當人工智能開始主導蛋白質結構預測、量子系統模擬甚至新型材料發現時，科學研究的底層邏輯正在經歷重大變革。2024年諾貝爾化學獎授予了基于深度學習的分子動力學研究團隊，標志著AI從科研輔助工具正式進化為科學發現的核心引擎。在這場全球科研范式重構的浪潮中，國家實驗室對基礎設施的訴求已發生本質性嬗變——全棧自主創新、數據主權保障、多模態算力融合正取代單純的算力規模，成為AI for Science落地的戰略支點。華為以“智算實驗室”為創新載體，通過AI數據湖、科研流程再造與異構算力調度的三維突破，正在為中國科研新質生產力的勃發鋪設高速通路。

科研范式變革：

從工具賦能到流程重構的深層躍遷

傳統科研模式正面臨三重結構性挑戰。在海南某實驗室，基因測序儀每天產生超過2PB的原始數據，但分散在23家機構的異構系統中難以互通；某前沿材料實驗室的統計顯示，因實驗流程缺乏標準化，約27%的科研經費消耗在可避免的重復試驗上；而上海某科學城的超算中心盡管擁有千P算力，其GPU資源利用率卻長期徘徊在35%以下。這些現象折射出當前科研基礎設施的核心矛盾：數據主權碎片化、實驗管理粗放化、算力資源割裂化。

更深層次的變革在于AI角色的根本性躍遷。三年前還停留在數據可視化層面的AI工具，如今已貫穿科研全生命周期。華為云構建的AI4S科學計算平臺實現了從假說生成→實驗設計→數據采集→模型訓練→結果驗證→論文撰寫的閉環。在深圳某實驗室的腦科學研究中，AI不僅自動優化神經元成像參數，更直接生成實驗報告初稿，將科研人員從機械勞動中解放出來。這種范式躍遷的本質，是將科研創新從“人力密集型”轉向“智能密集型”，使科學家能聚焦于關鍵的創造性工作。

國家實驗室正是基于此背景，有了進一步的需求升級。某國家重點實驗室主任在閉門會議中強調：“沒有全棧自主的底層架構，再先進的算法都是沙上建塔。”這指向三個剛性訴求：全棧安全要求從芯片到應用層的自主創新；數據主權需要覆蓋存儲、治理、共享等全流程可靠體系；多模態算力調度則必須打破CPU/GPU/NPU的架構壁壘。這些訴求共同構成AI for Science落地的關鍵基礎設施。

華為智算實驗室方案：

三位一體構筑科研新基座

01

AI數據湖，破解數據主權困局

在2025年3月舉辦的華為中國合作伙伴大會科技論壇上，華為公共事業軍團副總裁孫鵬飛發表演講并提到：“華為智算實驗室方案通過‘數據匯聚-數據加工-AI賦能應用’全流程智能化體系，打造全球領先的AI數據湖全棧子方案，通過Data+AI雙輪驅動，圍繞AI使能應用全流程，構筑低成本、高效率、可信賴的數據基礎設施，釋放實驗室數據價值，加速數據協同和科研創新。”

AI數據湖方案在技術底層與應用層面形成閉環，為破解數據主權困局提供了系統性解法。數據主權困局的核心矛盾在于，數據流動的需求與數據控制權的博弈——既要實現跨地域、跨機構的數據協同以釋放科研價值，又需確保數據擁有者對存儲、使用、共享的絕對掌控。

該方案以“可信賴的數據基礎設施”為基礎，通過分布式存儲架構與聯邦學習技術，在數據物理存儲層面支持本地化部署，滿足不同科研機構對數據主權的地域性法律要求。同時利用區塊鏈技術實現數據使用權的動態審計，每一次數據調用、加工、流轉均可追溯，保障數據擁有者的知情權與控制權。

在AI使能層面，方案內置的隱私計算模型能夠在不暴露原始數據的前提下，完成多源數據的聯合訓練，既破解了實驗室間數據孤島導致的科研效率低下問題，又規避了敏感數據跨域流動的合規風險。這種“數據不動模型動”的機制，使得數據主權與數據價值得以解耦——主權歸屬清晰不變，而數據價值通過AI模型的遷移實現跨域釋放。

02

智能中樞，數字化實驗室六要素

在華為中國合作伙伴大會2025科技論壇上，廣州賽意展示了與華為聯合打造的智能管理系統Lims，此系統將傳統實驗室中割裂的“人、機、料、法、環、測”六要素，整合成實時聯動的數字化整體。以某新材料國家實驗室的實踐為例，危化品全鏈路追蹤使事故響應時間從小時級壓縮至分鐘級；計算機視覺系統自動捕捉離心機0.5%轉速偏差，使實驗復現失敗率驟降63%；儀器對接效率提升75%，每年避免數千萬元無效科研投入。這些數據背后，是實驗室管理從人工監管到智能自愈的轉變。

而真正的根本性變革在數據方面。中圖科信與華為共建的基于智能底座的生態系統DataD平臺，將課題探索、數據采集、成果產出等過程完整閉環（如圖1）。當AI智能助理分析百萬篇文獻時，它不僅在識別實驗規律，更在構建跨學科知識圖譜；當云實驗室記錄每個實驗參數時，這些數據會轉變成可復用的數字資產。以上海某基因實驗室為例，通過平臺積累的30萬組蛋白質表達數據，AI僅用47小時就發現了傳統方法需耗時數年才能找到的新靶點作用機制。這種從“離散數據”到“知識金礦”的蛻變，標志著科研基礎設施的智能躍遷。

