文章摘要
【关 键 词】 AI for Science、基础设施、通用AI、科研平台、创新成果
在2024年世界人工智能大会的「超越边界：探索下一代大模型的基础研究」论坛上，与会的国内外院士和专家学者深入讨论了AI for Science基础设施建设和下一代通用人工智能方法。论坛期间，发布了四个创新成果和产品，展示了AI技术在科学研究领域的应用前景和潜力。
中国科学院院士鄂维南在大会引言中强调，AI for Science正推动科学研究基础设施的系统性建设，迈向平台科研时代。他提出，构建科学研究的通用基础平台，包括基本原理和数据驱动的模型算法、数据库与知识库、实验表征方法和算力平台，对解决共性问题至关重要。尽管AI方法提升了科研能力，但要实现下一代通用人工智能，还需在算力、数据、AI数据库、模型和人才等方面持续发力。
北京科学智能研究院院长张林峰介绍了OpenLAM大原子模型，这是平台科研与开源共建的代表。OpenLAM计划旨在通过构建大原子模型，提升仿真设计能力，促进原子级生产制造。该计划已得到多家单位和专家的支持，发布了在多个领域的模型解决方案。
论坛还发布了Science Navigator 1.0，这是一个新一代科研文献开放平台。它通过自然语言对话式检索，快速定位科研信息，降低训练和推理成本。Science Navigator 1.0提供了API接口，支持用户构建自己的应用和智能体，满足个性化需求。
上海算法创新研究院发布了忆³大模型（Memory³），这是一种类比人脑记忆与思考方式的模型。忆³引入显性记忆机制，提高了性能，降低了训练与推理成本。基于忆³的AI搜索引擎，利用显性记忆的快速读写，提高了回答的时效性、准确率和内容完整性。
墨奇科技介绍了MyScale AI数据库，这是一个专为大规模结构化和非结构化数据处理设计的AI数据库。MyScale支持高效存储和联合查询，综合性能显著优于其他产品。它在多个应用场景中创造了价值，加速了技术创新和应用落地。
总之，这些创新成果和产品展示了AI技术在科学研究领域的应用潜力，为下一代通用人工智能方法和AI for Science基础设施建设提供了实践案例。随着AI技术的不断进步，它将推动科技向前发展，解锁更多创新可能性。
原文和模型
【原文链接】 阅读原文 [ 2227字 | 9分钟 ]
【原文作者】 极客公园
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★★
