Nature认证DeepSeek成科研工具全能者，国内高校如何借力大模型？

AI For Science来到新阶段

原标题：Nature认证DeepSeek成科研工具全能者，国内高校如何借力大模型？
文章来源：量子位
内容字数：10341字

大模型赋能科研：DeepSeek引发的算力与人才挑战及解决方案

本文探讨了大模型，特别是DeepSeek系列模型在科研领域的应用现状、挑战以及百度提出的解决方案。DeepSeek凭借其开源、低成本、易部署的优势，在Hugging Face上下载量已接近四百万次，成为科研AI工具中的全能者，然而高使用量也带来了算力需求井喷和人才培养滞后的问题。

1. DeepSeek的成功与挑战

   DeepSeek模型的广泛应用，凸显了大模型在科研探索中的巨大价值。然而，其高使用量也带来了诸多挑战：模型的易用性问题，科研人员缺乏AI技术背景和学习时间；算力资源碎片化，科研机构面临算力“饥饿与浪费并存”的困境；以及复合型人才的匮乏。

2. 昆仑芯P800万卡集群：算力瓶颈的破局之道

   昆仑芯P800万卡集群的成功点亮，为解决科研算力问题提供了重要途径。其高性能、低功耗、易部署以及自主可控的特性，显著降低了模型运行成本，并提升了训练效率。清华智能产业研究院的验证结果显示，使用昆仑芯P800集群将千亿参数模型的训练周期缩短至19天，电力成本节省超300万元。

3. 百度AI For Science解决方案：全生命周期支持

   百度提供的AI For Science解决方案，并非仅仅是芯片或单一平台，而是涵盖了昆仑芯P800芯片、百舸异构算力平台、飞桨深度学习框架以及千帆大模型平台等全栈技术。这套方案旨在为科研提供全生命周期支持，从算力底座到模型开发、部署和应用，实现科研工作流的重构。

4. 百舸异构算力平台：高效统筹算力资源

   百舸平台作为算力中枢，通过智能调度算法和“科研算力银行”模式，有效解决了科研环境中算力资源碎片化的问题。它实现了算力资源的高效统筹，提升了利用效率，降低了成本，并加速了科研进程。上海交通大学AI研究院部署百舸平台后，GPU利用率提升至72%，任务排队时间减少60%。

5. 飞桨深度学习框架：开源赋能科研创新

   飞桨作为国内首个开源开放的产业级深度学习平台，提供了丰富的工具链和社区支持，显著提升了科研效率。它构建了基础模型、工具组件、应用案例的三层资源体系，并持续深耕力学与数学、材料化学、气象预测、生物医药等前沿领域，例如在生物计算领域取得了显著成果，并发表了《Nature》论文。

6. 千帆大模型平台：一站式AI服务

   千帆平台提供模型开发、训练、部署、监控等全流程管理，并支持多种主流推理框架，帮助高校灵活开发和部署大模型。其智能评估板块集成50多种量化指标，方便科研人员快速筛选最优模型。学的案例显示，使用千帆平台缩短了研发周期40%。

7. 人才培养与科研创新：生态合作模式

   百度通过“松果计划”等举措培养AI人才，并与多所高校合作开设课程，共建科研平台，推动人才培养和科研创新。这种企业与高校的立体化、动态化合作模式，是AI For Science新基建的关键。

8. AI For Science的未来：新基建与生态建设

   从AlphaFold到DeepSeek，AI For Science正经历着快速发展，需要更多国产玩家参与，构建更大的生态，共同推动AI技术在前沿科技领域的应用，实现新的里程碑。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破