软通动力总结AI4S领域的大模型应用范式

近日，在2025世界人工智能大会（WAIC 2025）“AI数算 重构智造产链生态”智能趋势论坛上，软通动力集团首席人工智能官金亚东发表题为《AI For Science：于无声处听惊雷，新质生产力的源头创新》的主题演讲。阐述了AI for Science（AI4S）作为驱动科技源头创新核心引擎的关键作用，并分享了软通动力在该前沿领域的洞察与实践。

AI正深刻重塑千行百业，从业务流程重塑（柔性制造、AI软件工程等）、产品价值创新（智慧风场、数字电影等）到运营效率提升（AI4E管理提效、AGI数据分析等）和客户体验提升（智能营销等），已经在众多行业场景实现落地。但其中更多是企业生产关系的改进，只有产品价值创新是生产力的提升，金亚东强调，产品创新的源头在于科技创新，并以生物医药、新能源设备等领域的发展为例证进行了详细解读。AI4S正开辟科技创新的全新赛道，其本质就在于科学的发展历程就是在计算不可约性与可约化性之间不断博弈。

金亚东指出，AI4S绝不仅仅是为科学家提供研发工具，而是要让科学走进企业的方方面面，转化成生产力。并分享了软通动力总结的AI4S领域的大模型应用范式：

1人类认知模拟

在“系统封闭自洽，具备内在客观运行规律，能够穷尽观察数据”的范畴，通过Scaling Law训练的大模型（如LLM、LMM）无需知悉系统内在规律即可推理输出，DeepSeek、Manus正是此类代表；

2物理规律/AI混搭

针对观察数据较少，但是存在已知的先验规律的半封闭自洽系统，以人类已知的机制机理为出发点，通过物理模型来指导大模型的实现，如AlphaFold 3；

3高级别数字孪生

在缺乏数据，但存在可计算的第一性原理的封闭自洽系统，基于原理构建自理解和自治孪生体，如MLP/DFT。

为了聚焦行业思考，推动底层创新和生产力跃升，软通动力AI创新研究院提出了三大科学假设：千行百业之间是否存在着共通的物理化学问题？生成式大模型范式是否在多尺度物理空间中普遍适用？是否可以找到硅基实验室的通用范式，极大降低科研成本？

作为国内领先的全栈智能化产品与服务提供商，软通动力将持续深耕“AI Infrastructure”（AI时代的基础设施）、“AI For Enterprise”（龙头企业智能化，千行百业场景变革）、“AI For Science”（科学智能引领原始创新）三个维度，以科技创新聆听“无声处的惊雷”，为新质生产力的蓬勃发展贡献源头活水。