上海AI实验室（浦江实验室）
「AGI4S 珠穆朗玛计划」新品逐项详解
对第二届浦江AI学术年会发布的核心新品逐一展开描述，并为每个新品配以架构/流程示意图，帮助理解其定位、能力与在整体布局中的位置。
Overview
一张图看懂：珠穆朗玛计划的整体结构
本次发布不是单点产品，而是围绕「AGI for Science 珠穆朗玛计划」搭建的一整套"科学智能创新中枢"，可分四层理解：最底层是五大底层要素——算力（DeepLink）、数据（Sciverse）、模型（Intern-S2）、智能体（Agent-A1）、自主实验（自主实验平台）；五大要素向上汇聚成核心平台「书生·端砚」（Intern-Discovery），打通"假设→实验验证"科研闭环；平台再对外赋能，产出最上层的生态应用层——与高校院所联合创新的十余个垂直科学模型；最终共同支撑科学家攀登"重大科学突破"这座珠峰。人才与生态（攀登者 2.0、浦江青年学者、产学研共建）贯穿全程。其中 Agent-A1 是本次新纳入结构的智能体基座模型。
Flagship
二、逐项详解
AGI4S 珠穆朗玛计划
AGI for Science Everest Plan旗舰计划这是本次发布的总纲。它并非一款软件，而是一个面向重大科学突破的综合性国家级计划，目标是把上海AI实验室建成"中国科学智能的创新中枢"：一方面持续打造领先的 AGI4S 基座能力（模型 + 平台 + 基础设施），另一方面以开放机制汇聚算力、数据、场景、人才等创新全要素，邀请全球科研力量共同定义未来、攻关那些"珠峰级"的科学难题。计划由"基础设施协同、产学研共建、人才计划"三大体系支撑，下面的每一款产品都是它的组成部分。
- 定位
- 科学智能创新中枢 / 重大科学突破的综合平台
- 三大体系
- 基础设施协同 · 产学研共建（算力/数据/场景共建）· 人才计划
- 开放性
- 面向全球科研力量开放共建与共享
书生 · Intern-S2
Intern-S2-Preview-397B · 科学多模态大模型基础模型 · 最新旗舰科学基座模型现已迭代到 Intern-S2，于 2026 年 7 月 17 日 WAIC 2026 发布并开源（此前 5 月已开源 35B 预览版）。它最大的突破不在于堆参数，而在架构效率：用 397B 参数就在分子设计、材料结构生成等核心科学任务上追平了实验室此前的万亿参数模型。被定位为"科学智能体新基座"，秉持"通识为体、专业为用"——通用能力做稳定底座，各学科专业能力按需接入。
其核心是"知识与推理分离"的双引擎设计：Mobius 架构（非 Transformer 路线，解耦"知识向量"与"推理算子"、建立全局共享知识库，配合反向残差连接与动态隐空间推理，端到端推理效率提升近 4 倍）；以及可插拔的 Memory Decoder 外部记忆（各学科知识在独立模块训练后按需接入，支持知识持续更新而不干扰通用能力）。多模态上新增"视觉预训练反哺语言"，能直接"阅读"原始 PDF 文献页面、保留图文对应，编码同一篇文献所需 Token 仅为纯文本解析的约 1/4。
- 参数
- 397B（追平万亿参数模型的科学性能）
- 架构
- Mobius（非 Transformer）+ Memory Decoder 双引擎
- 性能
- MolecularIQ 57.26（Gemini-3.1-Pro 41.33）；材料晶体结构生成通过率 >40%；代码智能体 SWEBench-Pro 仅次于 GLM5.2
- 开源
- HuggingFace（internlm/Intern-S2-Preview）· ModelScope · GitHub；训练 XTuner，部署 LMDeploy，昇腾 Ascend 适配
- 沿革
- Intern-S1 → Intern-S1-Pro（万亿参数）→ Intern-S2（397B，架构升级）
书生·端砚 科学发现平台
Intern-Discovery科研平台如果说 Intern-S2 是"大脑"，这个平台就是让科学家真正用起来的"工作台"（最新升级并更名为「书生·端砚」）。它基于书生科学基座、多智能体框架和科学智能协议构建，提供从"提出假设"到"验证结论"的一站式科研全流程支撑，并强调"不做泛化通用问答，而是深度学习各学科的研究范式与实验规范"。平台整合 200+ 科研智能体和 2200+ 工具，深度对接各领域权威资源（生命科学的 AlphaFold / BLAST / UniProt，材料的 Materials Project / RDKit / 第一性原理计算等），当前聚焦六大核心领域：生命科学、关键材料、半导体、核聚变、量子、地球气象。科学家可用自然语言驱动这些智能体协同完成完整研究闭环，无需自己拼接零散工具链，已向全球研究者开放。
- 底座
- Intern-S1 + 多智能体框架 + 科学智能协议
- 规模
- 200+ 智能体 · 2200+ 工具
- 可及性
- 面向全球研究者开放试用
DeepLink 超智融合算力平台
异构算力调度基础设施科学计算既需要传统超算（HPC，擅长高精度数值模拟），又需要 AI 智算（GPU，擅长大模型训练推理），二者过去往往是相互割裂的两套系统。DeepLink 的作用就是打通"超算与智算"之间的壁垒，把通用算力、超算、智算等异构资源统一纳管、统一调度，让一个科研任务可以在最合适的算力上无缝流转。它解决的正是当前 AI4S 的头号瓶颈之一——"算力架构碎片化"，是珠穆朗玛计划的算力地基。
