天氣預報精準到每條街！這家新型機構攜手高校用AI驅動科研範式變革

允中 發自 凹非寺

量子位 | 公眾號 QbitAI

當城市天氣預報有望精確到街鎮，每條馬路都可能擁有「獨家預報」——這並非科幻場景，而是上海「扶搖」氣象大模型帶來的突破。

近日，由上海科學智能研究院（下稱上智院）與上海市氣象局等聯合研發的國內首個聚焦超大城市安全的AI氣象預報模型正式亮相。

其空間解像度較傳統模式提升3倍至1公里，推理速度從10分鐘壓縮至3秒，猶如為城市裝上精準感知天氣脈動的「數字神經」。

作為聚焦短時強降水、雷雨大風等中小尺度災害性天氣的AI「哨兵」，「扶搖」通過融合雷達、衛星、數值預報等多模態數據，率先實現區域級端到端預報閉環，將在今年汛期構築起守護城市安全的新防線。

據瞭解，上智院致力於以人工智能驅動科學研究範式變革、賦能千行百業。位於上海徐彙西岸的這個戰略性新型研發機構，通過與高校形成深度協同，鏈接產學研各界進行全鏈條創新，正在重構生命科學、物質科學、地球科學等重大領域的科研法則，給產業場景中的關鍵科學問題提供創新思路和解決方案。

當內蒙古烏蘭察布與上海之間橫跨1500公里的雲上智算平台CFFF全速運轉，當40 PFlop/s算力構建起數字時代的「戰略糧倉」，漆遠以「雙院長」身份（上智院院長、複旦大學人工智能創新與產業研究院院長）架起橋樑，將CFFF智算平台的算力優勢與上智院的創新策源能力深度融合。如今，上智院與複旦大學等高校的協同效應開始顯現，各領域的科研在AI的全方位賦能下正駛向範式變革的創新大陸。

算力普惠：從單科精進邁向系統創新

這場變革始於一場破界行動。

2021年，時任螞蟻集團副總裁、首席AI科學家的漆遠選擇回歸學術界，以複旦大學浩清特聘教授身份開啟新徵途。作為複旦大學人工智能創新與產業研究院創始院長，在學校的大力支持下，漆遠不久後牽頭啟動了CFFF（Computing for the Future at Fudan）的建設，與阿里雲、中國電信等合作夥伴共同攻堅國內高校最大的雲上智算平台。

2023年6月，橫跨1500公里的雲上智算平台CFFF正式上線——內蒙古烏蘭察布的「切問」一號與複旦江灣校區的「近思」一號通過光纖同頻共振，以40 PFlop/s算力總規模、超千卡並行計算的硬核配置，在生命科學、量子化學、大氣科學等戰略領域構築起前沿陣地。

此時，在統一部署下，上智院的科研佈局已悄然成型：CFFF平台的異構計算架構設計成為上智院聯合複旦大學攻關科學大模型的核心計算底座。隨著2024年張江存儲機房投用，新增8PB溫存與25PB冷存，CFFF平台構建起了數字時代的「戰略糧倉」。這一中國高校最大的異構智算集群，不僅是AI時代學科融合變革的「算力重器」，也構築了上海市科學智能實現跨越發展的正選優勢。

複旦大學恒溫機房裡的成排黑色機櫃正吞吐著顛覆性的科研圖景：颱風路徑預測與蛋白質摺疊模擬共享算力資源，基因編輯試錯與大氣汙染溯源共用AI引擎……這種看似「無序」的學科共棲，恰是CFFF設計的精妙之處——平台不僅能支撐千億參數大模型訓練，如今更串聯起覆蓋10餘學科的80餘種科研算子，讓AI工具鏈滲透進每個科研毛細血管。

截至2024年底，這套「科研神經系統」已鏈接全校51個院系單位的近4000名用戶，支撐多篇CNS正刊、百餘篇頂刊論文和百餘個國家級項目，並斬獲中國高校算力案例評選榜首。

