在2026年7月18日由世界人工智能大会组委会指导、中国经济信息社上海总部和思朗科技共同主办的超智融合驱动AI4S发展论坛上，一个关键技术突破引起了科学计算和AI产业界的广泛关注。思朗科技正式发布了基于天穹3D科学计算机的九款科学模型全家桶，涵盖微观世界模型、化学大模型和药物分子生成模型等核心模块，封装为新药引擎sDDE和新材引擎sMDE两大产品线。这标志着超算与AI的深度融合正在从概念验证走向规模化商用，AI4S领域迎来了算力效能的新时代。超智融合，即将超级计算与传统AI计算在同一个基础设施上深度融合，被视为当前破解科学计算算力瓶颈的核心引擎。传统超算平台难以高效支撑AI模型训练和快速迭代，通用的智算集群又无法胜任大体系和长时间尺度的高精度物理仿真。思朗科技的天穹3D科学计算机正是在这一矛盾中找到了突破口。
天穹3D科学计算机的设计理念源于对科学计算需求的深度洞察。在生物医药领域，分子动力学仿真需要在大体系、长时间尺度的条件下进行，模拟一个包含数百万个原子的蛋白质系统在纳秒到微秒时间尺度上的运动，对算力的要求极为苛刻。在新能源材料领域，电池电解液的设计需要同时考虑电化学性能、热稳定性和机械性能等多个维度，传统方法需要大量的试错实验。天穹3D科学计算机采用创新的架构设计，在同一个平台上融合了高精度物理仿真所需的双精度计算能力和AI模型训练推理所需的低精度高性能计算能力。这种异构融合的设计使科学家可以在同一套系统上完成从数据生成到模型训练再到仿真验证的全流程，无需在不同计算平台之间频繁迁移数据和适配环境。
在WAIC 2026现场，思朗科技董事长兼CEO查浩介绍天穹已经在生物医药、新能源、新材料、集成电路和基础科研等科学智能核心领域广泛应用，涌现出一批可复制、可推广的产业应用标杆。上海创智学院团队开展的聚合物电解质数据库与AI模型项目正在利用天穹的算力助力下一代电池关键材料的研发，这也是新材引擎sMDE的重要应用场景之一。天穹的架构设计不仅解决了算力融合的工程难题，更在降低科学计算的准入门槛方面发挥了关键作用。在传统模式下，一项需要大体系分子动力学模拟的研究课题，课题组需要先申请超算资源、学习超算使用命令和数据格式转换。天穹的异构融合设计让科研人员只需要通过统一界面提交任务，系统自动调度最合适的算力资源完成计算。这种易用性的提升正在吸引更多科研团队将计算模拟纳入日常研究工具包。
在WAIC 2026期间正式发布的两大产品线，是天穹3D科学计算机能力的具体体现。新药引擎sDDE包含微观世界模型、化学大模型和药物分子生成模型等9款核心模型，覆盖从靶点发现到候选分子优化的药物研发全流程。传统的新药研发周期通常长达10到15年，平均耗费数十亿美元。AI的介入有望将这一周期显著压缩。在发布会现场的Demo演示中，sDDE引擎在一个小时内完成了对1万个候选分子的虚拟筛选，并给出了每个分子的理化性质预测和ADMET属性评估。完成同样的工作量，使用传统的高通量筛选方法需要数周时间，耗费大量试剂耗材和实验人员工时。新材引擎sMDE则聚焦于新能源和新材料领域，提供了电解液模型、聚合物固态电解质模型和聚酰亚胺玻璃化预测模型等专业工具。这些模型可以帮助材料科学家快速评估大量候选材料的性能表现，加速新型电池材料和半导体材料的筛选和优化。以固态电解质为例，传统方法合成和测试一种新材料通常需要两到三个月，而在sMDE的帮助下，研究人员可以在几天内完成对数百种候选结构的计算筛选，将最有潜力的材料送去实验验证。查浩介绍这两款引擎的设计目标是将创新药的研发周期从现在平均10年以上压缩到3到5年，将新型材料从实验室到生产线的转化周期从数年缩短到数月。
天穹3D科学计算机的强大算力只是超智融合生态的一部分。在上海市经济和信息化委员会的指导下，上海仪电联合思朗科技基于爱赛思开放社区平台完成了超智融合服务矩阵的全技术链路贯通，并在真实科研场景中验证了科学计算生成数据、数据驱动模型训练、模型反哺科研创新的应用路径。上海仪电在超智融合矩阵中提供算力纳管、任务调度、数据存储和智算训练能力，思朗科技则依托天穹提供大体系、长时间尺度的高精度分子动力学仿真算力。两家企业通过联合创新共同打通了科学数据生成、治理、模型训练迭代到成果转化的全流程。这一模式有效解决了长期以来科学计算和AI计算之间的数据孤岛问题。在一个典型的材料研发项目中，天穹首先进行高精度的分子动力学模拟生成大量训练数据，这些数据被传输到智算集群上进行AI模型训练，训练好的模型再被部署到天穹上进行大规模的候选材料虚拟筛选。整个数据流在同一平台完成闭环，不需要在不同系统之间手动转移数据，大幅提升了研发效率。在WAIC 2026论坛上，上海仪电和思朗科技共同展示了这一超智融合模式在固态电解质材料筛选和靶向药物分子设计两个场景中的成功应用。
除了算力基础设施的发布，超智融合论坛上还宣布启动全国最大规模动态科学数据集的建设计划。这一数据集将汇聚来自生物医药、新能源、新材料和新一代信息技术等多个关键科研领域的高质量科学数据，为AI4S模型的训练和验证提供数据支撑。数据的质量和规模直接决定了AI4S模型的能力上限。过去多年间，科研数据的孤岛化、非标准化和低开放度一直是制约AI4S发展的核心瓶颈。动态科学数据集的启动建设有望从根本上改变这一局面。按照规划，该数据集将采用动态更新的机制，持续收录全国各大科研机构和高校产出的高质量科学实验数据，并建立统一的数据标准和质量控制体系。数据集向全国科研人员开放使用，任何人都可以在此基础上训练自己的科学模型。这一开放性策略有望大幅降低AI4S的准入门槛，让更多的科研课题组能够将AI工具融入自己的研究工作。随着天穹3D科学计算机的规模化部署、sDDE和sMDE引擎的持续迭代以及全国最大规模动态科学数据集的建设，AI4S正在从碎片化的探索阶段走向系统化的体系建设。思朗科技和上海仪电的合作模式为超智融合提供了可落地的样板，正在推动中国AI4S的高质量发展走在全球前列。