在近期举办的世界人工智能大会（WAIC）期间，一场聚焦人工智能与决策大模型的高端论坛吸引了众多科研人员的目光。中国科学院自动化研究所研究员、赛思极限CEO徐楠在会上发布了磐石2.0（ScienceOne-Omni）的最新技术成果，并提出了AI for Science基础模型发展的“通专一体”新路径。这一创新思路旨在通过融合通用知识推理与专业科学能力，提升模型在复杂科学与工程问题上的求解能力。
徐楠指出，当前AI for Science基础模型主要遵循三条技术路线：面向特定科研任务的专用模型、通过智能体和科研工具增强通用大模型能力，以及将科学对象映射到统一语言空间的领域语言模型。然而，这些路线在科学机理与数据融合、推理逻辑及结果可解释性等方面仍面临共性挑战。磐石2.0的“通专一体”技术路线，正是为了解决这些问题而提出的。
据介绍，磐石2.0通过重构底层架构，实现了通用知识推理能力与专业科学能力的联合训练。这一创新使得单一模型能够处理不同科学和工程领域的复杂任务，打破了传统模型在跨领域应用上的局限。徐楠强调，磐石2.0并非简单的模型升级，而是对AI for Science基础模型技术路线的一次全面革新。
ScienceOne-Omni采用了独特的三层架构设计。底层统一编码多种科学数据，包括文本、晶体结构、化学分子表达式、蛋白质、光谱及科学图像等；中间层融合科学规律和专家经验，增强模型的推理逻辑与可解释性；上层则针对不同科研任务进行定向解码，使模型能够完成科学数据理解、知识推理、性质预测及结构生成等多类任务。这种设计使得模型在处理复杂科学问题时更加灵活和高效。
在数据方面，磐石团队联合中国科学院相关研究所构建了庞大的高质量科学推理数据集，覆盖200余项科研任务。他们还将科研人员的思维方式转化为模型推理规则，形成可验证的推理链路。官方数据显示，在60余项专业科研评测中，磐石2.0在多数任务上的表现超过了Gemini-3.1 Pro、GPT-5.5等通用模型，尤其在化学性质预测、谱到分子结构预测、蛋白质位点预测等任务中取得了领先地位。
在应用层面，ScienceOne已经在数十家科研单位落地，覆盖了百余个科研场景。例如，在流体力学领域，团队与中国科学院力学研究所合作开发了流体高通量计算软件，能够在10秒内输出仿真结果，且误差控制在5%以内。在材料研发方面，他们与中国科学院上海硅酸盐研究所联合构建了催化剂材料创制智能体，将材料设计周期由数月缩短至30分钟以内，并发现了催化活性提升38%的新型催化剂。
磐石团队还与中国科学技术大学合作开发了机器科学家系统。该系统能够自主调度文献挖掘、实验设计、机器操作、计算模拟及智算优化等多类智能体，协同完成科研流程。目前，该系统已完成462组样品合成表征、千万量级虚拟筛选，排名前20的候选材料中约四成性能优于原有样品，并已稳定运行超过1500小时。
为了进一步打通科研过程中的“数据—计算—推理—实验”全流程，磐石团队还联合中科闻歌打造了科研智能平台ScienceOne.ai。该平台已接入2000余项MCP，沉淀了3000余项可复用科研技能，支持科研人员根据不同任务快速组装科研智能体，推动科研模式从传统的工具辅助逐步迈向智能体协同科研。
