劃重點
01華為在2024年全聯接大會上推出一系列行業(yè)智能化創(chuàng)新產品和解決方案，推動AI技術與行業(yè)場景深度融合。
02與高校合作是華為生態(tài)體系的核心環(huán)節(jié)之一，通過智能基座、鯤鵬騰產教融合基地等項目，培養(yǎng)原生卓越人才。
03AI技術對科研路徑、科研效率帶來實質助力，推動新的科技革命，高校在科研中的角色更深層次化。
04由于此，科研進入“第五范式”時代，AI技術驅動科研的效應愈加迅猛，改變生物學、醫(yī)學等學科領域。
05未來，AI與高�？蒲谢檠h(huán)要素，共同推動生態(tài)繁榮。
以上內容由騰訊混元大模型生成，僅供參考
大企業(yè)動向，也是行業(yè)重要指向。
在華為全聯接大會2024上，華為推出了一系列行業(yè)智能化創(chuàng)新產品和解決方案，其中推動AI技術與行業(yè)場景深度融合、促進人才培養(yǎng)、構建更完善的數智生態(tài)體系等，是眾多信息背后的重要表述。
加大與高校合作，是這一生態(tài)體系中的核心環(huán)節(jié)之一。華為通過“智能基座”、鯤鵬騰產教融合基地、鯤鵬騰創(chuàng)新大賽、鯤鵬騰科教創(chuàng)新卓越中心，與高校開展了一系列合作，培養(yǎng)原生卓越人才，激發(fā)計算產業(yè)創(chuàng)新。
科研正進入“第五范式時代”，AI技術驅動科研的效應愈加迅猛，推動新的科技革命“呼嘯而至”，其中科研的生產力已實現進化，生物學、醫(yī)學等學科領域，有了觸及更多秘密或隱秘的可能，而生物醫(yī)藥、硬件、工業(yè)制造等領域的產業(yè)模式也將改變。
以AI為內核，高校、企業(yè)在新科技革命中的角色關聯更加交雜，推動人才與算力的循環(huán)躍升，不僅正對高�？蒲械奈磥磉M行重塑，也將帶來全新的科技比拼與進化歷程。
AI重塑高�？蒲械奈磥�
AlphaFold的問世與進化，為理解AI重塑高�？蒲械奈磥�，提供了鮮明注腳。
2020年，DeepMind（谷歌旗下的人工智能企業(yè)）推出的人工智能模型AlphaFold在一場名為“蛋白質結構預測關鍵評估”的競賽中占據優(yōu)勢地位，揭開了堪稱蛋白質3D結構預測的歷史新篇章。
今年5月初，進化迭代后的AlphaFold 3，以前所未有的精準度成功預測了所有生命分子（蛋白質、DNA、RNA、配體等）的結構和相互作用。
一個直觀通俗的對比是，在AlphaFold出現前，蛋白質結構只能通過X射線晶體學或冷凍電鏡等實驗技術來破譯，耗費數月或數年、數十萬美元，才可能解析一個蛋白質的精確三維結構。而AlphaFold2成功預測數億個蛋白質結構，只用了不到三年。
AlphaFold改變了生物學，在國內外高校科研中皆有表現。
根據公開報道，首爾國立大學計算生物學家Martin Steinegger領導的團隊，使用了一種名為Foldseek的工具，在AlphaFold數據庫中尋找導致新冠肺炎的病毒SARS-CoV-2的RNA復制酶的親屬。
這項研究發(fā)現了之前未被確認的、病毒可能的古代近親：包括黏液霉菌等真核生物中的蛋白質在其3D結構上類似于被稱為逆轉錄酶的酶。
公開信息顯示，在國內，AlphaFold的問世，也為上海交通大學自然科學研究院&物理與天文學院&藥學院特聘教授洪亮開啟 AI 蛋白質設計研究提供了契機。
2021 年，洪亮及其團隊開發(fā)了一套基于預訓練的蛋白質設計的通用人工智能AccelProtein 與 AlphaFold 預測結構不同，AccelProtein 開創(chuàng)性地實現了從序列直達功能的精準蛋白質設計。
