本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。
快速摘要： 2026年7月的世界人工智能大会（WAIC）上，中科院联合团队发布磐石2.0——核心模型S1-Omni是全球首个面向"科学理解、预测与生成"的科学多模态统一推理模型。它在60多个科学任务的盲测中，95.5%超过GPT-5.5，83.3%超过Gemini 3.1 Pro，并在部分任务上达到甚至超越了领域专用模型。但比成绩更重要的是它背后的技术逻辑：通用大模型靠"概率猜"，科学需要"证据链"——S1-Omni通过统一编码、知识对齐、定向解码三条腿走路，让模型真正开始"懂"科学。搭配ScienceOne一体化科研平台，从文献分析到建模仿真、从验证分析到成果表达，科研全生命周期第一次有了AI全程在场的可能。这篇文章，是我（莫潇羽）花了大量时间研究磐石2.0和AI4S赛道后整理的一手拆解，如果你关心AI怎么改变科研的底层逻辑，这篇值得读完。
想看完整拆解，往下翻。
AI4S：从"工具革命"到"科研搭档"的范式跃迁
如果你在2026年关注科技圈，大概率已经被"AI4S"这个词刷过屏。AI4S，全称 AI for Science，翻译过来就是"让人工智能服务于科学研究"。听起来并不新鲜——毕竟早几年 AlphaFold 破解蛋白质结构折叠难题的时候，大家就已经喊过一轮"AI要颠覆科研"了。
但2026年的AI4S，和2020年的AI4S，根本不是一个物种。
2020年那会儿，AI在科学里的角色更像一个"超级计算器"：你给它喂数据，它给你跑结果。AlphaFold 2能在几天内预测出一个蛋白质的三维结构，这确实牛，但它能做的事情也到此为止——蛋白质结构预测。换一个任务，比如药物分子的ADMET性质预测，你就得换另一个模型。再换一个任务，比如光谱数据分析，又得再换一个。每个模型都是一座孤岛，岛与岛之间没有桥梁。
到了2026年，情况变了。
这一年7月17日，在2026世界人工智能大会（WAIC）的舞台上，中国科学院多个研究所联合中科闻歌的产业化团队，正式发布了磐石·科学基础大模型2.0。同台亮相的还有以核心模型S1-Omni为基座的一体化科研平台ScienceOne。
这不是一次普通的版本更新。
磐石2.0想要做的事情，用一句话概括就是：让一个模型统一处理多种科学任务，并且输出的是专业领域里"原生形式"的、可被验证的结果。它不是一个只会预测蛋白质结构的模型，也不是一个只会分析文本的模型，而是一个能同时理解材料晶体结构（CIF）、化学分子式（SMILES）、蛋白质序列、光谱数据、科学图像，并且能基于这些理解去做推理、预测、生成的统一模型。
这个变化有多根本？
我打个比方。传统AI4S时代的模型，就像你工具箱里的一堆专用扳手——每一把只能拧一种规格的螺丝。而S1-Omni试图做的，是一把能自适应夹紧的万能扳手，拧什么螺丝它都能自己调整。更重要的是，它不光能"拧"，它还能告诉你"为什么这个螺丝应该这样拧"。
当然，光有一个"懂科学"的模型还不够。如果模型只能躺在论文里被引用、在评测榜单上刷分，那它对真正的科研工作者来说依然是个"别人家的孩子"。所以磐石团队在S1-Omni之上又搭了一个平台层——ScienceOne。它把模型、数据、工具、算力全部打通，让科研人员用"自然语言说需求"就能驱动整个科研流程。
这有点像当年乔布斯发布iPhone时的逻辑：多点触控技术早就有了，但把硬件、操作系统、应用商店整合成一个完整的体验，才是改变世界的关键。磐石2.0之于AI4S，颇有那么点意思。
不过，在深入拆解磐石的技术细节之前，我想先把镜头拉远一点，说清楚一个更根本的问题：为什么通用大模型已经在写诗、编程、做PPT上这么强了，到了科学领域却总是"差一口气"？
这个问题的答案，藏着AI4S整个赛道存在的理由。
为什么通用大模型搞不定科学研究？
这事说来其实不复杂。
通用大语言模型的底层逻辑，是基于海量文本语料的统计规律来做"下一个token预测"。简单说，它在做的本质上是：给定前面的文字，猜后面最可能接什么。这个"猜"的能力在开放域对话、文学创作、通用编程这些场景里确实非常强大，因为你需要的往往就是一个"八成正确、听起来有道理"的回答。
