人工智能在科学研究中的应用价值 - 人工智能具有基础性、平台性和通用性特点，对经济社会产生深远影响，科学研究是重要方面 [1] - 国务院印发《关于深入实施"人工智能+"行动的意见》，将"人工智能+"科学技术列为六大重点行动之一 [1] - 人工智能在生命科学、数学、生物、材料科学等领域发挥越来越重要的作用 [1] 人工智能驱动科研范式变革 - 人工智能帮助科学家突破认知局限，提出更好问题并找到更有价值的研究方向 [1] - 人工智能不仅优化既有工具效率，更能自主构建新工具或实现创新性组合 [1] - 人工智能让研究者更全面审视研究对象，发现被忽视的潜在关联 [1] - 通过"通专融合"推动整个科研范式的系统性变革 [1][3] 科学研究的现状与挑战 - 科学学科高度分化，取得重大科学发现和解决重大科技问题的难度越来越大 [2] - 重大科学发现存在偶然性，受限于科学家认知水平和知识传播滞后性 [2] - 爱因斯坦相对论案例显示工具限制对科学发现的影响 [2] 人工智能技术发展路径 - 大模型出现前人工智能主要沿专业深度方向推进（深蓝、阿尔法围棋） [2] - 大模型出现后人工智能在泛化能力上取得重大突破但专业深度不足 [2] - 实现"通专融合"是通用人工智能发展的重要路径 [2] 人工智能科研应用具体场景 - 帮助研究者理解文献、增强计算能力、丰富研究对象表征维度 [3] - 帮助产生跨领域想法，判断科研假设价值 [3] - 自主构建新工具或实现已有工具创新性组合 [3] - 支撑研究者更全面、更交叉地审视研究对象，提升认知水平 [3] 实践案例与成果 - 上海人工智能实验室发布并开源"书生"科学多模态大模型 [3] - 模型融合蛋白质序列、基因组、化学分子式、脑电信号等科学数据 [3] - 具备严谨的逻辑推理能力和科学多模态能力 [3] - 基于"书生"大模型推出科学发现平台，与国内多家科研单位合作 [3] - 成功研发基于人工智能的量子计算中性原子排布算法 [3] - 开发专注于靶标发现与临床转化评估的多智能体系统 [3] - 在量子计算、药物研发、高分子化学等方面取得进展 [3] 未来发展方向 - 人工智能将成为跨学科、跨领域突破的重要引擎 [4] - 加快探索人工智能驱动的新型科研范式 [4] - 加快建设应用科学大模型 [4] - 进一步强化人工智能的牵引带动作用，推动科学技术取得更多"高点"突破 [4]

核心观点 - 上海AI实验室发布并开源科学多模态大模型Intern-S1 其综合性能为当前开源模型中最优 在科学推理任务上超越xAI的Grok 4 同时训练算力消耗仅为Grok 4的1% [5][7] - Intern-S1首创"跨模态科学解析引擎" 可精准解读化学分子式 蛋白质结构 地震波信号等多种复杂科学模态数据 助力AI从"对话助手"进化为"科研搭档" [16] - 基于Intern-S1构建的多智能体虚拟疾病学家系统"元生"已在肝癌和结直肠癌治疗领域提出新靶点GPR160和ARG2 并经真实临床样本和动物实验验证 [17] 模型性能 - Intern-S1采用235B MoE语言模型和6B Vision编码器 预训练数据包含5T tokens 其中50%以上为科学数据 [21][25] - 在综合多模态通用能力评估上 Intern-S1得分比肩国内外一流模型 展现跨文本 图像的全面理解力 [10] - 在科学能力评测中 Intern-S1领先Grok-4等最新闭源模型 评测覆盖物理 化学 材料 生物等领域的复杂专业任务 [12] - 在化学 材料 地球等多学科专业任务基准上 Intern-S1超越顶尖闭源模型Grok-4 展现出卓越的科学推理与理解能力 [17] 技术创新 - Intern-S1新增动态Tokenizer和时序信号编码器 对化学分子式的压缩率相比DeepSeek-R1提升70%以上 [26] - 采用通专融合的科学数据合成方法 使模型同时具备强大的通用推理能力与多项顶尖的专业能力 [28] - 通过系统与算法联合优化 实现大型多模态MoE模型在FP8精度下的高效稳定强化学习训练 成本相比近期公开的MoE模型降低10倍 [30] 开源生态 - 上海AI实验室开源了面向大模型研发与应用的全链路开源工具体系 覆盖数据处理 预训练 微调 部署 评测与应用等关键环节 [32] - 近期开源多智能体框架Intern·Agent 可广泛应用于化学 物理 生物等领域的12种科研任务 [32] - 基于Intern-S1的『书生』科学发现平台Intern-Discovery上线 驱动科学研究从团队单点探索迈向科学发现Scaling Law阶段 [6][32]