該大模型的優(yōu)勢表現之一是，利用小樣本乃至零樣本學習方法，提高大模型的工程泛化能力，幫助它在僅有少數濕實驗數據的情況下實現蛋白質性能優(yōu)化，極大地提高了蛋白質設計的效率以往需要 2~5 年才能完成的項目，在 AccelProtein 的支持下只需要 2~6 個月即可完成。
窺斑見豹。在深度學習與人工智能等結合進化下，AI對科研路徑、科研效率帶來實質助力，也帶來更多創(chuàng)新可能，進而也對科研人員的生產力帶來變革影響。
其背后邏輯包括但不限于，AI技術帶來數據處理與分析的自動化，實驗設計與執(zhí)行、科研輔助工具、科研合作的智能化等，在人類已積累沉淀的龐大知識圖譜體系基礎上，篩癬整合、分析，一方面給科研人員帶來一定程度上的“解放”，讓其相對有限的智力、體力用于更核心的研究上，另一方面提供更多創(chuàng)新的研究思路。
以一個科研的完整鏈路來說，從提出問題，到搜集與處理繁復冗雜的數據、多方向科學計算模擬、理論論證及輔助證明，再到論文成稿，AI技術都可以深度參與其中，提供必要幫助。
參考公開信息顯示，2023年12月 DeepMind 推出全新多模態(tài) AI 模型 Gemini，其可根據提示，在一個午休的時間內閱讀 20 萬篇論文，并從中篩選出 250 篇特定有關論文、提取數據，進而繪制表格或圖片提供給使用者，極大提高科研人工作效率。
華為騰計算系統(tǒng)實驗室主任王均松認為，AI技術的出現，相當于科研人員多了一個同行，比如AI大模型，科研人員可以跟AI對話，包括具體科研的下一步應該怎么走，AI可以用它自己思維的方法生成給到一些思考，能夠快速促進科研創(chuàng)新的過程，“我覺得這個可能是未來一個更重要的方式”。
對學科與科研廣度、人才密度都相對突出的高校來說，前述AI的價值空間、影響場景與路徑等，表現也更突出。
2024年6月，上海交通大學與華為合作的“上海交通大學鯤鵬騰科教創(chuàng)新卓越中心”正式揭牌成立，雙方目標之一是其能夠成為華為和上海交大共同推動中國智能化發(fā)展的生態(tài)平臺，讓鯤鵬騰的技術能夠更多的賦能上海交大的各類交叉學科創(chuàng)新，這些創(chuàng)新又能成為牽引各行各業(yè)智能化發(fā)展的核心動力。
公開信息顯示，上海交大現已成功建成國內高校第一個也是目前規(guī)模最大的鯤鵬高性能系統(tǒng)，持續(xù)為相關學科提供科研算力服務。
可發(fā)現，在當前AI技術與科研結合中，高校的角色更深層次化：既是直接的受益者，科研工作流程、科研效率由此而變，具備了科研成果的誕生快捷化、豐富化及更快迭代的可期性，AI正重塑高�？蒲械奈磥韴D景；也是新的AI技術策源地和創(chuàng)新高地，科研場景、人才的密度，以及多學科跨界融合的空間及必要性，為此提供了更多可能。
而這也是未來AI與高�？蒲谢檠h(huán)要素的走向之一。
科研進入“第五范式”時代
從AI for Science（簡稱“AI4S”）字面意思來看，即“人工智能驅動的科學研究”，在科研中，AI將繼續(xù)作為“驅動力”，這一趨向會更明顯，推動科學研究進入“新范式”時代。
美國科學哲學家托馬斯庫恩在其名著《科學革命的結構》中曾首次提出術語“scientific paradigm”（科學范式），主要指的是各個學科在一定歷史時期形成的對某種專業(yè)知識的見解與共識。
關于科學研究的四個范式有一個較寬泛的概括，幾千年前是經驗范式，靠的是觀察和歸納的實驗研究；幾百年前是理論范式，基于科學假設和邏輯演繹的理論研究；幾十年前是計算范式，十幾年前是數據范式，特征是數據密集型科學研究。
而今，科學研究進入“第五范式”，基本成為共識。