- 类别
- 算力基础设施
- 解决问题
- 超算与智算割裂、算力架构碎片化
Sciverse 科学智能数据库
AI-Ready 科研数据基础设施高质量、可直接被 AI 使用的科研数据，是训练科学大模型的"燃料"，也是当前的另一大瓶颈——"科研数据孤岛化"。Sciverse 是一个100PB 级的超大规模科学数据库，把分散在各学科、各机构的科研数据汇聚、清洗、标准化为"AI-Ready"格式，为 Intern-S1-Pro 的训练和上层科研平台的运行提供统一的数据支撑。可以理解为科学智能的"数据中台"。
- 规模
- 100PB 级
- 特点
- AI-Ready · 跨学科统一数据底座
自主实验平台
具身智能驱动的自动化实验基础设施这是把 AI 从"算"延伸到"做"的关键一环。平台基于具身智能（机器人）技术，构建自动化的实验设施，让"AI 设计方案 → 机器人执行实验 → 数据自动回流 → AI 迭代优化"形成干湿闭环。它最直接的价值是大幅压缩研发周期——把原本需要数年的科研探索缩短到3–6 个月，让高通量、可复现的自主实验成为可能。
- 技术
- 具身智能 / 机器人自动化实验
- 效果
- 科研周期数年 → 3–6 个月
攀登者计划 2.0 & 浦江青年学者
人才与项目生态人才/生态再好的工具也要有人来用、来共建。「攀登者计划」2.0 面向 AI4S 科研项目，建立三级项目支持体系，为不同成熟度的项目提供全周期护航；「浦江青年学者」计划则聚焦发现与支持全球科学智能领域的优秀青年人才（首批 20 人获颁证书）。两者与产学研共建机制一起，构成珠穆朗玛计划的人才与生态底座，保证前面这些平台和模型能持续产出真实的科学成果。
- 攀登者 2.0
- 三级项目支持体系 · 全周期护航
- 青年学者
- 全球青年科学智能人才 · 首批 20 人
Ecosystem
三、生态圈：浦江 × 高校院所 联合创新模型
珠穆朗玛计划的价值不止于自研基座，更在于把这些底层能力开放出去、与顶尖高校和科研院所联合共创垂直科学模型。典型代表就是 WAIC 2025 上海AI实验室联合发布的十项"AI+科学"成果——它们由实验室提供"基座模型 + 多智能体框架 + 科学数据 + 开放平台"四类能力，合作方贡献各自学科的专业数据与真实场景，共同产出覆盖医学、材料、地球、农业、航空航天等领域的专用模型。其运转逻辑是一个"能力赋能 → 场景共创 → 成果反哺"的生态飞轮。
3.1 能力 → 模型：浦江如何赋能这些联创模型
下图把每个联创模型所调用的具体浦江产品/平台做了连线映射：左侧不再是抽象能力，而是四个实际的浦江产品（基座模型 Intern-S2、书生·端砚 发现平台、Sciverse 数据库、DeepLink 算力）；右侧是合作共创的模型，连线颜色标明该模型主要依赖哪个产品提供的能力。
3.2 逐个看：场景、优势与所用浦江能力
| 联创模型 | 合作方 | 模型场景 | 模型优势 / 关键指标 | 使用的浦江能力 |
|---|---|---|---|---|
| OriGene 元生 | 临港实验室、上海交大、复旦、MIT | 虚拟疾病学家，自动发现并验证创新治疗靶点 | 已验证肝癌靶点 GPR160、结直肠癌靶点 ARG2 | ②书生·端砚（Intern·Agent） |
| scDNAm-GPT | 广州实验室 | 仅凭血液早期检测多种癌症与呼吸疾病 | 检测准确率 >90%；首次建模 1000 万级 CpG 位点、单分子级分辨率 | ①书生 Intern 基座 |
| Viracle | 瑞金医院、复旦 | RNA 病毒建模，传染病预防预警 | 覆盖所有 RNA 病毒；人类病毒预测准确率 >95%；发现数十种潜在人畜共患风险病毒 | ①书生 Intern 基座 |
| 丰登育种大模型 | 崖州湾实验室、中国农业大学 | 辅助农作物育种研发 | 国内首个确立并验证大模型育种路线；100+ 育种单位试用 | ①书生 Intern 基座 |
| EarthLink | 中科院大气所、中国气象科学研究院 | 地球多圈层科学数据自动分析（"科学家副驾驶"） | 覆盖 80% 地球科学分析场景；研究效率提升 160 倍 | ②书生·端砚 ③Sciverse 数据 |
| ChemBOMAS | 同济大学 | 有机合成反应工艺优化 | 催化剂用量降至 1/10；产率 20% → 96% | ②书生·端砚（Intern·Agent） |
| 凝聚态超导发现系统 | 中科院物理所、凝聚态数据中心 | 加速超导新材料研发 | AI 预测的铜基超导材料临界电流密度达商业产品标准 | ③Sciverse 数据库 + AI 预测 |
| 量子中性原子排布算法 | 中国科大、合肥实验室 | 量子计算机原子阵列排布 | 60 毫秒完成 2024 个原子无缺陷阵列，规模世界纪录 | ④DeepLink 算力 + 并行 AI |
| 多碎片目标追踪系统 | 中国极地研究中心 | 太空碎片实时追踪 | 精度较传统方法提升 70%；南极真实数据验证 | ④算力 + 计算机视觉 |
| 三维飞行器生成智能体 | 中国商飞上飞院、上海交大 | 民机概念设计加速 | 分钟级生成三维 CAD 模型；自然语言交互 | ①基座 + ④3D 生成能力 |