AI发展新阶段 - AI下半场将聚焦问题定义与评估体系重构，行业需设计更有效的模型评测体系弥补AI能力与真实需求的差距[2] - 上海AI Lab构建"加速训练营"(InternBootcamp)，通过评价建模与大模型交互提供反馈，使大模型持续进化获得解决复杂推理任务的能力[2] - 书生・思客(InternThinker)实现奥赛级数学、科学对象理解与推理、算法编程、棋类游戏、智力谜题等多专业任务同步学习演进，并在多任务混合强化学习中出现智能"涌现时刻"[2] 围棋领域突破 - InternThinker成为我国首个既具备围棋专业水平又能展示透明思维链的大模型，在实验室科研人员的布局中围棋成为科学探索的"试应手"[2] - InternThinker在围棋任务上打破思维"黑盒"，运用自然语言就对弈过程进行讲解，用户可与之对弈并获取每一步棋背后的推理过程和决策依据[4] - InternThinker评价李世石"神之一手"为"相当刁钻"，并给出应对策略，同时具备多样化语言风格如鼓励"以攻代守的好手"或毒舌锐评"不是棋的选择"[5][6] - 新生代世界围棋冠军王星昊九段评价InternThinker棋力在职业3-5段之间，分析能力优秀[8] 技术架构创新 - InternBootcamp包含超1000个验证环境覆盖复杂逻辑推理任务，能批量化规范化生成难度可控的推理任务并与大模型交互提供反馈[11] - InternThinker在包括数十个任务的测试集上平均能力超过o3-mini、DeepSeek-R1及Claude-3.7-Sonnet等国内外主流推理模型[14][15] - 研究人员观察到在多任务混合训练过程中出现强化学习的"涌现时刻"，模型通过多个任务混合强化学习成功获得单一任务无法得到的奖励[18] - 上海AI Lab提出通专融合技术路线，通过基础模型层、融合协同层和探索进化层"三层"技术路径打造通用人工智能[22][23] 算法与框架突破 - 设计强化学习算法PRIME结合高密度监督信号，获取比现有方法高出7%的性能提升，在AIME、MATH等竞赛难度数学题上7B模型能力显著超越GPT-4o[24] - 推出多任务强化学习技术框架MoR实现多任务强化学习混合训练，构建基于结果奖励的强化学习新范式OREAL解决大模型三大困局[24] - 开发测试时强化学习(TTRL)框架探索AI自主进化路径，能在没有准确标签情况下进行奖励估计，减少人工标注依赖[24] - 构建分子逆合成新方法Retro-R1，仅使用1万条强化学习数据通过200步训练实现大模型在逆合成推理能力的升级[24]

公司业绩表现 - 2024年公司实现营业收入1281.66亿元，同比增长7.14%，创五年新高 [2] - 数云服务及软件业务收入29.65亿元，同比增长18.75%，毛利率20.32%，同比提升4.7个百分点 [2] - 自有品牌业务收入45.81亿元，同比增长20.25%，毛利率11.49%，同比提升2.65个百分点 [4] - 净利润下降35.57%至7.77亿元，主要因持有的神州数码国际创新中心资产减值影响，扣除后净利润为13.05亿元 [3] AI战略布局 - AI成为公司数云融合战略的核心，推出神州问学AI原生赋能平台 [5] - 推出神州鲲泰问学一体机解决企业快速落地AI能力问题 [4] - 战略并购智邦科技大陆地区业务，切入国产高端网络交换机市场 [4] - 神州金服云数据产品作为数据资产获得建设银行深圳分行3000万元授信融资，成为全国首笔大中型数据资产质押融资案例 [4] AI应用与行业观点 - 公司认为AI应用处于"开始"阶段，尚未跨越鸿沟，当前"离人很近、离企业很远" [6] - 强调"通专融合"是AI发展方向，需结合企业流程改造实现创新 [6] - 未来企业AI应用场景将以异构算力为基础，共存多种模型，整合内部数据与知识，搭载海量Agent [7] - AI for Process是数字化转型关键路径，将重构企业核心竞争力 [6] - 目前优先在传统优势行业推广AI应用，因客户关系及数据资产熟悉度较高 [8] 技术及产能建设 - 神州鲲泰合肥生产基地正式投产，为安徽省单体产能最大服务器产线 [4] - 并购标的智邦科技拥有16条全球领先SMT产线，具备高端制造服务能力 [5]