中國工程院院士李國杰曾撰文稱，現在還很難對第五科研范式做出嚴格定義，但已逐步顯露的特征有六點，包括但不限于人工智能全面融入科學、技術和工程研究，知識自動化，科研全過程智能化，以及人機融合、以復雜系統(tǒng)為主要研究對象，跨學科合作，更加依靠以大模型為特征的大平臺，科學研究與工程實現密切結合等。
上海交通大學網絡信息中心副主任林新華表示，AI4S的部分現狀趨勢體現在AI與計算流程結合更緊密。起初，AI作為一個單獨的程序，單獨訓練、單獨推理，與科學計算結果對比；現在，AI逐漸融合進一個學科的計算流程之中，作為計算方法的一部分；未來，隨著AI的可解釋性和可觀測性加強，人們又從中發(fā)現新的科學規(guī)律，探索出新的科研范式。“AI4S囊括了迄今為止所有的AI網絡、訓練方法，并且還有新方法在不斷被發(fā)現。”
AI技術的政策及輿論風向也走向積極，AI技術與科研的結合，進入一種相對更樂觀的科研語境中，高校迎來更多新的嘗試機會。
參考公開信息，研究人員在《英國醫(yī)學雜志》(The BMJ)上發(fā)表的相關報告顯示，截至2023年10月，全球百強科學期刊中有87家就人工智能生成內容的使用向作者發(fā)布了指引。
2024年1月，全球知名學術出版機構Elsevier與學界合作開發(fā)，隆重推出全新的AI工具Scopus AI，將世界上最大的科學文獻數據庫與可靠的AI相結合。
這一工具也于2024年三四月，在廈門大學、中國科學技術大學、南方科技大學等國內各大高校中陸續(xù)開放使用。
不過，AI4S對高�？蒲袔淼臋C遇空前，挑戰(zhàn)也甚巨。
比如AlphaFold3 預測的蛋白質等結構也并非完美，其中多蛋白如何形成復合體，如何與 DNA、RNA 或者小分子交互等，依然還待進一步探索。
中國科學院院士鄂維南曾在一次講座中表示，隨著AI for Science的發(fā)展，科研模式也從作坊式改變到了安卓式，其將依賴于四大基礎設施：基于基本原理的模型和算法，高效率高精度的實驗表征方法，數據庫和知識庫，高效便捷的算力資源。
林新華也提到，AI雖幫助突破科研瓶頸，但對科研團隊的“硬+軟”實力提出了更高要求。硬實力包括算力、資金、人員規(guī)模，軟實力包括交叉學科合作、數據積累等。
校企合作成為突破口之一。
以華為為例。2022年，華為發(fā)布科研創(chuàng)新使能計劃，該計劃通過技術扶持和賦能、資源支撐、行業(yè)影響力構建三大維度給予支持，旨在使能國內高校和科研院所依托華為全棧自主軟硬件平臺開展科學技術研究和軟件研發(fā)與技術攻關工作。在技術扶持和賦能方面，將獲得技術專家的專項支持，且優(yōu)先獲得與華為的技術聯創(chuàng)機會;受邀參加由華為主辦開發(fā)者活動，與行業(yè)技術大咖、專家學者、華為計算高層面對面共論人工智能生態(tài); 在資源支撐方面，該計劃將從創(chuàng)新基金、學習資源、權益服務上提供服務，讓科技工作者們能夠把更多時間和精力投入在科研創(chuàng)新上。 在行業(yè)影響力構建方面，將優(yōu)先受邀作為演講嘉賓參加由華為主辦的重要產業(yè)活動，為科研工作者提供更多溝通交流機會。
華為未來將繼續(xù)聚焦科研院所、國內高校等科技工作者的智慧，不斷釋放AI力量，加速科研創(chuàng)新，推動生態(tài)繁榮。
新科技革命蓄勢將至
I4S的發(fā)展，關乎到科研整個鏈條的重塑，以及相關產業(yè)鏈的研發(fā)、實踐落地，實質可以理解為一場科技革命。
