- 产品与解决方案
- 行业解决方案
- 服务
- 支持
- 合作伙伴
- 关于我们
12月12日，2026中国信通院深度观察报告会在京举行。紫光股份旗下新华三集团先进技术研究部总经理朱仕银受邀出席“人工智能产业高质量发展专题报告会”，与来自中国信通院人工智能研究所副所长巫彤宁等行业专家展开深度研讨。会上，中国信通院正式发布由新华三等单位支持撰写的《科研智能发展报告（2025年）》，系统梳理政策布局、技术演进及应用动态，展望未来趋势。
AI for Science
不是“要不要做”，而是“要怎么做”
面对全球科研加速智能化的趋势，朱仕银表示，当前科学研究正经历一场深刻转型——从依赖个体经验与小规模实验，转向数据驱动、模型辅助、人机协同的新范式。AI for Science已从技术选项升级为国家战略刚需，而支撑这场变革的核心，是安全、高效、可信赖的科研新基建。
作为数字化及AI解决方案领导者，新华三集团敏锐捕捉到科研机构的迫切需求：一是对高性能、高可靠、多模态融合计算能力的需求激增；二是对科研过程可复现、结果可验证、模型可解释性的更高要求。这些挑战也转化为创新动力，推动新华三在科研范式变革中的技术布局与实践探索，持续突破异构算力调度、超大规模集群互联、科学数据治理等关键技术瓶颈。
“衡量AI是否真正改变科研，关键不在于模型有多大，而在于科学家提出一个假设后，多久能得到可靠验证。”朱仕银提出，“当蛋白结构预测从数月缩短到几小时，当新材料筛选周期压缩一半以上，科研就从‘碰运气’走向‘可规划’，这种效率跃迁，正是AI赋能科研的本质体现。”
让AI真正“用起来”
从交付算力到重塑科研流程
过去几年，尽管AI在科研领域涌现出诸多创新应用，但相当一部分项目仍停留在“演示成功”或“试点验证”阶段，难以真正融入科学家的日常研究流程，进而形成可持续、可复现、可推广的科研能力。
朱仕银表示，要突破这一瓶颈，关键在于推动技术与科学的深度融合。一方面，AI基础设施和工具必须具备对科研逻辑、学科范式和数据特性的深刻理解，实现“技术懂科学”；另一方面，系统设计需以科研人员的实际需求为中心，降低使用门槛，提升易用性与可靠性，真正做到“科学家用得上”。基于这样的理解，新华三集团已构建覆盖“算力-网络-存储-平台”的完整技术体系，推动AI for Science真正从概念走向常态，从亮点走向底座。
在材料科学领域，新华三集团为高校打造智能计算集群，让“计算模拟先行验证”成为可能，研究人员可以先通过高性能模拟验证理论模型，再精准开展实体实验，大幅减少试错成本，研发效率显著提升。
在医疗健康领域，基于绿洲数字平台构建的医学科研大数据系统，已在华西医院、中日友好医院等国家级医学中心落地。影像、基因、病历等多源异构数据被打通融合，支持医生从“凭经验判断”转向“数据+证据全链路协同决策”，数据分析效率提升80%以上。
为避免“试点即终点”，新华三集团创新依托“图灵小镇”打造开放化、平台化的科研创新模式，不仅是建设算力中心，更建成集模型优化、数据治理、人才实训与产业孵化于一体的科研生态。
在国家大力推进“人工智能+”行动计划的背景下，新华三集团将持续深耕AI for Science基础设施，携手高校、科研院所、重点行业伙伴及客户，以自主创新筑牢科研底座，以开放生态激活创新动能，推动AI for Science从技术创新走向产业落地——让每一次灵感，都能快速变成可验证的突破。
