科学大模型，开始给自己出考卷了。
10 月 2 日，中国科协"新天工开物"科技成就发布会人工智能专场首播，发布两项代表性成果："深度自然语言理解和生成关键技术及应用"与"材料大模型的构建及应用"，分别对应"立知"和"材华"两款大模型（来源：人民网，转引自《AI行业24小时_20261003_10》）。
两款模型走的是两条路：一个把能力内化进参数，一个把学科边界划清楚再逐科评测。这两条路的分歧，正好是 AI for Science 现在最值得看的地方。
材料大模型，先立一张考卷
先说"材华"。
据人民网报道，"材华·MatVerse"由苏州国家实验室联合上海人工智能实验室、上海交通大学推出，形成"数据-大模型-智能体-评测-应用"全链条，首创覆盖 19 类材料二级学科的多模态评测基准，被推介为世界首个百亿参数、首个原生多模态的材料大模型（来源：人民网，转引自《AI行业24小时_20261003_10》）。
注意这条链的顺序。它没有先讲模型多大、分数多高，而是把"评测"写进了全链条。19 类二级学科、多模态基准——这才是这次发布里信息量最大的部分。材料科学的数据分布极散：金属、陶瓷、高分子、无机非金属，每类学科的图谱、表征、工艺参数都不一样。一个模型宣称"懂材料"，如果拿不出覆盖这些细分的评测，就只是一句推介语。
需要保留的口径同样要说清楚。"世界首个百亿参数""首个原生多模态"都是发布会推介口径，报道未附可复核的基准榜单与第三方评测；落地企业与"显著经济与社会效益"也没有披露具体案例与量化数据；这属于国内自主创新成就展示，不是新论文发布（来源：人民网，转引自《AI行业24小时_20261003_10》）。
图注：材华覆盖 19 类材料二级学科、走"大模型+智能体+评测"全链条；立知主打符号主义与连接主义融合的多模态范式——一个立学科边界，一个换架构底座（数据来源：人民网，转引自《AI行业24小时_20261003_10》）
另一条路：把能力内化进参数
再说"立知"，以及它背后的整条路径。
据人民网报道，"立知"由哈尔滨工业大学（深圳）张民团队自主研发，为 Uni-MoE 系列多模态大模型，提出符号主义与连接主义融合、以语言为核心的新范式，已在多家头部企业落地，获 2025 年度吴文俊人工智能科技进步奖特等奖（来源：人民网，转引自《AI行业24小时_20261003_10》）。
这是一条"架构换底座"的路线。它不急着给某个学科出考卷，而是先解决多模态模型怎么同时处理符号推理和神经网络的直觉——这两件事过去总被当成两条互斥的技术路线。
更彻底的版本在论文里。2026 年 8 月，上海 AI 实验室发布 Intern-S2-Preview，一个 3970 亿参数的科学智能体基础模型：预训练阶段从科学文档、交错图文数据和多样化科学语料中学习，包含渲染科学页面的视觉预训练；后训练阶段统一了监督微调、多任务强化学习、黑白盒智能体强化学习和在线策略蒸馏（来源：arXiv:2608.13505《Intern-S2-Preview: Scientific Agentic Foundation Model》，转引自源势AI《AI科学家，自己做实验》，2026-08-17）。
它有个设计值得单独拎出来：Memory Decoder——一个独立训练的参数化记忆模块，挂载在冻结的 3970 亿主干上，不改核心参数就能实现领域特化，在生物学指令集上 4B 参数的 Memory Decoder 把平均分从 56.92 提到 60.32（来源：arXiv:2608.13505《Intern-S2-Preview: Scientific Agentic Foundation Model》，转引自源势AI《AI科学家，自己做实验》，2026-08-17）。
腾讯研究院在《2026 人工智能十大趋势报告：协同进化》里给这种现象下了个判断：通用 AI 模型保障科学智能的广度与下限，专用科研模型不断探索细分科研场景创新的深度与上限（来源：腾讯研究院《2026人工智能十大趋势报告：协同进化》）。材华选的是"划细分"，Intern-S2 选的是"做底座"，两者恰恰是这句话的两端。
从"答题"到"做实验"
还有第三种存在方式：不满足于回答科学问题，而是自己做研究。
2026 年 8 月，新加坡国立大学和牛津大学团队发布 OmniScientist，覆盖 5 个学科族、4 类科学证据，模态包括图像、信号、音频、视频、3D 结构、轨迹、表格、公式和图谱。在 36 个案例中，系统完成了从原始数据到编译论文的全流程，平均论文评分 6.3 分（7 维度量规，满分 10 分）（来源：arXiv:2608.13558《OmniScientist: An Omni-Modal Omni-Discipline AI Scientist》，转引自源势AI《AI科学家，自己做实验》，2026-08-17）。
它做了一个关键对照实验：把完整系统和"盲版"比——盲版只接收预先计算好的标量特征，从不接触原始观察数据。结果是直接感知在全部 7 个评估维度上都更优，在正面比较中赢得 85% 的判断（来源：arXiv:2608.13558《OmniScientist: An Omni-Modal Omni-Discipline AI Scientist》，转引自源势AI《AI科学家，自己做实验》，2026-08-17）。
这个对照说明的问题比分数本身重要：当模型只能看到人类替它总结好的数字，它能提的假设就有限；当它能直接读一张显微图像、一段地震波形，问题的形状会不一样。科学发现依赖的空间、时间、跨通道关系，在"文字化"的过程中最容易丢。
但它也有明显的天花板。6.3 分的平均论文评分意味着产出还在中等偏上水平，离顶刊发表有距离（来源：arXiv:2608.13558《OmniScientist: An Omni-Modal Omni-Discipline AI Scientist》，转引自源势AI《AI科学家，自己做实验》，2026-08-17）。把它当成"独立科学家"为时过早，把它当成研究流程里的重复劳动处理器——文献综述、数据清洗、统计检验、图表生成、初稿撰写——现在就能用。
图注：原生多模态材料模型立学科边界，科学基础模型做参数底座，科研智能体跑完整流程——三条路径对应三种不同的评价标准（数据来源：人民网，转引自《AI行业24小时_20261003_10》；arXiv:2608.13505、arXiv:2608.13558）
源势AI观点
第一，科学大模型的价值，先看它有没有自己的考卷。材料领域 19 类二级学科、每类数据分布都不同，通用榜单上的高分在这里参考价值有限。给企业做科学大模型选型时，我们建议先问一句：有没有针对你所在细分学科的评测集？没有的话，"国际领先"这四个字可以先放一边。
第二，专用模型和通用底座不是二选一。Intern-S2 用一个很小的记忆模块挂在冻结的主干上，把"领域特化"的成本压到很小；材华则通过划分类别把评测做实。企业不必为每个新领域从头训练模型，但必须为每个新领域准备好数据与评测——前者是算力问题，后者是工程问题。
第三，让 AI 做研究，约束比能力更重要。OmniScientist 在构思、实验、报告三个阶段都塞了代码执行的检查（新颖性、可证伪性、数据泄漏、有效样本量），目的是防止模型在大量数据里反复试，直到偶然"发现"一个显著结果。科研智能体最大的风险从来不是能力不够，而是没有约束地发现了不存在的规律。这一点，企业做研发智能体时值得原样照搬。
两百亿参数还是四千亿参数，最后都要落到同一件事上：这个模型说它懂材料、懂生物，谁来核。
话题标签：#材料大模型 #AI4Science #科学智能
