智東西
作者 王涵
編輯 漠影

智東西8月28日報道，最近網(wǎng)上有一個詞特別火，叫“邪修”。

通俗來講就是“不走尋常路”，跳出傳統(tǒng)方法或步驟，卻能簡單高效地達成目的。

那科研能不能“邪修”呢？

前幾天，一個還在讀材料研究生的朋友跟我聊天，提到他們實驗室里的新生都在“邪修做實驗”。

具體說來就是，用AI幫忙總結(jié)文獻，把實驗結(jié)果輸給AI讓其幫忙做數(shù)據(jù)分析，還能讓AI根據(jù)分析結(jié)果生成下一步實驗改進方法，得到的結(jié)果又快又好。

現(xiàn)在帶動他們整個實驗室都在用AI，當然老師也知道這個情況，但基本屬于默許狀態(tài)，還曾感嘆真是生錯了時代。

究竟是什么AI這么好用？他給我甩來一個鏈接，還說你試試就知道了。我點開一看，這是一個科學(xué)多模態(tài)大模型，叫做『書生』Intern-S1。

為了驗證它的能力，我特意翻出了此前所做實驗的相關(guān)圖表，拍照發(fā)給Intern-S1，并問它：這副材料表征圖可以顯示出鈣鈦礦LED薄膜的哪一特性？右圖和左圖在這一特性上有什么不同？

Intern-S1在很短的時間內(nèi)就判斷出該幅圖片是原子力顯微鏡（AFM）的三維形貌圖，并且對該圖進行了詳細的解讀，列出了對比表格。此外，Intern-S1還生成了對該實驗品的未來改進方向，可以給科研人員拓寬實驗改進思路。

值得一提的是，在精準識別化學(xué)分子結(jié)構(gòu)并進一步給出科研建議方面，Intern-S1表現(xiàn)比Grok還出色。

我給了Intern-S1一張圖，并提問：這個分子式含有Cs、Pb和Br三種元素，根據(jù)此分子結(jié)構(gòu)圖，寫出該化學(xué)物質(zhì)的分子式，并介紹其有什么樣的化學(xué)性質(zhì)，目前有哪方面的應(yīng)用？

作為對比，我也讓Grok回答了一下這個問題：

可以看到，Grok只是中規(guī)中矩地回答問題，并沒有做更多的延展，但Intern-S1還特別生成該化合物研究領(lǐng)域目前所遇到的挑戰(zhàn)，以及未來改進方向，站在了一個科研人的角度思考問題，預(yù)判了我的下一步動作。

除了科研外，我也順帶看了一下它在藝術(shù)領(lǐng)域的表現(xiàn)。我把梵高的畫作《星空》發(fā)給Intern-S1，讓它從科學(xué)的邏輯和知識體系進行理性賞析：

當然也還可以這么用，比如給理工直男解釋防曬霜和隔離液、粉底液的區(qū)別：

再比如，我還能讓Intern-S1給我看食品配料表，判斷其是否適合減脂期食用：

對于我的提問，Intern-S1在分鐘內(nèi)就給出了準確答案，相對于教科書和學(xué)術(shù)論文語言的晦澀，Intern-S1的回答簡潔明了、通俗易懂，并且在其他模型還在專注于如何精準地回答問題時，Intern-S1已經(jīng)可以用科研人的思維進一步思考了，在科學(xué)專業(yè)知識這方面，確實能打。

Intern-S1的輕量化版本Intern-S1-mini也在前幾天問世了，mini版本只有8B參數(shù)但同樣兼具通用能力與專業(yè)科學(xué)能力，且更加適合快速部署和二次開發(fā)。

目前，Intern-S1和Intern-S1-mini都已經(jīng)開源，Hugging Face上顯示Intern-S1的下載量有5萬多，Intern-S1-mini的下載量也有1000多，非常受歡迎，感興趣的可以去試一試：

體驗頁面：

https://chat.intern-ai.org.cn/

GitHub：

https://github.com/InternLM/Intern-S1

HuggingFace：

https://huggingface.co/internlm

ModelScope：

https://modelscope.cn/models/Shanghai_AI_Laboratory

當然，科學(xué)大模型不算是一個新鮮事物。在近幾年，同類型的、專注于科學(xué)的大模型也層出不窮。上海AI實驗室的這一成果為什么能實現(xiàn)這樣的差異化？

帶著這樣的疑問，我深扒了Intern-S1背后的技術(shù)路線和應(yīng)用成果，并與上海AI實驗室的青年領(lǐng)軍科學(xué)家陳愷進行了一場深度訪談，最終我得到了答案。

一、AlphaFold破解50年蛋白質(zhì)難題，AI+Science進入快車道

要講科學(xué)大模型，最繞不開的就是AI for Science這個話題，這就不得不提到2024年的諾貝爾化學(xué)獎。

2024年，諾貝爾化學(xué)獎公布將其一半頒給計算蛋白質(zhì)設(shè)計方面的研究者David Baker，另一半則授予了共同開發(fā)了AlphaFold的谷歌DeepMind CEO德米斯·哈薩比斯（Demis Hassabis）和John Jumper。

