AGI4S，即通用人工智慧驅動的科學研究，是上海人工智慧實驗室主任周伯文提出的科學智慧型從1.0向2.0疊代演進的方向，旨在推動人工智慧從輔助科研的工具（AI4S）向能深度融通專業能力的通用智慧型體跨越。周伯文提出了“AGI for Science之六問”，為思考AGI4S的邊界與能力提供了框架。
其核心路徑是通專融合，通過構建“智者”SAGE技術架構及“書生”科學多模態大模型Intern-S1、科學發現平台Intern-Discovery等基礎設施，驅動AI在數學、物理、化學、生命科學等多個領域進行自主探索與發現。在SAGE技術架構和“書生”科學發現平台等核心設施支持下，AGI4S已在數理與量子智慧型、生命與健康智慧型、地球空間與極端智慧型系統、能源與材料智慧型等多個領域取得系統性突破。2025年，上海人工智慧實驗室聯合多家科研機構共同發起“科學智慧型戰略科技力量聯盟”，並探索構建“浦江科學社區”。同時推出了“AGI4S攀登者行動計畫”，截至2025年底已收到全球500餘個提案申請。上海AI實驗室開源了基於SAGE架構的萬億參數科學多模態大模型Intern-S1-Pro。
基本介紹
- 外文名：AGI4S
- 別名：通用人工智慧驅動的科學研究
概念定義與發展背景,核心理論與技術架構,關鍵基礎設施與平台,實踐探索與領域突破,學術思考與未來展望,
概念定義與發展背景
當前我們已身處通用人工智慧的前夕,但仍缺失通專融合的智慧型,亟需推動科學智慧型從1.0向2.0疊代演進,即從AI4S邁向AGI4S。科學智慧型 2.0 時代是一個以領域科學家為中心,讓 AI 進化為能理解科學家意圖、默契協作的「合作夥伴」的時代。從AI4S邁向AGI4S,這一升級旨在推動研究者、研究工具與研究對象的協同演進。
核心理論與技術架構
AGI4S的核心理論認為，實現AGI4S的可行路徑是構建“可深度專業化通用模型”。該路徑面臨三大核心挑戰：實現低成本、規模化的密集反饋；具備持續學習與主動探索能力；為同一問題提供多視角解決方案的能力。上海人工智慧實驗室在研究中揭示了阻礙大模型持續進化的根本性障礙——“熵坍縮”。
上海人工智慧實驗室構建了驅動通專融合發展的“智者”（SAGE）技術架構。SAGE架構涵蓋基礎模型層、融合協同層和探索進化層三個層次，通過三層並行、雙向循環實現全棧技術進化。基礎模型層旨在構建通用泛化基礎能力和高密度監督的專業能力，例如“記憶體+解碼器”大模型架構Memory Decoder。融合協同層通過多路線協同構建比肩人類專家的通專融合能力，例如強化學習算法PRIME和基於結果獎勵的強化學習新範式OREAL。探索進化層通過自主探索與反饋修正實現AI自我進化閉環，例如InternBootcamp和測試時強化學習（TTRL）框架。
關鍵基礎設施與平台
上海人工智慧實驗室研發了支撐AGI4S探索的兩大核心基礎設施——“書生”科學多模態大模型Intern-S1與“書生”科學發現平台Intern-Discovery。
“書生”科學多模態大模型Intern-S1作為科研基座，在同一模型內實現了語言和多模態性能的均衡發展，並包含多學科專業知識，在化學、材料、地球等多學科專業任務評測中表現優於Grok-4模型。
2026年2月4日，上海人工智慧實驗室宣布開源基於SAGE架構的萬億參數科學多模態大模型Intern-S1-Pro。該模型是開源社區中參數規模較大的科學多模態模型之一，採用混合專家架構，總參數達1T，並在SAGE基礎模型層引入了傅立葉位置編碼和高效路由機制。其在科學智慧型評測體系中的多項能力表現較為突出。該模型展示了從原創模型架構到國產算力基座的技術路徑。
“書生”科學發現平台Intern-Discovery通過模型共享、數據互通、設施互連，支持人機協同、數算一體、乾濕結合的科研流程。Intern-Discovery整合了50多家科研機構的專業數據、200餘個專業數據集，總量達PB級。上海人工智慧實驗室聯合十餘家科研機構共同推出科學智慧型上下文協定，實現了對數據、工具、智慧型體、專業模型、濕實驗設備等科研要素的API化整合。
實踐探索與領域突破
在SAGE技術架構和“書生”科學發現平台等核心設施支持下，AGI4S已在多個領域取得系統性突破。
在數理與量子智慧型領域，量子計算中性原子排布算法利用AI技術並行驅動所有原子，僅用時60毫秒便成功構建了最高達2024個原子的無缺陷陣列，刷新了世界紀錄；電子順磁共振譜解析大模型“書生·言普”以“端到端”智慧型解析突破效率之困。
在生命與健康智慧型領域，多智慧型體虛擬疾病學家系統“元生”可自動發現並驗證創新治療靶點，驅動靶點發現從“經驗試錯”走向“系統湧現”；生物育種自主科學發現系統“豐登·基因科學家”旨在突破傳統育種研究的低通量實驗之困。
在地球空間與極端智慧型系統領域，AI地球科學家智慧型體系統EarthLink為高效處理海量地球系統數據探索出人機協同新範式；面向多碎片目標的人工智慧跟蹤系統實現了從“斷續捕獲”到“穩定連續”的追蹤能力躍升。
在能源與材料智慧型領域，凝聚態物質科學全棧式智慧型科學發現系統旨在突破超導材料研發的試錯成本與性能權衡瓶頸；化學反應最佳化多智慧型體ChemBOMAS突破高維搜尋與知識隔離瓶頸，在諾獎反應體系中實現“數量級”性能提升；分子-電網工業智慧型體旨在破解儲能材料能效-安全-壽命的“不可能三角”。
學術思考與未來展望
上海人工智慧實驗室主任、首席科學家周伯文教授提出了“AGI for Science之六問”，為思考AGI4S的邊界與能力提供了框架。這六問包括邊界之問（所有科學問題是否都能被人工智慧解決？）、預測之問（AI的預測能力是否全面超越現有計算方法？）、語言之問（對於科學表征，如何超越自然語言？）、交叉之問（AGI4S能否加速融合多學科、激發新科學？）、驗證之問（如何判斷AI有能力做出重大科學發現？）以及新科學之問（AGI將如何輔助更多學科發展“精確”視角？）。周伯文指出，AGI4S的價值不僅在於AI與單點學科的交叉賦能，更在於加速融合多學科、激發新科學。
圍繞AGI4S的前沿探索，已形成廣泛的學術協作網路。2025年，上海人工智慧實驗室聯合多家科研機構共同發起“科學智慧型戰略科技力量聯盟”，旨在通過有組織科研，推動各學科領域與人工智慧的深度融合。同時，實驗室推出了“AGI4S攀登者行動計畫”，面向全球高校、科研院所及企業團隊開放申請，鼓勵提出高價值的探索性問題。該計畫提供算力、模型、數據、項目經費及全流程支持，截至2025年底已收到全球500餘個提案申請，並遴選出近20個高潛力項目開展聯合攻關。
為持續匯聚創新力量，上海人工智慧實驗室探索構建“浦江科學社區”，旨在廣泛連結國內外優秀科研團隊和戰略科技人才，打造AGI4S領域的人才蓄水池與創新策源地。