一組數據揭示著效能革命：GPU使用率躍升至95%，HPC資源利用率達90%，25Gb/s極速網絡讓1TB數據跨機房傳輸僅需10分鐘。更深層的改變在於創新文化的嬗變。CFFF平台通過多層次的培訓體系，覆蓋了2700多名師生，促進了學科交叉和聯合研究。

正是這種體制機制創新的土壤，孕育出打通學科壁壘的關鍵變量。2023年9月，上智院正式啟航，成為科學智能創新策源的戰略柱蠆式：它既非傳統高校實驗室的純學術研究，亦非產業界快速落地的項目導向，而是以AI為催化劑和通用技術，鏈接產學研各端進行全鏈條創新，將臨床病例、大氣模擬、蛋白質結構這些「科技方言」編譯為人工智能的通用語言。

核心攻堅：「破壁」垂直領域科學大模型

伏羲氣象大模型、女媧生命大模型、燧人物質大模型……在上智院，這些以華夏文明始祖命名的垂直領域科學大模型，承載著用人工智能破解高價值產業場景中的關鍵科學問題的使命。

伏羲氣象大模型的實戰價值在2024年超強颱風「貝碧嘉」的預測中得到驗證。當多數機構預測颱風將在浙江台州到江蘇啟東一帶沿希頓陸時，該系統提前5天鎖定上海浦東為最可能登陸點，並通過每6小時更新的動態預報持續修正軌跡。

除了針對未來15天的中短期確定性預報，「伏羲」同時還研發了集合預報，即可以進行概率預報。自誕生以來，它已在上海中心氣象台、國家氣象中心、香港天文台、歐洲中期天氣預報中心等多個機構業務化運行。根據全球權威機構歐洲中期天氣預報中心的實時運行評測，目前「伏羲」是已有模型中綜合預報精度（ACC和RMSE）最高的模型。

面向產業，「伏羲」已與中國太平洋財產保險股份有限公司、中國遠洋海運集團有限公司等企業合作，為防災減災、遠洋導航提供氣象支持，同時應用於光伏、風電的出力與調度優化，提升新能源運行效率。

以生命科學的微觀基因蛋白等分子以及宏觀表型兩大基礎場景為抓手，女媧生命大模型致力於為基因創新藥研發、蛋白動態設計、數字孿生診療等產品平台提供基礎模型能力，打破傳統遺傳調控、生物力學計算模式，實現跨越式的生命狀態預測。

siRNA(一種短鏈的RNA分子，可有效抑制致病基因表達，比傳統藥物合成難度更低、靶點更廣泛）的底層生物機制——RNA干擾機制研究曾獲得2006年盧保生理學或醫學獎，其藥物研發是全球範圍內極具潛力的前沿醫藥領域。「女媧」團隊打造了全球首個大規模siRNA藥物數據庫，包含超過30萬條化學修飾的siRNA數據，涵蓋45個治療靶點，為siRNA藥物研發提供了重要支持。在數據庫的基礎上，團隊構建了一個AI模型，用於對siRNA藥物進行虛擬篩選，在實驗驗證階段將多靶點藥物的療效預測誤差從40%降低到了8%。

燧人分子基礎大模型聚焦物質科學的核心挑戰，致力於構建理解分子世界的通用工具。該模型利用最大的第一性原理數據庫QO2Mol進行訓練，旨在解決材料科學中的基本問題，支持石化、能源和製藥等行業。

在電池研發領域，模型構建了929個分子的潛在篩選庫以訓練生成模型，加速鋰電池電解液新型配方的探索；在環保材料方向，其從700多萬種虛擬分子中篩選出滿足各項性能要求的可持續高分子材料單體，助力提升一些常見材料的降解性能、降低環境汙染。藥物研發則是另一重要應用場景，通過AI與計算方法的結合，團隊一個月內發現某難成藥靶點的動態結合口袋（傳統實驗室或Alpha Fold3難以捕捉），並篩選出實驗驗證的活性分子。