AlphaFold，特別是其在2020年發(fā)布的AlphaFold2版本，利用深度學(xué)習(xí)和人工智能技術(shù)，以前所未有的準確性和速度預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)。這使得原本需要數(shù)月甚至數(shù)年才能完成的蛋白質(zhì)結(jié)構(gòu)解析工作，現(xiàn)在可以在幾小時甚至幾分鐘內(nèi)完成，并且準確度可以媲美甚至在某些情況下超越傳統(tǒng)方法。

AI可以通過分析數(shù)百萬個已知的蛋白質(zhì)結(jié)構(gòu)和序列數(shù)據(jù)庫進行訓(xùn)練，從而能夠從僅有的氨基酸序列推斷出蛋白質(zhì)的折疊方式。

其實在此之前，AI for Science就已經(jīng)引起學(xué)術(shù)和行業(yè)的關(guān)注。2019-2023年間，全球AI for Science論文發(fā)表年均增長率為27.2%，各學(xué)科領(lǐng)域論文發(fā)表均呈現(xiàn)逐年遞增趨勢，其中生命科學(xué)、物理學(xué)和化學(xué)等領(lǐng)域發(fā)表的人工智能應(yīng)用論文數(shù)量最多。

中美兩國是當前AI for Science研究大國，近5年間，中國論文發(fā)表超過10萬篇，居全球第一。

但24年諾貝爾化學(xué)獎的公布，再次證明了人工智能技術(shù)在推動科學(xué)進步方面所扮演的關(guān)鍵角色，尤其是通過像AlphaFold這樣的突破性應(yīng)用，不僅加快了科學(xué)研究的步伐，還拓寬了我們對生命科學(xué)、物理學(xué)和化學(xué)等領(lǐng)域內(nèi)復(fù)雜問題的理解。

隨著全球范圍內(nèi)AI for Science的熱度持續(xù)升溫，越來越多的研究者和機構(gòu)開始探索如何利用人工智能來解決更多基礎(chǔ)科學(xué)難題。

在這一背景下，『書生』科學(xué)多模態(tài)大模型Intern-S1應(yīng)運而生。

值得關(guān)注的是，在開源策略層面，上海AI實驗室比谷歌DeepMind更“豪爽”。

Intern-S1發(fā)布即開源。除了基礎(chǔ)模型外，上海AI實驗室還一口氣開源了大模型研發(fā)與應(yīng)用所需的全鏈路工具體系，并已構(gòu)建擁有數(shù)十萬活躍開發(fā)者的開源社區(qū)。

谷歌DeepMind AlphaFold3從發(fā)布到開放相隔長達半年，且僅為部分開放：模型權(quán)重需申請獲取，商業(yè)用途受限。

二、主打多模態(tài)和通專融合，化學(xué)、材料、地球科學(xué)全面超越Grok-4

相較于同類科學(xué)大模型，Intern-S1有2個突出的特別之處，那就是多模態(tài)和“通專融合”。

據(jù)了解，在綜合多模態(tài)通用能力評估中，Intern-S1的得分和國內(nèi)外一流模型不相上下，能同時較好地理解文本和圖像內(nèi)容。該評估為多項通用任務(wù)評測基準均分，這樣的結(jié)果說明它在不同場景任務(wù)中，既有穩(wěn)定的表現(xiàn)，也能適應(yīng)復(fù)雜情況。

而在由多個領(lǐng)域?qū)I(yè)評測集組成的科學(xué)能力測試里，Intern-S1的表現(xiàn)超過了Grok 4等最新的閉源模型。這些評測涉及物理、化學(xué)、材料、生物等領(lǐng)域的復(fù)雜專業(yè)任務(wù)，進一步證實了Intern-S1在科研場景中具備較強的邏輯性和準確性。

Intern-S1是怎么在多模態(tài)領(lǐng)域答出這樣的高分答卷的？

陳愷告訴智東西，原來，Intern-S1新增了動態(tài)Tokenizer和時序信號編碼器，實現(xiàn)了支持多種復(fù)雜科學(xué)模態(tài)數(shù)據(jù)處理的功能，所以才能夠?qū)崿F(xiàn)材料科學(xué)與生物制藥、天文巡天、天體碰撞、地震臺網(wǎng)記錄的地震波形等多類科學(xué)模態(tài)進行深度融合。

此外，Intern-S1通過架構(gòu)上的創(chuàng)新，對科學(xué)模態(tài)數(shù)據(jù)的理解和處理效率有了明顯提高。比如，它對化學(xué)分子式的壓縮率比DeepSeek-R1要高出70%以上。在一系列基于科學(xué)模態(tài)的專業(yè)任務(wù)中，Intern-S1不僅用的算力更少，表現(xiàn)也更出色。