早在2017年7月，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，對人工智能發(fā)展、科技創(chuàng)新等，做了頂層擘畫。圍繞人工智能及其關聯的更宏闊的技術、產業(yè)發(fā)展與競爭，也早已開始。
有研究報告認為，當前中國人工智能人才、投資、技術、AI論文、算力等核心指標，第一次與美國一起位列第一梯隊，其中美國大模型（包含同一企業(yè)、同一模型的不同參數版本）數量為世界第一（占比44%），中國位列其后（占比36%）。
不過兩國間的差距依然存在，但有專家和企業(yè)家認為在呈現逐漸縮小的跡象。
馬斯克在2023年5月的一次訪談中提到，美國具有最先進的人工智能，中國緊隨其后。當然，中國有資源去規(guī)�；蛢�(yōu)化人工智能。人工智能最大的單一進步仍然來自美國和歐洲。
他認為，中美之間的人工智能發(fā)展的確有差距，這個差距看起來在12個月的數量級上。而關于差距是在縮小還是擴大，他表示這很難判斷，“我懷疑它會在一定程度上縮小”。
高校、企業(yè)、科研機構成為其中比拼的關鍵要素，人才、科研自主或原生創(chuàng)新的能力，又是其中核心。
林新華透露，由上海交通大學“交我算”團隊與生物信息學領域師生合作開發(fā)的ParaFold，作為致力于提高蛋白質結構預測效率的開源工具，對AlphaFold的CPU+GPU計算進行了高性能計算方面的深入優(yōu)化。其更快、更省錢、更省GPU機時，被牛津大學、康奈爾大學等高校使用。
這部分證明國內智能化科研具備了一定的走出國門的自主創(chuàng)新能力。
而從CUDA（英偉達旗下的并行計算平臺和編程模型）遷移到CANN（華為針對AI場景推出的異構計算架構），從國外平臺多國內自主適配平臺的演變，這一方向已驗證可行，也意味著我國發(fā)展自主平臺的必要性。
有觀點認為，CANN的成功不僅取決于其自身的技術實力，生態(tài)建設亦是關鍵。為推動CANN發(fā)展，華為等企業(yè)已與多個科研院校合作，共同改進技術，包括與高校、產業(yè)界等構建更先進的人才體系、數智生態(tài)。
前述華為與高校共建的鯤鵬騰科教創(chuàng)新卓越中心/孵化中心，是生態(tài)建設中的核心一環(huán)，其共同基于鯤鵬騰計算平臺進行科研創(chuàng)新和卓越人才培養(yǎng)，孵化引領世界的研究創(chuàng)新成果。除上海交通大學外，華為還與清華大學、北京大學、浙江大學、中國科學技術大學達成合作。
在2023年9月，華為還宣布將攜手教育部和72所試點高校，共建數智人才新生態(tài)。
華為計算產品線高級戰(zhàn)略規(guī)劃占杰認為，高校有人才，企業(yè)有算力，兩者結合能夠走向一個更加完善的生態(tài)體系。
這一生態(tài)的價值之一，將是算力進階及其格局變化趨勢更顯性、更實體化。
華為也有了更新的動作。
在近期華為全聯接大會2024期間，華為全新發(fā)布CANN 8.0，新增200多個深度優(yōu)化的基礎算子、80多個融合算子、100多個通信、矩陣運算等API，典型融合算子開發(fā)周期從2個月縮短至1.5人周，加速原生創(chuàng)新。
華為常務董事、ICT基礎設施業(yè)務管理委員會主任汪濤在大會上透露，未來三年，華為每年將投入10億元來加速鯤鵬騰原生應用生態(tài)發(fā)展，目標發(fā)展超過1500原生應用伙伴，基本實現全行業(yè)全場景的應用原生。
用占杰的話來說，目前AI能力遇到了一些階段性的局限，但正在被突破，未來如果AI能夠自己反思，或具備了多輪思考能力，那么整個應用創(chuàng)新的風口才剛剛開始。
這也將是華為正完善的數智生態(tài)體系可預期的部分重要價值所在。
