小米汽車宣布 8 月購車政策，部分配置將下架，背后的原因是什么？
機(jī)器之心發(fā)布
機(jī)器之心編輯部
當(dāng)馬斯克的Grok-4還在用“幽默模式”講冷笑話時(shí)，中國的科學(xué)家已經(jīng)在用書生Intern-S1默默破解癌癥藥物靶點(diǎn)的密碼——誰說搞科研不能又酷又免費(fèi)？
自從去年AI預(yù)測與設(shè)計(jì)蛋白質(zhì)結(jié)構(gòu)獲得諾貝爾獎(jiǎng)，AIforScience這一領(lǐng)域關(guān)注度達(dá)到了新高度。
特別是近兩年在大模型強(qiáng)大能力加持下，我們期待能夠出現(xiàn)幫助我們作科研的AI利器。
現(xiàn)在，它來了。
7月26日，上海人工智能實(shí)驗(yàn)室（上海AI實(shí)驗(yàn)室）發(fā)布并開源『書生』科學(xué)多模態(tài)大模型Intern-S1，多模態(tài)能力全球開源第一，文本能力比肩國內(nèi)外一流模型，科學(xué)能力全模態(tài)達(dá)到國際領(lǐng)先，作為融合科學(xué)專業(yè)能力的基礎(chǔ)模型，Intern-S1綜合性能為當(dāng)前開源模型中最優(yōu)。
基于Intern-S1的『書生』科學(xué)發(fā)現(xiàn)平臺Intern-Discovery亦于近日上線，助力研究者、研究工具、研究對象三者能力全面提升、協(xié)同演進(jìn)，驅(qū)動(dòng)科學(xué)研究從團(tuán)隊(duì)單點(diǎn)探索邁向科學(xué)發(fā)現(xiàn)ScalingLaw階段。
Intern-S1體驗(yàn)頁面：https://chat.intern-ai.org.cn/GitHub鏈接：https://github.com/InternLM/Intern-S1HuggingFace鏈接：https://huggingface.co/internlm/Intern-S1-FP8ModelScope鏈接：https://modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S1
中國開源模型通過算法優(yōu)化（如動(dòng)態(tài)精度調(diào)節(jié)、MoE架構(gòu)）和開源協(xié)作生態(tài)，在性能接近甚至超越國際上領(lǐng)先閉源模型的同時(shí)，大幅降低算力需求。如，DeepSeek-R1以開源模式對標(biāo)OpenAI的閉源o1模型，憑借獨(dú)創(chuàng)的強(qiáng)化學(xué)習(xí)技術(shù)和群組相對策略優(yōu)化（GRPO），在數(shù)學(xué)推理等任務(wù)上達(dá)到相近性能，但訓(xùn)練成本遠(yuǎn)低于后者；Intern-S1在科學(xué)推理任務(wù)上超越xAI的Grok4，同時(shí)訓(xùn)練算力消耗僅為Grok4的1%，展現(xiàn)了更高的計(jì)算效率。
性能領(lǐng)先的開源科學(xué)多模態(tài)模型
重構(gòu)科研生產(chǎn)力
Intern-S1以輕量化訓(xùn)練成本，達(dá)成科學(xué)/通用雙維度性能突破。
在綜合多模態(tài)通用能力評估上，Intern-S1得分比肩國內(nèi)外一流模型，展現(xiàn)跨文本、圖像的全面理解力。該評估為多項(xiàng)通用任務(wù)評測基準(zhǔn)均分，證明其多場景任務(wù)中的魯棒性與適應(yīng)性，無懼復(fù)雜輸入組合挑戰(zhàn)。