之前市場中的科學(xué)大模型，或者說專業(yè)領(lǐng)域的行業(yè)大模型，通常都會強調(diào)自己過硬的專業(yè)能力，而在Intern-S1發(fā)布會上，“通專融合”這個詞出現(xiàn)頻率很高。

當被問到上海AI實驗室專注走“通專融合”技術(shù)路線的原因時，陳愷解釋稱：“通專融合的技術(shù)路線，能讓模型在通用能力保持的同時做到專業(yè)能力精進，把垂類能力構(gòu)建成本大幅降低。”

智東西了解到，一方面，Intern-S1會借助大量通用科學(xué)數(shù)據(jù)來拓寬自身的知識范圍；另一方面，它還會訓(xùn)練多個專業(yè)模型，生成那些容易理解、邏輯清晰的科學(xué)數(shù)據(jù)，并且通過為特定領(lǐng)域定制的專業(yè)驗證智能體來把控這些數(shù)據(jù)的質(zhì)量。

這種閉環(huán)的運作方式不斷為其基座模型提供支持，讓Intern-S1既能擁有強大的通用推理能力，又具備多項專業(yè)能力，從而實現(xiàn)了“一個模型就能解決多項專業(yè)任務(wù)”這一科學(xué)智能領(lǐng)域的突破。

跳出技術(shù)角度，陳愷特別補充，科學(xué)領(lǐng)域的前沿突破，往往需要不同專業(yè)能力的交叉融合遷移，通專融合能更好促進未來科學(xué)發(fā)現(xiàn)。

陳愷還介紹，Intern-S1的研發(fā)團隊在訓(xùn)練系統(tǒng)和算法兩方面一起下功夫搞創(chuàng)新，成功讓大型多模態(tài)MoE（混合專家）模型在FP8精度下，能高效又穩(wěn)定地進行強化學(xué)習(xí)訓(xùn)練，而且訓(xùn)練成本比最近公開的其他MoE模型低了10倍。

從系統(tǒng)層面來看，Intern-S1用了訓(xùn)推分離的RL方案，靠自己研發(fā)的推理引擎來進行FP8精度的大規(guī)模異步推理，效率很高；還通過數(shù)據(jù)并行均衡策略，減輕了長思維鏈解碼時出現(xiàn)的長尾問題。訓(xùn)練的時候用了分塊式FP8訓(xùn)練，效率提升不少，這套訓(xùn)練系統(tǒng)之后也會開源。

再看算法方面，基于Intern·Bootcamp搭建的大規(guī)模多任務(wù)交互環(huán)境，研發(fā)團隊提出了“Mixture of Rewards”混合獎勵學(xué)習(xí)算法，能把多種獎勵和反饋信號融合到一起，聽起來有點像“因材施教”。

比如在容易驗證的任務(wù)上，就用RLVR模式來訓(xùn)練，通過規(guī)則、驗證器或者交互環(huán)境來提供獎勵信號；而像對話、寫作這類不好驗證的任務(wù)，就用獎勵模型給出的獎勵信號來一起訓(xùn)練。

三、能查科研數(shù)據(jù)，還能聯(lián)機實驗設(shè)備，科學(xué)發(fā)現(xiàn)平臺同步推出

在落地應(yīng)用上，智東西發(fā)現(xiàn)，以Intern-S1為底座的『書生』科學(xué)發(fā)現(xiàn)平臺Intern-Discovery也同步推出了。

Intern-Discovery以Intern-S1為核心，整合了專業(yè)智能體、海量科研數(shù)據(jù)及實驗設(shè)備，可以給全球研究者提供從假設(shè)到驗證的一站式科研支撐，目前平臺已開放全球試用申請。

陳愷向智東西透露，實驗室非常歡迎與各大高校和研究所等機構(gòu)進行深度合作。

根據(jù)公開信息，在Intern-Discovery的基礎(chǔ)上，上海AI實驗室聯(lián)合臨港實驗室、上海交通大學(xué)、復(fù)旦大學(xué)、MIT等研究機構(gòu)，共同參與構(gòu)建了多智能體虛擬疾病學(xué)家系統(tǒng)“元生”（OriGene）。

在治療癌癥上，OriGene的作用非常大。目前，其僅用了兩個月就已在肝細胞癌和全球第三大癌癥的結(jié)直腸癌治療上分別提出兩個新靶點GPR160和ARG2，并已在臨床樣本、類器官和人源化動物實驗中得到驗證。

結(jié)語：Intern-S1展現(xiàn)AI賦能科學(xué)新圖景

隨著技術(shù)的持續(xù)迭代，科研人員與AI工具的協(xié)同將進一步深化。通用大模型與專用模型的優(yōu)勢互補，可能在更多科學(xué)領(lǐng)域發(fā)揮作用。

Intern-S1所采用的“通專融合”技術(shù)路徑，為平衡模型的通用性與專業(yè)性提供了一種實踐方案，AI技術(shù)與科學(xué)研究的結(jié)合不斷拓展著科研手段的邊界。