面向複旦大學的文理醫工「四輪驅動」和新工科建設，雙方的協同創新最近在複旦大學附屬中山醫院心內科落地開花。

「技術的爆髮式發展遠超預期。」中國科學院院士、複旦大學附屬中山醫院（下稱中山醫院）心內科主任葛均波在2月份的「觀心CardioMind」發佈會現場感慨道，「當年我們討論的還是AI能否理解醫學知識，如今它已經能夠深度參與疾病診斷和臨床決策。」

這個專攻心血管的「數字專家」是國內首個深耕心血管專科的醫療大模型，由中山醫院與上智院-無限光年聯合實驗室共同研發，輸入了中山醫院心內科積累的數十萬份電子病曆，更消化了頂尖醫生的診療邏輯：從常規疾病指南到「名院大查房」提煉的疑難病例經驗，都被轉化為結構化知識庫。系統突破單一文本分析桎梏，實現心電圖、超聲影像、實驗室檢查等多模態數據整合推理，其亞專科知識庫精準覆蓋冠心病、心律失常、心力衰竭等核心領域。

在與全球變暖速度的賽跑中，科學家們亟需更強大的工具——既要精準預測格陵蘭冰蓋消融對上海海平面的影響，也要量化碳關稅政策對長三角製造業的衝擊，甚至預判氣候難民潮可能引發的地緣政治動盪。

這些複雜議題跨越自然與社會兩個系統，也對氣候科學模型提出了更高要求。由複旦大學校長助理、上智院理事長吳力波領銜的 Planet Intelligence@Climate（簡稱PI@Climate） 團隊正在探索一種新的解題方式——用大模型理解氣候，用智能決策應對未來。

PI@Climate 是中國首個基於自主知識體系構建的氣候科學大語言模型，由複旦大學、上智院、上海創智學院聯合研發。它打破了傳統模型對單一學科的依賴，融合農學、林學、法學、經濟學等十餘個領域的專業數據，持續進行訓練與微調，形成了一個覆蓋氣候變化科學事實、自然與社會系統影響、減緩與適應路徑等核心主題的高可信度領域模型。

「作為一個面向氣候垂類的大語言模型，PI@Climate比底座模型或通用大模型更擅長解決具體的專業科學問題。」吳力波說。當通用模型面對「凍土消融對碳彙的影響」仍語焉不詳時，PI@Climate 已能綜合水利工程模型與環境法規條文，為科研或政策提供可執行的決策分析支持。

同時，團隊構建起一套包含7777個多學科問題的評測體系——PI@Climate Benchmark，為氣候領域內的大模型能力驗證提供系統依據，反哺領域模型的發展。

傳統颱風路徑預報的背後，是氣象學家在「千萬維度迷宮」中的艱難探索。以歐洲中期預報中心每日運行51次擾動預報為例，這種預報方法就像派出51支探險隊，在由溫度、氣壓、風速等千萬個變量構成的「天氣迷宮」里自由搜索。這種戰術不僅耗費海量超算資源，而且由於有限預報樣本顯著增加了預報決策的難度。

針對這一痛點，中國科學院院士、發展中國家科學院院士、複旦大學特聘教授穆穆及其團隊的青年研究員馮傑等聯合上智院提出雙重破局路徑。在理論層面，研究論證了基於誤差演變規律的擾動方法，結合伏羲氣象大模型的高效預報的優勢，或能以低於1/100的成本生成更優颱風路徑概率預報產品，為氣象預測從「動力窮舉」轉向「智能降維」提供理論支撐。在技術層面，團隊開發VI-CNOPs智能算法，像經驗豐富的導航員般，通過分析歷史數據自動生成最優擾動策略。新方法在模擬測試中較傳統方法的預報優勢隨時間推移持續擴大。

兩項成果於近期發表於權威期刊npj Climate and Atmospheric Science和Quarterly Journal of the Royal Meteorological Society，形成「理論-技術」閉環，為高精度、大樣本的集合預報提供極具潛力的解決方案。

