近日，以“算力驱动科学发现”为主题的鲲鹏昇腾开发者大会2026——昇腾AI4S技术论坛在北京顺利举行。来自企业、高校及科研院所的多位行业专家齐聚一堂，围绕大模型时代下AI4S智能体应用及生命科学领域的发展展开深入探讨，分享前沿理念、技术成果与落地案例，共同探索AI赋能科学研究的新路径。
华为昇腾计算训练PDT经理张华桦在开场致辞中指出，AI4S领域的发展需依托昇腾生态协同共建。他强调，应从教育阶段夯实自主创新芯片相关人才根基，通过多学科能力构建商业闭环。同时，昇腾将持续深耕底层技术能力，助力交叉学科创新发展，为AI4S提供坚实的算力支撑。
华为昇腾技术专家于璠对大模型时代下AI4S的发展趋势进行了深入分析。他提出，当前技术发展呈现基础模型与智能Agent双轨并行的特点：基础模型通过融合物理规律、借助图神经网络深挖数据关联；智能Agent则赋能自主科研，推动跨学科全流程科研闭环的形成。标杆应用与前沿学术成果的协同发展，正持续驱动开源生态繁荣。
在技术应用层面，华为昇腾技术专家张玉橙详细介绍了昇腾AI4S的整体布局与能力积淀。他表示，昇腾已在生命科学、材料化学、地球科学、电磁仿真等领域孵化出丰富的原生模型与智能Agent应用案例。通过软硬件深度协同、传统计算与AI计算配合的通用解决方案，以及超节点在大规模多卡并行任务中的卓越表现，昇腾正稳步构建核心技术优势，助力AI4S技术突破。
论坛期间，深圳河套学院副院长欧阳万里分享了基于昇腾的模型自动适配调优工具。该工具通过多智能体协同技术，实现了模型检索、环境适配、算子适配、质量评估、性能优化的全流程自动闭环。目前，依托该工具已完成500余个PyTorch模型的快速迁移，其中357个模型在昇腾平台上的性能超越业界水平，显著提升了模型跨AI处理器的适配效率。
中国科学技术大学陈林江教授介绍了团队自主研发的AtomBit通用机器学习力场模型与灵境造物科研智能体平台的深度集成。该平台以昇腾算力为底座，实现了从科研需求到物质创制的全流程人机协同自动化。陈林江指出，灵境造物的核心目标是连接大模型的发散推理与专属模型的精准预测，赋能机器人自主发现新知识，探索AI驱动科学研究的新范式。
上海人工智能实验室AI4S中心负责人白磊提出了引领性的Agentic Science（智能体科学）概念，并介绍了通专融合科学智能体系统InternAgents（书生科学发现系统）。他表示，经昇腾软硬件优化后，团队AI4S大模型在深空、风乌大模型的百步平均训练时长分别下降约60%和29%，材料大模型的强化学习单epoch耗时下降约92%，打造了昇腾算力赋能科学智能的完整技术链路。
北京昌平实验室领衔科学家陈明辰介绍了开源且昇腾原生支持的生物分子AI设计平台——TorchX科研生态。该平台围绕结构预测、质量评估与全原子设计三大核心环节，推出了TorchFold、TorchScore和TorchDesign三款工具。其中，TorchFold完整复现了AlphaFold3并兼容官方权重，在抗原抗体复合物预测等复杂场景中表现优异；TorchDesign经昇腾优化后，性能提升15倍，推理序列长度提升4倍。
广州实验室AI高级工程师郭东博士分享了与昇腾合作研发的多模态纳米抗体序列大模型编码器GND（GZlab Nanobody Design）。作为首个基于超大规模天然纳米抗体实验数据全量训练和优化完成的纳米抗体序列基础大模型，GND在纳米抗体结构预测方面表现突出。经性能优化提升的昇腾版本蛋白质折叠模型，序列长度提升67%，推理速度提升100%，实现了公开数据集INDI纳米抗体序列的全量结构推理。
北京智源人工智能研究院副院长叶启威介绍了OpenComplex全原子生物分子基础模型的最新进展。他表示，团队针对OpenComplex的Context Parallel并行策略，创新设计了双轴切分方案，并基于昇腾生态开发了FloydAttn(PivotAttention)融合算子。依托昇腾算力，该方案将序列长度突破至2K以上，长序列性能达到业界的3倍，在容量和性能上均超越业界水平。
华为昇腾表示，将持续深耕AI4S领域软硬件协同创新，全面覆盖多元交叉学科生态。通过夯实技术底座、丰富应用场景、深化生态联动，昇腾将以软硬自研能力赋能行业伙伴，共同打造标杆落地应用，推动AI4S产业生态繁荣发展。
