日本启动下一代科研基础设施建设

近期，日本文部科学省召开第六次AI for Science推进委员会会议，将2026至2030年度定位为AI for Science集中改革期，并正式启动“下一代科研基础设施建设”工作组，推动实验、数据、计算3类科研基础设施协同建设，为人工智能（AI）深度融入科研活动提供基础支撑。

日本将AI for Science视为改变科研方式的国家层面重大挑战，计划通过加大投入和设定具体行动目标，加快AI与科学研究的融合。重点目标包括到2035年，Top10%高被引论文中日本AI相关论文数量进入全球前3位；到2028年，学术信息网络传输速度提升至现有水平的2倍；到2030年，AI for Science共享计算资源扩大至现有水平的10倍以上。

围绕AI for Science，日本重点强化3类科研基础设施建设：实验基础方面，推动自动化实验设备、模拟计算及大型科研设施利用，形成高质量实验数据；数据基础方面，加强研究数据一体化利用和管理，推动实验数据快速实现“AI就绪（AI Ready）”，促进科研数据安全流通和再利用；计算基础方面，拓展共享计算资源和存储能力，为大规模计算和高级数据分析提供便利的公共计算环境。

同时，日本计划加强上述3类基础设施之间的连接，推进统一认证、接口标准和数据流通机制建设。

SpaceX携手英伟达共建天地一体AI算力

日前，美国太空探索技术公司（SpaceX）宣布携手英伟达，探索在地球之外部署人工智能（AI）算力，共同开发名为Starmind AI1的算力卫星，旨在将高能耗的地面AI基础设施延伸至近地轨道，利用太空太阳能供电和真空环境散热，打造天地一体化的算力网络。

该算力网络由地面与太空两部分组成：地面方面，SpaceX的算力规模预计到2026年底达2吉瓦，2027年底接近10吉瓦；太空方面，Starmind卫星将作为专用计算节点搭载英伟达Vera Rubin架构GPU，峰值功率达250千瓦，并配备大面积可展开式液冷散热器，以解决真空环境下热量只能靠辐射散发的难题。同时，该算力不仅服务自身，还将向谷歌等外部客户提供太空云服务租赁。

按照计划，SpaceX原型星测试预计于2027年初启动，未来计划在太阳同步轨道部署多达100万颗算力卫星，利用星际激光链路与“星链”联网。

然而，该计划的规模化仍面临多重挑战：一方面，商用GPU在轨运行存在单粒子翻转等风险，需在抗辐射能力与算力性能间寻找平衡；另一方面，将海量硬件送入轨道需要极高的发射频率和极低的成本，这高度依赖“星舰”火箭的运力支持。这些因素都将影响太空算力能否真正走向商业运营。

法国研发AI智能体实现量子计算自主编程

法国量子计算初创企业Pasqal的研究人员近日开发出一种人工智能（AI）智能体，能根据英文自然语言指令生成量子计算代码，并自动在真实量子计算机上运行。研究人员表示，这种量子“氛围编程”有望降低量子计算实验的技术门槛，让更多人能够开展量子计算研究。

所谓“氛围编程”，是指用户用自然语言描述需求，由AI生成程序并根据反馈迭代修改。研究人员首先让大模型学习其量子计算机的技术规格，使其具备生成可执行代码的能力。在此基础上，研究人员将应用重点放在量子模拟上，即让量子计算机模拟催化剂、特殊磁性材料等物理系统，从而预测经典计算机难以处理的材料性质。

为验证智能体的实际能力，研究人员选取了3篇已发表的物理现象研究论文作为测试案例，要求智能体根据论文描述自主编写代码并在真实量子计算机上运行，以复现论文中的模拟结果。测试表明，这类原本需要同时精通材料物理与量子计算的专业团队才能完成的跨学科任务，已可由AI智能体协助完成。

不过，目前量子计算尚不能完全交由AI自主完成。在部分测试中，智能体仍需研究人员提供较多指导才能得到符合物理规律的实现方案。在涉及实验准确性的关键环节，人类专家仍不可或缺。（唐蘅）