圖1 在DataD平臺上完成科研實驗論文全流程服務閉環

Lims系統與DataD平臺的聯動，正孕育著國家實驗室的智能中樞。前者如同數字化的“實驗室軀體”，精確控制每個實驗因子的微觀狀態；后者構成“科研大腦”，將離散數據轉化為結構化知識。這種協同推動著科研范式從經驗試錯向數據驅動轉變。

隨著智能中樞的形成，實驗室正在經歷三重能力躍升：實驗設計從靜態方案轉向動態優化，過程監控從人工記錄升級為自動糾偏，知識轉化從個體經驗進化為群體智能。當西北某生態實驗室通過DataD平臺共享的12萬組土壤數據驅動Lims系統自動調整荒漠植物培育參數時，我們看到的不只是單個實驗室的效率提升，更是國家科研基礎設施的智能蛻變。這種深度融合的智能中樞，正在成為中國突破科學前沿的新質生產力引擎。

03

算力調度，打破架構壁壘

當萬億參數大模型成為科學研究的剛需，傳統計算中心因架構差異導致算力分散無法協同，資源利用率長期停留在40%的水平。博瀚智能與華為合作推出AI Studio平臺，其異構融合調度解決了不同技術架構的兼容問題。平臺搭載的自研動態感知算法實時解析任務的多維基因，包括時延敏感度、顯存需求、通信密度等，智能優化執行路徑。某研究機構的測試顯示，該引擎將昇騰、英偉達、寒武紀等異構資源池化為統一算力平面，將跨架構調度延遲壓至毫秒級，驅動資源利用率超過70%，較傳統集群提升近100%。

在硬件方面，華為Atlas 900 SuperCluster以2250節點無收斂組網構筑物理基座，支撐萬億模型全參數訓練。貴陽閑置的智算卡光速接入北京超算節點，不同代際的GPU/NPU在統一界面無縫協同，讓科研機構真正體驗到異構算力如同水電般按需流動。

華為Atlas硬件基座與AI Studio智能調度層的深度融合，將分散化算力整合成強大的科研工具。當跨域通信開銷銳減、超算中心利用率突破95%時，中國科研的算力資源正成為源源不斷的新質生產力。

構建安全與生態護城河

01

全棧自主的安全基座

華為方案的核心優勢始于鯤鵬+昇騰雙引擎構筑的自主底座。昌平實驗室蛋白質預測平臺基于昇騰算力平臺與昇思MindSpore框架開發，不僅預測速度超越AlphaFold2 40倍，更確保實驗數據全程不出自主創新生態圈。該平臺通過科研IT等保三級認證，滿足國家實驗室對敏感數據處理的嚴苛要求。在涉及基因編輯、核能材料等敏感領域的研究中，這種全棧安全成為不可替代的剛需。

02

三級生態協同體系

華為構建的三層解耦生態模型展現出強大生命力。模型商店層聯合中圖科信匯聚近數千個開源科學模型，涵蓋冷凍電鏡解析、流體力學仿真等專業領域；開發平臺層通過CANN 7.0開放底層算子，使商飛研發團隊將翼型流場預測模型開發周期壓縮80%；行業應用層實現C919機翼設計中的流體仿真誤差降至10??量級，減少上千次風洞試驗。這種“模型-平臺-應用”的三級火箭模式，大幅縮短科研成果轉化周期。

華為方案的護城河源于安全與生態的深度耦合，而更深遠的變革在于科研范式的系統重構：當DataD平臺使上海基因實驗室的靶點發現效率提升千倍，當海南某實驗室種質篩選周期從3個月壓縮至10天，華為提供的不僅是工具集，更是科研創新的操作系統。這套系統重新定義數據主權歸屬（破解孤島）、重構實驗流程邏輯（六要素數字化）、重建算力協作模式（聯邦調度），三位一體推動中國科研不斷前進。

華為正聯合各科研機構加速構建面向科研領域的AI4S創新生態：鵬城實驗室通過中國算力網（C2NET）整合粵港澳大灣區等全國20余座城市算力節點，依托自主創新首個E級人工智能算力平臺“鵬城云腦Ⅱ”（總算力達1E FLOPS），服務數萬科研開發者，推動異構芯片高效調度；聯合清華大學、中國科學院等機構共建科研平臺；在生物計算領域攜手廣東醫科大學成立“數智健康醫療聯合創新天工實驗室”，聚焦AI+生物醫藥研發；在氣候科學領域基于盤古大模型深化氣象預測研究等。該生態通過開源科研底座和人才閉環，形成“算力整合—技術攻堅—產業轉化”全鏈條體系，為生命科學、信息科學、醫療、氣候等科學領域提供基礎設施與智力支撐。

隨著AI4S寫入國家戰略，華為聯合30余個重點行業播下的智能火種，已在基礎科學領域點燃創新鏈式反應。當碎片化算力凝聚為突破邊界的重錘，當數據資產蛻變為發現規律的羅盤，中國科研已在范式重構的浪潮中錨定下一個航標。

已刊發于《華為技術》專欄官網

本文作者：華為公共事業軍團 孫鵬飛 張磊