近期，以“科学数据与可持续发展”为主题的第十届(2025)科学数据大会成功举办，全面展示中国科学院自动化研究所、高能物理研究所、国家天文台等基于海光DCU打造的技术创新以及科研创新、行业应用创新等生态成果，助力多学科加速智能化。

　　在会议现场，海光信息携手中国科学院高能物理研究所共同发布“基于DCU的科学大模型联合方案”，形成以“海光DCU+高能所自研模型和自有科学大数据”为基础的科研协同攻关，双方发挥各自优势，依托国产算力助力AI for Science研究。

多模态模型赋能自动化科研新范式

　　随着大模型逐渐成为科研范式转变的重要工具，自动化研究也迎来跨模态、跨领域的新探索路径。中国科学院自动化研究所副研究员陈盈盈以“紫东太初”大模型的科研实践为例，介绍了多模态AI如何帮助科研人员实现跨学科数据融合、知识联想与自动推理。

　　聚焦国产化工具链的系统性构建，中国科学院自动化研究所与海光信息联合研发涵盖海光DCU驱动组件、运行时组件在内的7个完整高性能工具链解决方案，可在神经网络模型、图文模型训练、大语言模型的训练与推理等复杂任务中提供“一体化”智能支持。

AI加速高能物理走向人机交互

　　在高能物理研究日益倚重大数据与AI的背景下，中国科学院高能物理研究所特聘青年研究员张正德指出，面对正负电子对撞机等大科学装置产生的海量数据，仅靠传统分析手段已难以支撑理论研究的效率与深度。

　　面对训练资源紧张、模型生态复杂、安全合规要求高等多重挑战，高能所最终选择海光DCU作为底层算力支撑，落地全球首个L2级高能物理大模型“溪悟”，并以此为核心，打造高能物理科研智能体系统——“赛博士”，多项技术指标处于世界领先地位。

　　海光信息智能计算研发负责人从合作模式角度出发，进一步补充了双方联合攻关背后的技术策略与组织机制。他指出，在严峻的现实条件面前，高能所选择海光DCU作为算力支撑，体现了科研机构对“国产、安全、可信”能力体系的高度认可。海光信息也为“赛博士”项目提供从算力部署、算法适配到模型训练的全链条支持，已形成助力客户孵化世界级科研成果的可复用“方法论”。

科研软件“三驾马车”协同优化

　　在天文领域，随着设备灵敏度提升与观测手段拓展，数据呈现指数级爆发。中国科学院国家天文台研究员张彦霞在分享中提到，像中国天眼FAST这样的大科学工程，每年产生的数据量达96PB，未来更将突破1000EB，这对存储、分析、计算带来了前所未有的压力。

　　海光信息智能计算产品负责人指出，海光DCU兼容全球主流AI架构，配套的开发工具套件DTK、人工智能基础软件栈DAS、人工智能应用平台DAP形成科研软件“三驾马车”，推动从天体识别到气象模拟再到冷冻电镜重构等多个场景的算力跃升。

　　例如，在碳星识别中，海光DCU的计算效率超过CPU单核107倍；在冷冻电镜算法并行效率方面，海光DCU已实现91.7%超高水准。

　　从技术进步到产出成果，再到产业落地，海光信息与众多科研客户的价值早已超越单一的合作范畴。事实上，海光信息正联动顶尖科研力量，软硬协同探索国产算力首选技术路线，逐步构建起中国特色的科技创新孵化体系，在全球AI发展中占得先机。