AI For Science來到新階段

原標題：Nature認證DeepSeek成科研工具全能者，國內高校如何借力大模型？
文章來源：量子位
內容字數：10341字

大模型賦能科研：DeepSeek引發的算力與人才挑戰及解決方案

本文探討了大模型，特別是DeepSeek系列模型在科研領域的應用現狀、挑戰以及百度提出的解決方案。DeepSeek憑借其開源、低成本、易部署的優勢，在Hugging Face上下載量已接近四百萬次，成為科研AI工具中的全能者，然而高使用量也帶來了算力需求井噴和人才培養滯后的問題。

1. DeepSeek的成功與挑戰

   DeepSeek模型的廣泛應用，凸顯了大模型在科研探索中的巨大價值。然而，其高使用量也帶來了諸多挑戰：模型的易用性問題，科研人員缺乏AI技術背景和學習時間；算力資源碎片化，科研機構面臨算力“饑餓與浪費并存”的困境；以及復合型人才的匱乏。

2. 昆侖芯P800萬卡集群：算力瓶頸的破局之道

   昆侖芯P800萬卡集群的成功點亮，為解決科研算力問題提供了重要途徑。其高性能、低功耗、易部署以及自主可控的特性，顯著降低了模型運行成本，并提升了訓練效率。清華智能產業研究院的驗證結果顯示，使用昆侖芯P800集群將千億參數模型的訓練周期縮短至19天，電力成本節省超300萬元。

3. 百度AI For Science解決方案：全生命周期支持

   百度提供的AI For Science解決方案，并非僅僅是芯片或單一平臺，而是涵蓋了昆侖芯P800芯片、百舸異構算力平臺、飛槳深度學習框架以及千帆大模型平臺等全棧技術。這套方案旨在為科研提供全生命周期支持，從算力底座到模型開發、部署和應用，實現科研工作流的重構。

4. 百舸異構算力平臺：高效統籌算力資源

   百舸平臺作為算力中樞，通過智能調度算法和“科研算力銀行”模式，有效解決了科研環境中算力資源碎片化的問題。它實現了算力資源的高效統籌，提升了利用效率，降低了成本，并加速了科研進程。上海交通大學AI研究院部署百舸平臺后，GPU利用率提升至72%，任務排隊時間減少60%。

5. 飛槳深度學習框架：開源賦能科研創新

   飛槳作為國內首個開源開放的產業級深度學習平臺，提供了豐富的工具鏈和社區支持，顯著提升了科研效率。它構建了基礎模型、工具組件、應用案例的三層資源體系，并持續深耕力學與數學、材料化學、氣象預測、生物醫藥等前沿領域，例如在生物計算領域取得了顯著成果，并發表了《Nature》論文。

6. 千帆大模型平臺：一站式AI服務

   千帆平臺提供模型開發、訓練、部署、監控等全流程管理，并支持多種主流推理框架，幫助高校靈活開發和部署大模型。其智能評估板塊集成50多種量化指標，方便科研人員快速篩選最優模型。學的案例顯示，使用千帆平臺縮短了研發周期40%。

7. 人才培養與科研創新：生態合作模式

   百度通過“松果計劃”等舉措培養AI人才，并與多所高校合作開設課程，共建科研平臺，推動人才培養和科研創新。這種企業與高校的立體化、動態化合作模式，是AI For Science新基建的關鍵。

8. AI For Science的未來：新基建與生態建設

   從AlphaFold到DeepSeek，AI For Science正經歷著快速發展，需要更多國產玩家參與，構建更大的生態，共同推動AI技術在前沿科技領域的應用，實現新的里程碑。

聯系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破