但科学研究不接受"八成正确"。
科学要求的，是精确、可靠、可溯源。一个结论必须能被实验验证；一条推理链必须能被逐层追溯；一个错误必须能被精确定位和修正。而"概率猜测"的机制，恰恰在这些点上暴露了致命短板。
来，我用一个具体的例子说明。
你问一个通用大模型："某种药物分子在人体肠道中的吸收率大概是多少？"通用大模型可能会根据它在训练数据中见过的类似分子结构和药理描述，"推断"出一个听起来合理的数字，甚至能给你列出几条看起来有理有据的分析。但问题是——它没有真的跑过ADMET预测模型，没有查过实验数据库，没有验证过任何一条结构-性质关系的科学证据。它的回答本质上是一次高级的"文本模式匹配"。
上海人工智能实验室在2025年联合10个不同领域的百位科学家做过一次系统性测评，结果相当扎心：前沿通用模型在"通用科学常识"类题目上能拿到50分（满分100），但一旦进入"专项文献检索""具体实验方案设计"这类需要专业推理的任务，分数直接掉到15到30分。
这就是"博而不精"的木桶效应。通用大模型的知识面很宽——你问它量子力学，它能跟你聊薛定谔的猫；你问它有机化学，它能写出几个反应方程式。但一旦你要它做真实的科研工作——比如分析某个特定蛋白质位点的功能、评估某种材料在极端条件下的相变行为、从海量GWAS数据中定位一个意义未明的变异——它的能力边界就暴露了。
更深层的问题在于，通用大模型没有"科学证据链"的概念。它只是学到了语言层面的相关性，而不是因果层面的机制性理解。
举个例子：如果你问GPT"水在100摄氏度沸腾"，它会答对，因为它见过无数次这个表述。但如果你问它"在海拔4000米的拉萨，水在多少度沸腾"，它可能也会给一个答案——但这个答案是对是错，取决于它的训练语料里有没有覆盖到高原沸点这个知识点。它本身并不"理解"气压和沸点之间的物理定律。
这就是AI4S之所以需要专门的基础模型的根本原因：科学需要的不是"说得像"，而是"想得对"。
AI4S的三条路线，各自的天花板在哪里
既然通用大模型在科学上靠不住，那AI4S这些年是怎么推进的？我把目前主流的探索归纳成三条路线，它们各有各的高光时刻，也各有各的玻璃天花板。
路线一：领域专用模型——把一件事做到极致
这条路线最成功的代表，非AlphaFold莫属。2024年诺贝尔化学奖花落AlphaFold 2的开发者，足以说明这种路线在特定任务上能爆发出多大的能量——蛋白质三维结构预测的周期从数年缩短到数天，解决了一个困扰结构生物学几十年的大难题。
在AlphaFold之外，ESM3（Meta开发的蛋白质语言模型）在蛋白质序列建模上同样登峰造极，RoseTTAFold在蛋白质-蛋白质相互作用预测上也有建树。药物化学领域，各种ADMET专用预测模型遍地开花，在CYP酶抑制、hERG心脏毒性等关键指标上准确率不断提升。
这种路线的优势很清晰：在单一任务上能做到极致。但它的天花板同样明显——能力被严格局限在单一对象和单一任务形式里。一个在蛋白质结构预测上封神的模型，你让它去分析光谱数据、去读材料CIF文件，它完全不认识。说白了，这是"一招鲜"，但科研现场需要的是"多面手"。
路线二：工具增强型通用模型——给通用模型"挂外挂"
这条路线的思路是这样的：既然通用大模型本身不懂科学，那就给它外接科学工具。GPT-Rosalind、Claude Science走的都是这个路子——模型本体负责理解用户意图和编排任务流程，具体到科学计算、数据库查询、分子模拟这些硬活，交给外部的专业工具来干。
这有点像给一个文科生配了一个科学计算器：它不需要真的懂物理，只要知道"遇到物理计算就把数字丢给计算器"就行。
这种路线的灵活性很高，能快速切入各种科学场景。但它的问题也很"哲学"：科学能力仅寄生于外部工具，模型本体并没有深化对科学本质的理解。它只是在"调度"工具，而不是在"理解"科学。一旦遇到需要深度科学推理的任务——比如要判断两个看似不相关的蛋白质结构域之间有没有演化关联——工具调度就不够用了。
路线三：科学语言模型——跨对象的统一建模
NatureLM、LOGOS、BioMatrix这几家走的是第三条路：把蛋白质序列、分子结构、基因序列等不同科学对象，统一转化为某种"符号序列"（类似自然语言中的token），然后在一个统一的模型架构里做联合建模。