在多個(gè)領(lǐng)域?qū)I(yè)評測集組成的科學(xué)能力評測中，Intern-S1領(lǐng)先Grok-4等最新閉源模型。評測覆蓋了物理、化學(xué)、材料、生物等領(lǐng)域的復(fù)雜專業(yè)任務(wù)，驗(yàn)證了模型在科研場景的強(qiáng)邏輯性與準(zhǔn)確性，樹立行業(yè)新標(biāo)桿。
當(dāng)大模型在聊天、繪畫、代碼生成等場景中持續(xù)取得突破時(shí)，科研領(lǐng)域卻仍在期待一個(gè)真正“懂科學(xué)”的AI伙伴。盡管當(dāng)前主流模型在自然語言處理、圖像識別等方面表現(xiàn)出色，但在面對復(fù)雜、精細(xì)且高度專業(yè)化的科研任務(wù)時(shí)，依然存在明顯短板。一方面，現(xiàn)有開源模型普遍缺乏對復(fù)雜科學(xué)數(shù)據(jù)的深度理解，難以滿足科研場景對精度、專業(yè)性和推理能力的嚴(yán)苛要求。另一方面，性能更強(qiáng)的閉源模型存在部署門檻高、可控性弱等問題，導(dǎo)致科研工作者在實(shí)際應(yīng)用中常面臨高成本、低透明的現(xiàn)實(shí)挑戰(zhàn)。
在2025世界人工智能大會(huì)（WAIC2025）科學(xué)前沿全體會(huì)議上，上海AI實(shí)驗(yàn)室發(fā)布了『書生』科學(xué)多模態(tài)大模型Intern-S1。該模型首創(chuàng)“跨模態(tài)科學(xué)解析引擎”，可精準(zhǔn)解讀化學(xué)分子式、蛋白質(zhì)結(jié)構(gòu)、地震波信號等多種復(fù)雜科學(xué)模態(tài)數(shù)據(jù)，并具備多項(xiàng)前沿科研能力，如預(yù)測化合物合成路徑，判斷化學(xué)反應(yīng)可行性，識別地震波事件等，真正讓AI從“對話助手”進(jìn)化為“科研搭檔”，助力全面重構(gòu)科研生產(chǎn)力。
得益于強(qiáng)大的科學(xué)解析能力，Intern-S1在化學(xué)、材料、地球等多學(xué)科專業(yè)任務(wù)基準(zhǔn)上超越了頂尖閉源模型Grok-4，展現(xiàn)出卓越的科學(xué)推理與理解能力。在多模態(tài)綜合能力方面，Intern-S1同樣表現(xiàn)亮眼，全面領(lǐng)先InternVL3、Qwen2.5-VL等主流開源模型，堪稱“全能高手”中的“科學(xué)明星”。
基于Intern-S1強(qiáng)大的跨模態(tài)生物信息感知與整合能力，上海AI實(shí)驗(yàn)室聯(lián)合臨港實(shí)驗(yàn)室、上海交通大學(xué)、復(fù)旦大學(xué)、MIT等研究機(jī)構(gòu)協(xié)同攻關(guān)，共同參與構(gòu)建了多智能體虛擬疾病學(xué)家系統(tǒng)——“元生”（OriGene），可用于靶標(biāo)發(fā)現(xiàn)與臨床轉(zhuǎn)化價(jià)值評估，已在肝癌和結(jié)直腸癌治療領(lǐng)域上分別提出新靶點(diǎn)GPR160和ARG2，且經(jīng)真實(shí)臨床樣本和動(dòng)物實(shí)驗(yàn)驗(yàn)證，形成科學(xué)閉環(huán)。
體系化的技術(shù)創(chuàng)新為Intern-S1的能力突破提供了有效支撐。自書生大模型首次發(fā)布以來，上海AI實(shí)驗(yàn)室已逐步構(gòu)建起豐富的書生大模型家族，包括大語言模型書生·浦語InternLM、多模態(tài)模型書生·萬象InternVL、強(qiáng)推理模型書生·思客InternThinker等。Intern-S1融合了『書生』大模型家族的優(yōu)勢，在同一模型內(nèi)實(shí)現(xiàn)了語言和多模態(tài)性能的高水平均衡發(fā)展，成為新一代開源多模態(tài)大模型標(biāo)桿。