在科技與文化交融的背景下，AI技術憑藉跨領域優勢為人文社會科學研究注入新動能，成為傳播中華文明的重要力量。複旦大學國家發展與智能治理綜合實驗室（下稱實驗室）聯合上智院，聚焦考古、古文字、早期典籍和古代歷史地理四大支柱領域，開展中華文明大模型研究，推動以人為中心的研究範式轉型。

該項目突破傳統「透物見史」視角，著重解析人與人、人與物、人與環境的多維互動關係，構建契合中華文明價值觀的大模型體系。作為項目總負責人，複旦大學副校長、實驗室主任陳誌敏強調，中華文明的傳承創新是我們共同的使命，源流的追溯重建過程中AI技術可以發揮多個方面的關鍵作用。

依託深厚的人文社會科學底蘊，複旦大學正探索AI助力新文科建設提質增效的方向。由實驗室牽頭，聯合上智院與德勤中國編撰的國內首部AI與人文社會科學結合領域的全面報告《未來已來——人文社會科學智能發展藍皮書》（下稱《藍皮書》），彙集53位專家智慧，系統梳理AI與人文社會科學融合的理論前沿與技術挑戰。

《藍皮書》主編吳力波指出，區別於自然科學，人文社會科學的研究對像是人類行為，規律驗證難度更高。該報告致力於通過AI技術解構社會複雜系統特徵，精準刻畫主體間關係網絡，從而更好地進行預測以及部分證偽。

在AI技術深入千行百業的當下，複旦大學人工智能創新與產業研究院教授徐增林帶領團隊立足共性技術，與上智院合作打造了一套「算法工具箱」，為AI技術的安全可信與效率提升築牢根基。

在聯邦學習領域，針對數據分佈不均導致的模型泛化難題，團隊通過改進加權聚合與客戶端選擇策略，顯著提升模型在未參與訓練客戶端的表現，為醫療診斷、金融風控等隱私敏感場景提供更穩定的技術支撐。面對電商平台的海量數據處理需求，團隊開發的EAVE方法通過輕量級稀疏交互設計，將屬性值提取效率提升30%，成為優化商品管理的利器。在多模態學習領域，M2PT方法以更低計算成本釋放多模態大模型的零樣本學習潛力，為智能助手、自動駕駛等應用注入泛化能力。而針對異質圖學習的M2M-GNN模型，則在社交網絡分析、藥物研發等領域展現出精度優勢。

這些技術突破，成為構築AI「安全-效率」雙引擎的核心組件，每一項成果都在回應AI落地的本質矛盾：如何在開放協作中守住安全底線，在算力約束下釋放最大效能。

生態基座：從工程優化到開放協作

「要全面推進AI4S範式變革，必須堅持深耕垂域，系統整合算法、算力、語料，真正做一盤‘番茄炒蛋’，而不是拚湊一鍋‘番茄+白煮蛋’。」中國科學院院士、複旦大學校長金力在今年全國兩會上的發言，對複旦大學發展科學智能的思路做了形象概括。

這一理念在2025全球開發者先鋒大會上得到了共鳴——漆遠用「土壤、水分、陽光」的生態比喻，強調基礎工程設施如同土壤、領域知識如水分滋養、複雜推理模型似陽光賦能，三位一體的開放共生將大力推動高校和企業的發展。

當DeepSeek大模型將訓練成本壓縮至傳統方法的1/10、推理成本降至每百萬token一元時，背後是低秩分解技術削減參數冗餘、通信計算並行化提升資源利用、GPU/CPU異構調度打破工具枷鎖的工程突破。燧人分子基礎大模型研發中，團隊重構基於CPU架構的計算工具包，遷移到GPU/CPU混合架構上，使分子動力學模擬效率提升10倍，直接節省90%計算成本。「算法像思想，而沒有工程就沒有‘肉身’」，漆遠如是說。

