1月29日，由上海交通大学人工智能学院与上海算法创新研究院联合主办的“Agentic Science at Scale——AI4S科学基座模型和通用科研智能体研讨会”在上海举行。来自国家发改委、高校院所、科研机构与产业界的专家学者齐聚一堂，共同探讨“Agentic Science”从概念走向规模化落地的关键路径，推动开放协同的科研生产新范式与新生态加速形成。

与会人员合影。图片由上海交通大学提供

研讨会现场，中国科学院院士、上海交通大学人工智能学院首席顾问鄂维南主持会议开幕式并作《Agentic Science at Scale》主旨报告，系统阐释了科研智能化、规模化时代的底层能力架构与实施路径。鄂维南指出，当前AI for Science的关键基础设施已逐步成形，Agentic Science at Scale的新时代已正式开启。

“科研基础设施与科研智能体成果介绍”环节集中发布了系列AI for Science科研基础设施的关键能力模块。

上海交通大学人工智能学院副教授、上海赛兰德智能科技有限公司创始人兼首席科学家陈思衡介绍了通用科研智能体SciMaster的能力体系。依托海量工具调用与超长程上下文管理两大核心技术能力，该智能体可为用户提供“自动驾驶”般的科研体验，6小时运行成果可比肩资深理论物理学博士1至3个月的饱和工作量。

在模型层面，上海交通大学人工智能学院助理教授张林峰发布了Innovator基座模型。该科学基座模型实现了科学多模态感知、科学推理、科学工具调用的三个目标。以科学推理为例，该模型具备解决真实科学任务的科学编程能力，在科学编程任务上超越30倍参数量的模型。

中国科学院理论物理研究副研究员陈锟作为代表，发布了联合团队开发的SciencePedia科学基座。陈锟指出，SciencePedia整合了300万条长思维链与3万多款科研工具，构建可溯源的推理网络，将分散的知识还原为内在连通的逻辑体系，使科学发现从“信息堆叠”走向“逻辑贯通”。

深势科技创始人兼首席科学家张林峰展示了全要素整合、已形成规模化飞轮的Agent-ready at Scale科研工具体系。通过将海量科研软件自动化部署为可被科研智能体直接调用的能力单元，该体系显著降低了科研工具使用门槛，克服了人类专家的知识范围和工具技能的局限、极大释放了海量科研工具的潜力。

上海创智学院全时导师、华东师范大学教授朱通发布了面向真实科研流程的AI for Science评测系统。朱通提出了面向未来的“三层评测框架”——动态评测、过程评测与实战任务评测，强调以闭环验证、标准化可追溯与可复现为原则，构建具有公信力的科学智能评测基础设施。

上海赛兰德智能科技有限公司首席执行官张与之介绍了玻尔+SciMaster科研智能体开发大赛并宣布获奖名单。大赛以赛事机制推动科研智能体生态共建，吸引44所顶尖高校的160余支队伍参赛，作品覆盖文献分析、实验设计、数据处理等科研全流程，集中检验科研智能体在真实科研场景中的应用能力。

在“Agentic Science先行者科学家圆桌论坛”环节，张林峰（深势科技）、上海交通大学物理与天文学院副院长王伟、北京航空航天大学教授张天汉、厦门大学研究生院常务副院长洪文晶围绕科研智能体如何重塑科研流程、如何实现跨学科协同、如何推动科研结果更快沉淀为可复用能力等议题展开深入探讨。

会议尾声，鄂维南在总结发言中强调，当科研基础设施逐步完善、模型与智能体能力不断增强，科学研究将进入更具系统化、规模化特征的新阶段，“Agentic Science at Scale”将成为AI时代整体科研范式改变的重要里程碑。