（来源：中国经济时报）
■中国经济时报记者 李海楠
10月9日，中共中央、国务院印发的《关于发展新质生产力的意见》对外发布，其中明确提出“以人工智能引领科研范式变革，助力提升科研效率”，并要求“建设全国一体化算力网”。作为我国信息通信领域首个国家重大科技基础设施，未来网络试验设施（CENI）2024年8月宣布建成、2025年底通过国家竣工验收，目前已全面建成投运，网络覆盖全国58个城市、光缆总长4.63万公里、可交换资源总量超100T，并实现400G传输效率大于90%、丢包率小于百万分之一、综合成本降低约60%的核心突破。这张覆盖全国的新型网络，正是全国一体化算力网的重要支撑，为人工智能引领科研范式变革筑牢底座。
科研活动跨机构、跨地域协作日益频繁，算力网络能否成为科学智能的关键支撑，直接关系科研效率与创新边界。接受中国经济时报记者采访的专家认为，算力网络正通过贯通数据、算力、模型三大要素，推动人工智能赋能科研从“单点辅助、机构内循环”走向跨域协同的新范式；而要把网络能力真正转化为科研生产力，还需打通标准接口、运营结算、数据流通、人才生态等多重堵点。
算力网络筑底座，
贯通数据算力模型
从观测、实验到提出假设、验证结论，科学发现长期沿着相似的轨迹展开。如今，人工智能正在改变这条轨迹的行进方式。无论是处理海量数据、挖掘复杂规律，还是关联跨学科知识，科研的手段与边界都因AI而拓展，一场范式层面的变革悄然发生。
北京邮电大学教授、国家大科学工程“未来网络试验设施”（CENI）项目总工程师黄韬在接受中国经济时报记者采访时表示，CENI的作用解决的不再是单一“传输快”的问题，而是要让海量数据可流通、跨域算力可调度、网络互联可无损传输，“AI for Science的核心包含数据、算力、模型三大要素，CENI作为新型网络基础设施，正是要用先进的网络通信技术与协议，为三者提供高速传输、协同调度、协同训练与推理的基座。”他说。
科学数据动辄以PB计，天文、气象、基因组、高能物理等领域尤为突出。黄韬指出，CENI提供的400G/800G高速互联和确定性网络，在业界已率先实现2000公里以上广域无损传输，实现全网抖动控制在20微秒以内、丢包率低于十万分之一，为海量科学数据高效、安全、可靠传输提供了可能。
算力不必“为我所有”，但要“为我所用”。黄韬介绍，依托CENI的全域一体化数算网调度平台，智算、超算、通算等异地、异属、异构算力，可在全国范围内跨域调动与分发，用户“一键加速”即可连接全国算力。网络的无损互联，还让跨数据中心的模型协同训练成为现实：在跨2000公里的协同训练验证中，同构算效比达到98%、异构算效比达90%，任务排队时间降至秒级，微调效率提升2倍。
“人工智能赋能科研是当前中美科技竞争最激烈的领域之一，我国仍处在全球第一梯队。”中国科学院科技战略咨询研究院新质生产力发展研究所所长王晓明在接受中国经济时报记者采访时认为，从谷歌AlphaFold蛋白质结构解析，到近年来诺贝尔奖相关成果，人工智能对科研效率的革命性提升已经得到验证。建设科技强国、实现高水平科技自立自强，必须抓住这一“革命性的工具”。他强调，“人工智能赋能科研不能止步于实验室，而要打通科学、技术、工程、产业的完整链条，与未来产业培育相呼应。”
跨域协同育场景，
打通机制数据堵点
网络底座一旦铺就，改变的就不只是数据传输的速度。当算力可以跨域调度、模型能够多地共训，科研活动的组织边界也将随之延展。新的场景，正沿着数据、算力、模型、实验的链条逐层生长。
在黄韬看来，依托CENI的AI for Science，并非把原有科研流程简单地搬上网，而是围绕数据、算力、模型、实验四个环节，形成跨域协同的新范式。
首先是科学数据的跨机构、跨地域流通。依托CENI与国家大科学装置的合作，可打造“大科学装置+网络+算力+数据+AI”五位一体的协同创新平台，让PB级数据在装置之间、装置与智算中心之间高效迁移。在此基础上，科研机构无须自建超大规模集群，即可接入全国算力完成大模型训练、推理和Token服务。
黄韬形容这是要“让异地异构算力像本地集群一样协同工作”。更进一步，基于确定性低时延网络，AI智能体能够远程接入望远镜、谱仪、光源等大科学装置，完成“状态感知—任务规划—方案生成—流程验证”的闭环，实现从数据感知到实验执行的贯通。
虽然场景令人期待，但存在于机制层面的深层梗阻更值得关注。王晓明指出，我国起步时更多把人工智能定位为科研辅助工具，范围限定在科研院所、高校、实验室的“圈内”；而一些大型的平台企业已形成模型和算力能力，两者之间如何协同，至今缺乏机制安排，日趋活跃的初创企业也缺少生态整合。
“科研院所跟人工智能头部企业合作，数据能流动吗？数据和算力、模型能结合吗？以什么方式、什么机制、什么模式结合？这些都是比较现实的问题。”王晓明提醒，协同机制缺失是最深的堵点，高质量科研数据集和数据底座建设迫在眉睫。
把视野放到全球，竞争的分量更加清晰。王晓明观察到，美国依托“创世纪计划”（Gene? sis Mission），由能源部统筹十余个国家实验室、联合多家人工智能企业协同攻关，是科技力量与产业力量联合的举国体制，“战略很宏大，执行效果仍待观察”。美方兼具基础研究和大模型优势，还试图以芯片、算力对我国进行遏制施压。他同时指出，我国基础层仍有短板，算力、芯片受制于人，通用模型、专用模型等技术路线仍在试错，尚无定论。
技术侧的堵点同样不容忽视。对此，黄韬梳理出四个方面：接口和标准不统一，决定了科研机构能否像使用本地集群一样方便地提交任务、迁移数据；运营和结算机制不健全，跨域算力调用面临谁出算力、怎么计量、如何结算的问题；在数据合规与安全方面，科学数据跨域流动涉及分级分类、跨境合规，亟须完善流通规则和可信技术手段；应用侧则缺人才、缺国产自主工具链，需要领域科学家、算法工程师和平台运维方多方协同。
多重堵点彼此交织，最终都指向更高层面的体系设计。王晓明建议，国家层面应尽快出台顶层设计，大范围整合科研院所、科技企业、初创主体资源，从体系设计、生态建设、数据基础设施、主体组织方式和实施路径上构建完整发展体系，发挥举国体制优势加快跟上。
从CENI织就的“算力高铁”，到数据、算力、模型、实验的跨域贯通，AI for Science正跳出单一机构、单一平台的“科研孤岛”。以算力网络为底座、以机制创新为保障，科学智能有望在更大范围、更深层次释放潜能，为高水平科技自立自强提供坚实支撑。
总 监 制丨杨玉洋车海刚
监 制丨陈 波 刘卫民
审 核丨周子勋编 辑丨陈姝含
