四川网 – 10月22日，第二十三届中国计算机大会在成都举办期间，由四川省建设的“天府·慧研”人工智能赋能科技创新一体化平台正式上线。平台按“1+3+N”架构搭建：以1个科学基础大模型为核心，以国产算力、科学数据、干湿智能实验室3大平台为支撑，面向新材料、新药创制、清洁能源等领域拓展N个应用场景。这套架构的设计意图并不隐晦——它要解决的不是“AI能不能写出一段科研文本”，而是AI生成的科研假设能不能被实验验证、验证数据能不能回流优化模型。从“能生成”到“可验证”，是当前AI for Science从演示走向生产力的分水岭。
模型层面的参数首先值得细读。“天府·慧研”1.0科学基础大模型激活参数约350亿，依托材料、医疗健康等四川优势领域约200万篇专业语料，在国产算力平台上完成全栈适配和后训练，任务完成率可提升20%，算力消耗降低约70%。350亿激活参数在通用大模型的尺度上不算巨大，但科学基础模型追求的不是对话的广度，而是在特定领域内输出的可靠性和可复现性。200万篇专业语料的约束，意味着模型的知识边界被锚定在四川具有积累的学科方向上；算力消耗降低70%则直接回应了科研场景中最现实的成本约束——AI for Science的瓶颈往往不在模型能力本身，而在反复试错所消耗的算力和时间能否被压到科研经费和项目周期可以承受的范围内。
算力底座的国产化是另一个关键设计。平台依托成都智算中心昇腾全栈技术体系，建成面向科学研究的国产化算力集群，统一纳管调度、按需分配、按量计费，目前算力规模已达408P，年底将扩展至600P。科学智能对算力的需求具有“脉冲式”特征：训练和推理的峰值需求远高于日常均值，单个课题组自建算力既不经济也不现实。统一调度、按量计费的公共算力池，把“算得起”和“用得上”从两个矛盾的目标变成了同一个解决方案，这是平台作为基础设施而非单一工具的核心价值。
数据治理的“可用不可见”机制，则触及了科研数据共享中最敏感的环节。平台采用“一个综合性科学数据中心、多个领域科学数据中心”架构，不宜出域的数据只登记目录、留在原单位，以“可用不可见”方式供模型调用，先期打造200TB安全数据空间，材料领域已汇聚数据约100万条、专业期刊论文约100万篇。科研数据“不敢共享、不愿共享”的根源在于权属和泄露风险，“可用不可见”在技术上把数据的使用权和持有权做了分离，让数据不出单位也能参与模型训练。这一机制能否在更多领域跑通，决定了平台未来能汇聚的数据厚度。
真正让“可验证”落地的，是干湿智能实验室构成的闭环。模型先行预测、筛选最优方案，实验室开展合成制备与表征验证，实验数据自动回流、持续优化模型，形成“模型提方案、实验室做验证、数据回流模型”的循环。目前实验室围绕聚合物、生物医用材料两个方向，已建成材料在线检测系统、全自动实验操作模块和高通量配方筛选装备，研制了机械臂高通量凝胶制备装备和72孔位纳米羟基磷灰石制备平台。没有这个闭环，AI输出的只是“看起来合理”的候选方案；有了闭环，每一个预测都要经过物理实验的检验，模型的可靠性才能在迭代中积累。
平台的上线时机也提供了另一个注脚。10月20日，“天府·慧研”大模型赋能科学研究场景入选国家发展改革委等部门推出的首批标志性重大应用场景项目。这意味着四川在AI for Science上的探索已经进入国家层面的场景验证序列。由四川省计算机研究院牵头，联合四川大学、电子科技大学、上海人工智能实验室、天府绛溪实验室等联盟单位共建，平台的定位是“连接分散的科研资源，把人工智能嵌入科研全过程”。科研资源的分散和算力门槛的高企，是长期困扰科研人员的结构性问题；一个平台无法解决所有问题，但如果它能证明“模型预测—实验验证—数据回流”的闭环可以在材料领域之外的新药创制、清洁能源等方向被复制，那么它提供的就不仅是一套工具，而是一种科研组织方式的替代方案。