這種突出工程和開放的系統化思維正驅動上智院與複旦大學共同構建科學智能的生態基座。相對於Deepseek這樣的大語言模型，垂直領域科學大模型更多樣化，尤其需要工具鏈和數據平台的支持。

上智院聯合複旦大學與科創公司無限光年打造的一站式AI4S特色智算軟件平台，如同科研版的Cohere，集平台、模型和應用工具於一體，可服務多家高校與科研機構。工程層面的開放協作有效助力了科研模型的開放服務。如今，平台已集成DeepSeek、AlphaFold3、伏羲氣象大模型、燧人物質大模型、女媧生命大模型等前沿模型，並完成6家國產GPU與10個領域模型的深度適配。接下來還將為複旦百模計劃提供技術支持，通過國產適配支持複旦產教融合平台落地應用，並提供科學智能Agent系統、支持複旦科研場景流程智能化需求。

如果說工具優化是掌控火候，那麼數據治理就是精選食材。雙方共建的科學語料平台作為另一塊基石，在複旦大學人類表型組研究院執行院長田梅團隊與複旦大學附屬華山醫院核醫學科副主任左傳濤團隊手中具象化為NasalSeg——全球首個鼻腔3D CT開源數據集。

現代醫療中，頜面外科手術高度依賴CT影像來分析鼻腔與鼻旁竇的結構。然而，傳統的手工分割方式就像醫生在CT圖像上「雕刻」鼻腔組織，不僅費時費力，還可能因醫生間的差異導致標註不一致。因此，自動化分割成為AI醫學影像研究的一大關鍵方向，但該領域一直缺乏公開的高質量數據集。

為瞭解決這一問題，田梅團隊與左傳濤團隊推出包含130例高精度像素級標註的CT掃瞄數據的NasalSeg，覆蓋左/右鼻腔、鼻咽部及左右上頜竇共五個關鍵解剖區域。相比於過去的私有或小規模數據集，NasalSeg的標註數據量提升了一個數量級，為AI訓練提供了更標準、更豐富的「教材」，讓算法更高效地學習自動分割。未來，NasalSeg將助力鼻內鏡手術機器人、智能影像分析系統等臨床工具的發展，幫助醫生更快、更精準地製定治療方案，減少患者等待時間。

科學語料平台於2024世界人工智能大會首度公開亮相，具備從數據採集、加工到管理和建模的全鏈路能力，保證數據的高效加工、可信和安全互通。目前，平台已彙聚超10PB高質量科學數據，正在催化多學科突破——人類表型組研究院通過血管幾何數據重構血流模擬流程，將心血管流體力學計算效率提升5倍；生命科學學院完成50TB人類基因組數據採集，較傳統方式縮短40%耗時；人工智能創新與產業研究院實現蛋白質-藥物對接效率10倍躍升，並生成業界首個1納秒動態蛋白質結構數據。這些標準化「數據食材」通過科學語料平台的智能清洗與增強，讓全球研究者得以專注「番茄炒蛋」的「烹製」。

從內蒙古烏蘭察布的「切問」超算集群到起源於上海的高質量科學語料平台，從守護隱私的可信AI到垂直領域模型的「萬能適配」工具鏈，這些基座工程正在書寫新的科研生態敘事。

站在科學智能爆發的潮頭，漆遠為這場變革寫下新的註腳：科學智能的發展，始於對「土壤、陽光、水分」的系統培育，成於開放生態中迸發的集體智慧。

作為科學智能生態的基礎設施和關鍵節點，上智院的AI科學家、AI工程師和高校機構的領域科學家攜手前行，擘畫賽前分析藍圖，著力構建更加完善、更具包容性的科學智能生態系統，實現算力、算法、數據更大規模的整合與提升，為科學智能下一個爆髮式發展注入強勁動力。

*本文系量子位獲授權刊載，觀點僅為原作者所有。

一鍵三連「點讚」「轉發」「小心心」

歡迎在評論區留下你的想法！