2025年《政府工作报告》提出，持续推进“人工智能+”行动，并支持大模型广泛应用。在人工智能驱动科研的浪潮下，中国科学院的多个研究所正通过接入阿里通义千问QwQ-32B推理大模型，掀起一场从“上天”到“入地”，从“观星”到“察水”的科研智能创新远征。

  在青藏高原追溯水的来源，对珊瑚礁生态分析，实现自主天文观测……一场场由青年科学家主导的科研范式变革，正在尝试突破传统研究的边界，而大模型正为科研装上超强“处理器”。  

  大模型助科研“上天入地”

  当金乌模型仰望星空时，中国科学院青藏高原研究所的洛书大模型正深入“亚洲水塔”腹地。

  过去50年，青藏高原升温速率达全球均值两倍，冰川消融引发的水-能-粮耦合矛盾日益凸显。该研究所助理研究员夏萃慧团队将自主研发的科学模型与QwQ-32B结合，构建出全球首个气候变化适应领域的多模态推理系统。

  在国家天文台怀柔观测基地，一台名为“金乌”的大模型正尝试破解太阳耀斑爆发的规律。中国科学院国家天文台人工智能小组基于阿里通义Qwen2系列模型，通过监督学习和强化学习，训练模型理解太阳磁场图像与物理参数的关联，实现耀斑预测的突破。

  数据显示，该模型对X级耀斑的预测准确率达95%，真实阳性率100%。“过去我们需要人工分析海量太阳磁场数据，现在大模型能像‘解数学题’一样拆解复杂问题。”该研究团队组核心成员李瑀旸说。

  据了解，该团队还开发了“星语”智能望远镜系统。传统天文观测需科研人员全天候值守制定计划，如今通过QwQ-32B模型的慢思考能力，系统可自主规划观测流程，将人工观测时间减少90%。

  李瑀旸直言，模型会生成完整的思维链路，就像把解题步骤写在草稿纸上，我们既能追溯决策过程，也能优化算法逻辑。  

  青年科学家站到“台前”

  在这场由科学研究与大模型双向奔赴而上演的智能科研“大戏”上，青年科学家站到了“台前”，老专家们在“幕后”支持。

  “传统水文模型需要数周调参，而我们AI驱动的模型训练仅需3小时。”夏萃慧团队的研发人员多为“90后”。据这位“90后”项目负责人介绍，模型可精准量化某水电站径流来源——例如季风期65%水量来自喜马拉雅南坡降水，枯水期40%依赖唐古拉山冰川融水。

  此外，通过与能源企业合作内测，该模型已支持水电调度方案动态推演，为高海拔地区应对气候危机提供决策支持。

  在夏萃慧看来，大模型的“推理”和“翻译”能力使其能驾驭水能耦合的复杂算法。有了大模型后，算法的互通为不同学科问题提供了通用工具，对跨学科研究有非常大的作用。另外，团队的分工明确更是奠定了科研最终成功的基础。“前沿的研发是我们这些年轻人在做，而后面是需要坚实的科学基础理论分析来支撑的，这些就是院士们和老一辈专家给到了我们极大的帮助和支撑。”

  李瑀旸团队的平均年龄为28岁，而他本人则为“00后”，本科学科背景覆盖了集成电路、凝聚态、微电子等应用物理内容，在研究生阶段则主攻天体物理学。这样的学习经历让他具有交叉学科经验。李瑀旸表示，科学和技术之间并没有间隔，相反在新时代，技术需要去找到更好的科学落点，科学需要跟随技术发展打破科研信息壁垒。

  中国工程院院士、之江实验室主任王坚表示，人工智能不仅是一次工具的革命，还是一次科学革命的工具。它已成为一种可以能够打破学科壁垒的通用语言，而不仅是对科学研究的简单“赋能”。（张雨葳/文 阿里云/供图）