2026年7月3日，在人工智能与生物医药生态大会AIBC 2026的"AI+前沿技术论坛"上，华为昇腾计算业务AI框架业务总经理、昇思开源社区理事长王紫东发表了题为《AI4S生命科学业界趋势及昇腾实践》的主题演讲。他在演讲中清晰梳理了AI4S的发展脉络，指出当前行业正处于从训练通用基础模型向科学家Agent助手演进的关键期，并提出了从底层算力到上层应用的AI4S全栈解决方案。
王紫东在演讲中将AI4S的发展划分为三个阶段。第一阶段是AI辅助计算，利用机器学习加速传统的数值模拟和数据处理，这个阶段AI主要充当计算加速器。第二阶段是训练通用基础模型，如AlphaFold、ESMFold等，实现了特定科学问题的突破性解决。第三阶段是科学家Agent助手，AI能够主动参与科研全流程，从文献检索、实验设计到数据分析和论文撰写提供端到端支持。王紫东明确表示，当前行业正处在从第二阶段向第三阶段演进的关键时期。随着AlphaFold 3、RFdiffusion等模型的持续迭代，AI已能实现原子级别的多生物分子结构预测。然而，面对跨学科知识割裂、研发周期漫长等痛点，未来的核心诉求在于构建具备自主规划、长期精确推理及干湿实验闭环能力的Science Agent。通过多模型混部、交互协同及Agentic强化学习，AI将加速向"跨学科全流程科研闭环"演进。
在基础设施层面，华为推出了面向AI4S场景的昇腾超节点方案。通过内存统一编址技术、超大带宽和超低时延的通信架构，昇腾超节点实现了AI4S大规模多卡并行场景下的通信加速，端到端多卡性能提升3倍。这一突破对于材料科学、流体力学等需要大规模并行计算的AI4S场景尤为重要。传统上，材料科学中的分子动力学模拟需要在高性能计算集群上运行数天时间，而基于昇腾超节点的优化方案可以将计算时间压缩到数小时。华为还推出了AI4S昇腾亲和加速库，支持5个以上融合算子，典型模型性能提升30%，并支持十亿级别AI4S模型的分布式训练。这些底层能力的提升直接降低了AI4S应用的部署门槛。在模型层面，华为基于昇思MindSpore框架构建了多领域AI4S能力沉淀平台，覆盖分子动力学、量子化学、气象预测、材料基因组等多个科学领域，提供预训练模型、数据集和训练脚本的一站式获取服务。
MindSpore Science是华为面向AI4S场景推出的科研智能体系统。本次升级的重点在于从单点模型工具走向全流程Agent化。MindSpore Science科研智能体系统通过多模型混部和交互协同机制，实现了跨学科科研任务的全流程管理。智能体可以自动调用不同领域的专用模型完成子任务。例如在药物发现场景中，智能体可以依次调用靶点预测模型、分子生成模型、毒性预测模型和ADMET性质预测模型，完成完整的先导化合物发现流程。同时，系统引入了Agentic强化学习机制，让智能体在持续使用中不断优化任务调度策略。每个实验完成后，结果自动回流入系统，智能体据此调整下一步的研究策略。王紫东强调，这一技术路线有望将AI加速药物发现的效率再提升一个数量级。
在产业落地方面，华为介绍了昇腾AI4S在多个垂直领域的实践案例。在生物医药领域，昇腾支撑了多家制药企业和研究机构的大规模分子虚拟筛选，将传统需要数月的筛选周期缩短到几天。在材料科学领域，基于昇腾训练的合金材料预测模型成功帮助研发团队筛选出多种具有优异性能的新型合金成分。在气象领域，昇腾支撑的高分辨率气象预测模型实现了对台风路径和强度的更精准预报。王紫东表示，华为将继续深化与高校和产业界的合作，推动AI4S技术的普及。华为的思路是通过构建从算力到模型再到应用的完整技术栈，降低科研机构使用AI的门槛，让更多科学家能够专注于科学问题本身，而非被技术细节所困扰。随着基础模型加Agent双线驱动战略的推进，AI for Science正加速从实验室走向产业化。
从产业生态的角度来看，华为在AI4S领域的布局体现了一种平台化思维。不同于单点技术突破的厂商，华为致力于构建从底层算力到上层应用的完整技术栈。这种全栈策略的优势在于能够有效降低AI4S应用的系统集成成本。科研机构无需再从零开始搭建AI基础设施，可以直接在昇腾生态上快速部署AI4S应用。对于中小型科研团队而言，这一策略意味着他们可以将更多精力和预算投入到科学问题本身。据华为透露，已有超过200家科研机构和企业接入昇腾AI4S生态，涵盖生物医药、材料科学、气候研究和量子化学等多个领域。
华为的AI4S布局不仅限于技术层面，还包括人才培养和生态建设。华为与多所高校合作开设AI4S课程，并设立昇腾AI4S创新基金支持青年科研人员开展前沿探索。