Intern-S1在國際開源社區(qū)引發(fā)了關(guān)注，不少知名博主紛紛為其點(diǎn)贊，并稱“幾乎每天都能看到來自中國的新開源Sota成果——紀(jì)錄每天都在被刷新。”
創(chuàng)新科學(xué)多模態(tài)架構(gòu)，深度融合多種科學(xué)模態(tài)數(shù)據(jù)
受數(shù)據(jù)異構(gòu)性壁壘、專業(yè)語義理解瓶頸等因素制約，傳統(tǒng)的通用大模型在處理科學(xué)模態(tài)數(shù)據(jù)時(shí)面臨顯著挑戰(zhàn)。為了更好地適應(yīng)科學(xué)數(shù)據(jù)，Intern-S1新增了動(dòng)態(tài)Tokenizer和時(shí)序信號編碼器，可支持多種復(fù)雜科學(xué)模態(tài)數(shù)據(jù)，實(shí)現(xiàn)了材料科學(xué)與化學(xué)分子式、生物制藥領(lǐng)域的蛋白質(zhì)序列、天文巡天中的光變曲線、天體碰撞產(chǎn)生的引力波信號、地震臺網(wǎng)記錄的地震波形等多種科學(xué)模態(tài)的深度融合。通過架構(gòu)創(chuàng)新，Intern-S1還實(shí)現(xiàn)了對科學(xué)模態(tài)數(shù)據(jù)的深入理解與高效處理，例如，其對化學(xué)分子式的壓縮率相比DeepSeek-R1提升70%以上；在一系列基于科學(xué)模態(tài)的專業(yè)任務(wù)上消耗的算力更少，同時(shí)性能表現(xiàn)更優(yōu)。
“通專融合”合成科學(xué)數(shù)據(jù)，一個(gè)模型解決多項(xiàng)專業(yè)任務(wù)
科學(xué)領(lǐng)域的高價(jià)值任務(wù)往往高度專業(yè)化，不僅模型輸出可讀性差，且不同任務(wù)在技能要求與思維方式上差異顯著，直接混合訓(xùn)練面臨此消彼長的困境，難以實(shí)現(xiàn)能力的深度融合。為此，研究團(tuán)隊(duì)提出通專融合的科學(xué)數(shù)據(jù)合成方法：一方面利用海量通用科學(xué)數(shù)據(jù)拓展模型的知識面，另一方面訓(xùn)練眾多專業(yè)模型生成具有高可讀性、思維路徑清晰的科學(xué)數(shù)據(jù)，并由領(lǐng)域定制的專業(yè)驗(yàn)證智能體進(jìn)行數(shù)據(jù)質(zhì)量控制。最終，這一閉環(huán)機(jī)制持續(xù)反哺基座模型，使其同時(shí)具備強(qiáng)大的通用推理能力與多項(xiàng)頂尖的專業(yè)能力，真正實(shí)現(xiàn)一個(gè)模型解決多項(xiàng)專業(yè)任務(wù)的的科學(xué)智能突破。
聯(lián)合優(yōu)化系統(tǒng)+算法，大規(guī)模強(qiáng)化學(xué)習(xí)成本直降10倍
當(dāng)前，強(qiáng)化學(xué)習(xí)逐漸成為大模型后訓(xùn)練的核心，但面臨系統(tǒng)復(fù)雜度和穩(wěn)定性的重重挑戰(zhàn)。得益于訓(xùn)練系統(tǒng)與算法層面的協(xié)同突破，Intern-S1研發(fā)團(tuán)隊(duì)成功實(shí)現(xiàn)了大型多模態(tài)MoE模型在FP8精度下的高效穩(wěn)定強(qiáng)化學(xué)習(xí)訓(xùn)練，其強(qiáng)化學(xué)習(xí)訓(xùn)練成本相比近期公開的MoE模型降低10倍。
