式上線時，中國工程院院士、阿里雲創始人王堅更是一度表示，復旦大學和阿里雲的合作是產學研協同的創新，“甚至可以像當年MIT跟貝爾實驗室合作使得今天的大學工學院有了通訊專業一樣，以產學研的合作創造出一個新領域、一個新機會。”

03

一些經驗正在形成

“AI for Science在材料、生命科學、能源化工等領域落地成果的不斷湧現，讓我們看到其帶來的巨大前景。但AI for Science帶來的不僅僅是點狀的突破，而是系統性地帶動科學研究基礎設施的建設，推進邁向‘平臺科研’時代。”2024年7月，在2024世界人工智慧大會的一場分論壇上，中國科學院院士鄂維南如是稱。

他同時強調，發展AI for Science，落地“平臺科研”模式，應該著重推進“四梁N柱”方面的綜合建設和發展。

其中，“四梁”，即指新一代科學研究的基礎設施，包括基本原理與資料驅動的演算法模型與軟體、高精度高效率的實驗表徵方法、替代文獻的資料庫與知識庫，以及高度整合的算力平臺。具體科學及產業問題，如新能源汽車、生命科學、能源材料等，則構成所謂的“N柱”。

在這種大背景下，最近兩年，高校和企業都在紛紛加速推動AI for Science的基礎設施建設。而在這個過程中，一些經驗也在相互合作中逐漸積累。

比如在大模型方面，一位大廠人士告訴數智前線，高校在選擇合作伙伴時，往往最為看中三方面的因素：公司體量是否夠大，能彌補他們資源上的優勢；算力和大模型技術方面的優勢是否突出；服務能力是否可持續，而不是一杆子買賣。而企業則看中高校科研團隊裡是否有資深的人才，更優質的行業資料等。

在科研計算平臺建設方面，復旦大學研究員程遠則在去年10月的一場大會上，分享了復旦大學的三大關鍵建設思路。

其一，要提高叢集計算的加速。尤其是在模型訓練相關領域，不僅要增加硬體算力，還需在並行訓練框架層面進行最佳化。

其二，將AI和HPC計算融合，以滿足不同科研計算需求。

其三，研發易於使用的AI4S工具，以滿足科學家對於AI易用性的需求。

隨著今年合作的深入，效率、穩定性、節能等是這波熱潮中，高校對算力基礎設施的基本要求。

圍繞這些需求，AI for Science基礎設施產業鏈上的一眾企業也在快速行動，推出對應的產品和服務。尤其是百度雲、阿里雲、騰訊雲、華為雲等多家雲廠商，都在這塊兒有不少探索。

百度繼上海交通大學後，在今年1月，與另一家985重點高校重慶大學簽署戰略合作協議，雙方將共建“重慶大學-百度智慧雲聯合創新中心”， 聚焦山地自動駕駛、大模型應用、資訊保安等前沿關鍵領域，聯合開展高水平科技創新，共同打造AI For Science科研計算平臺。

華為則依託智慧感知、智慧聯接、智慧中樞等全棧自主創新產品和平臺，構建起實驗室科研園區、科研服務、科研計算三大科研平臺能力，推出了智算實驗室解決方案，向外提供。

騰訊據悉也面向AI for Science浪潮，推出了“彈性服務、開箱即用”科研生態雲。

中國移動，在今年10月，釋出了AI賦能科學“AI For Science（AI4S）科學裝置智算節點”，並提供AI4S Station科學工作站平臺。該工作站集合了科研模型研發基礎工具集、科學模型服務平臺、生物蛋白等科學領域工具套件，提供端到端極簡科研開發流程，讓科學家專注自身專業領域，提升科研模型研發效率。

一些創業公司也同樣瞄準在了AI4S領域的基礎設施搭建。比如深勢科技，正在為有基礎科研需求的產業和企業提供AI4S研究工具和平臺。

AI for Science熱潮下，高校和企業還在持續不斷動作中……