近期，以“科学数据与可持续发展”为主题的第十届（2025）科学数据大会顺利召开，集中呈现了中国科学院自动化研究所、高能物理研究所、国家天文台等单位依托海光dcu实现的技术突破与科研创新成果，涵盖多学科智能化转型及行业应用生态建设，推动我国科研体系加速迈向智能时代。
大会期间，海光信息与中国科学院高能物理研究所联合发布“基于DCU的科学大模型协同方案”，打造“海光DCU+高能所自研模型与科学大数据”深度融合的科研新模式。双方充分发挥各自在算力基础设施与科研模型构建方面的优势，依托国产化平台推进AI for Science前沿探索。
多模态驱动自动化科研范式革新
随着大模型技术深度融入科学研究，自动化领域的研究路径正向跨模态、跨领域拓展。中国科学院自动化研究所副研究员陈盈盈以“紫东太初”大模型的实际应用为例，展示了多模态人工智能在促进跨学科数据整合、知识关联与自动推理方面的关键作用。
为强化国产软硬件工具链的系统性支撑能力，中国科学院自动化研究所与海光信息共同开发了包括DCU驱动、运行时环境在内的7项高性能工具链解决方案，全面支持神经网络、图文生成、大语言模型训练与推理等复杂科研任务，提供端到端的智能化服务。
AI赋能高能物理人机协同新生态
在高能物理领域，面对正负电子对撞机等大型装置产生的庞大数据流，传统分析方法已难以满足研究需求。中国科学院高能物理研究所特聘青年研究员张正德表示，AI正成为提升数据分析效率与理论探索深度的核心手段。
针对算力资源紧张、模型体系复杂以及安全合规等挑战，高能所选定海光DCU作为核心算力底座，成功部署全球首个L2级高能物理大模型“溪悟”，并以此为基础构建科研智能体系统——“赛博士”，多项性能指标达到国际领先水平。
海光信息智能计算研发负责人进一步阐述了合作背后的技术路径与组织机制。他强调，高能所选择海光DCU，体现了科研机构对“自主可控、安全可信”国产算力体系的高度信赖。海光信息则为“赛博士”项目提供了从算力部署、算法优化到模型训练的全流程支持，形成可复制、可推广的科研创新支持模式。
科研软件“三驾马车”实现协同提效
在天文观测领域，随着中国天眼FAST等设备性能不断提升，数据量呈指数级增长。中国科学院国家天文台研究员张彦霞指出，FAST每年产生高达96PB的数据，未来预计突破1000EB，对存储、计算和分析能力提出空前挑战。
海光信息智能计算产品负责人介绍，海光DCU兼容主流AI架构，配套的开发工具套件DTK、基础软件栈DAS和应用平台DAP构成科研软件“三驾马车”，显著提升天体识别、气象模拟、冷冻电镜图像重构等多个科研场景的计算效能。
实际应用中，海光DCU在碳星识别任务中计算效率较CPU单核提升达107倍；在冷冻电镜算法并行处理方面，其并行效率高达91.7%，展现出强大的科研算力支撑能力。
从技术创新到成果产出，再到产业化落地，海光信息与顶尖科研机构的合作已超越传统供需关系。当前，海光正携手国家级科研力量，推进软硬件协同优化，积极探索具有中国特色的国产算力发展路径，逐步构建自主可控的科技创新孵化生态，在全球人工智能竞争中抢占战略高地。