在系統(tǒng)層面，Intern-S1研究團(tuán)隊(duì)采用了訓(xùn)推分離的RL方案，通過自研推理引擎進(jìn)行FP8高效率大規(guī)模異步推理，利用數(shù)據(jù)并行均衡策略緩解長思維鏈解碼時(shí)的長尾現(xiàn)象；在訓(xùn)練過程中同樣采用分塊式FP8訓(xùn)練，大大提升訓(xùn)練效率。后續(xù)，訓(xùn)練系統(tǒng)也將開源。
在算法層面，基于Intern·BootCamp構(gòu)建的大規(guī)模多任務(wù)交互環(huán)境，研究團(tuán)隊(duì)提出MixtureofRewards混合獎(jiǎng)勵(lì)學(xué)習(xí)算法，融合多種獎(jiǎng)勵(lì)和反饋信號，在易驗(yàn)證的任務(wù)上采用RLVR訓(xùn)練范式，通過規(guī)則、驗(yàn)證器或者交互環(huán)境提供獎(jiǎng)勵(lì)信號；在難驗(yàn)證的任務(wù)上（如，對話和寫作任務(wù)）采用獎(jiǎng)勵(lì)模型提供的獎(jiǎng)勵(lì)信號進(jìn)行聯(lián)合訓(xùn)練。同時(shí)，訓(xùn)練算法還集成了上海AI實(shí)驗(yàn)室在大模型強(qiáng)化學(xué)習(xí)訓(xùn)練策略上的多項(xiàng)研究成果，實(shí)現(xiàn)了訓(xùn)練效率和穩(wěn)定性的顯著提升。
工具鏈全體系開源，免費(fèi)開放
打造更懂科學(xué)的AI助手
書生大模型自2023年正式開源以來，已陸續(xù)迭代升級多個(gè)版本，并持續(xù)降低大模型應(yīng)用及研究門檻。書生大模型首創(chuàng)并開源了面向大模型研發(fā)與應(yīng)用的全鏈路開源工具體系，覆蓋數(shù)據(jù)處理、預(yù)訓(xùn)練、微調(diào)、部署、評測與應(yīng)用等關(guān)鍵環(huán)節(jié)，包含低成本微調(diào)框架XTuner、部署推理框架LMDeploy、評測框架OpenCompass、高效文檔解析工具M(jìn)inerU，以及思索式AI搜索應(yīng)用MindSearch等在內(nèi)的核心工具全面開源，已形成涵蓋數(shù)十萬開發(fā)者參與的活躍開源社區(qū)。
近期，上海AI實(shí)驗(yàn)室進(jìn)一步開源了多智能體框架Intern·Agent，可廣泛應(yīng)用于化學(xué)、物理、生物等領(lǐng)域的12種科研任務(wù)，在大幅提升科研效率的同時(shí)，亦初步展現(xiàn)出多智能體系統(tǒng)自主學(xué)習(xí)、持續(xù)進(jìn)化的潛力，為人工智能自主完成算法設(shè)計(jì)、科學(xué)發(fā)現(xiàn)等高端科研任務(wù)開辟了全新探索路徑。
基于Intern-S1的『書生』科學(xué)發(fā)現(xiàn)平臺Intern-Discovery亦于近日上線，助力研究者、研究工具、研究對象三者能力全面提升、協(xié)同演進(jìn)，驅(qū)動(dòng)科學(xué)研究從團(tuán)隊(duì)單點(diǎn)探索邁向科學(xué)發(fā)現(xiàn)ScalingLaw階段。
未來，在研究范式創(chuàng)新及模型能力提升的基礎(chǔ)上，上海AI實(shí)驗(yàn)室將推進(jìn)Intern-S1及其全鏈條工具體系持續(xù)開源，支持免費(fèi)商用，同時(shí)提供線上開放服務(wù)，與各界共同擁抱更廣闊的開源生態(tài)，攜手打造更懂科學(xué)的AI助手。