这个思路很吸引人——如果能像GPT处理中文和英文一样处理蛋白质和分子，那多学科交叉推理就不再是问题。但现实是，目前这类探索还主要停留在表征层面。把不同科学对象粗暴地"文本化"，会丢掉各自领域的结构性信息——蛋白质的三维折叠信息、分子的空间构型信息、晶体材料的对称性信息，都不是简单的序列化能捕捉到的。
用一个比喻来说：你可以把一首交响乐的总谱转写成文字描述，但你丢掉了音符之间的和声关系和节奏韵律。科学数据的复杂性，远比文本要丰富得多。
三条路线之外，磐石的选择
把三条路线看清楚之后，再来看磐石2.0的定位，就清晰多了。它没有选其中任何一条，而是走了一条"统一推理"的新路：既不把科学对象简单"文本化"，也不满足于"给通用模型挂外挂"，而是在保留各类科学数据原生结构的前提下，构建一个共享的科学表征空间，让多模态、多任务的科学推理在一个模型内完成。
这需要同时解决三件事——统一编码、知识对齐、定向解码。下面我们就来一一拆解。
S1-Omni：统一科学多模态推理的破局者
S1-Omni 这个名字，Omni 后缀已经点明了它的野心——"全能的""无所不包的"。它是磐石2.0的核心引擎，也是目前全球范围内第一个明确以"科学多模态统一推理"为设计目标的基础模型。
在拆技术细节之前，先给这个模型的整体画像画个轮廓。
S1-Omni 被设计成能同时处理以下几类科学模态的模型：自然语言指令（科研人员用文字描述的需求）、材料晶体结构（CIF格式）、化学分子结构（SMILES表示法）、蛋白质序列、光谱数据、科学图像——以及这些模态之间的任意组合。输入可以是一段文字加一张电镜图加一组SMILES分子式，输出可以是性质预测值、三维结构重建、科学图像生成或编辑，也可以是一段带引用标注的科学推理文本。
这跟前面提到的"工具增强型"路线有本质区别。Claude Science 接到"分析这个蛋白质的活性位点"的指令后，会去调用外部蛋白质分析工具，然后整理结果返回。S1-Omni 的做法是：它自己就"理解"蛋白质序列的结构特征，自己就能在表征空间里做位点推理，不需要绕道外部工具。
当然，这种"自己懂"不是凭空来的。背后有三根支柱：统一编码、知识对齐、定向解码。外加一个精心构建的语料库 S1-Omni-Corpus——覆盖200多个科研任务、包含百万级高质量科学多模态推理数据。
这个语料库跟通用大模型用的爬虫语料有一个关键不同：它在构建时刻意保留了"科学证据→任务判断→目标结果"这条可检查的链路。每个训练样本都不仅是"输入→输出"的映射，而是包含了中间的推理步骤和证据来源。换句话说，S1-Omni 在训练阶段就被要求"展示解题过程"，而不只是"给出答案"。
这可能是它和通用模型最根本的分野。通用大模型（包括GPT-5.5和Gemini 3.1 Pro这样的顶流）在训练时学到的是"什么样的输出在这个上下文里概率最高"；而S1-Omni学到的是"基于什么样的科学证据，可以推导出什么样的结论"。
前者是"语感驱动"的，后者是"证据驱动"的。
在60多个科学任务的基准评测上，S1-Omni 交出的成绩单对得起它的野心：95.5%的任务超过GPT-5.5，83.3%的任务超过Gemini 3.1 Pro。更关键的是，在部分任务上，它的表现甚至达到或超过了该领域的任务专用模型——这相当于一个"十项全能运动员"在跳高项目上赢了专业的跳高选手，含金量显然不一样。
下面我们来看这三根支柱分别是怎么运作的。
统一编码：让蛋白质、光谱和分子在同一个空间对话
先说统一编码。这是整个S1-Omni的技术地基，也是它和前面三条路线拉开差距的核心所在。
在传统AI4S的技术栈里，不同科学模态的数据分别住在自己的"独立王国"里：
- 材料晶体结构用CIF（Crystallographic Information File）格式，描述的是三维空间中的原子坐标、对称操作和晶胞参数。
- 化学分子用SMILES（Simplified Molecular Input Line Entry System），是一种把分子图结构编码成线性字符串的方法。
- 蛋白质序列用FASTA格式，是一串氨基酸的单字母缩写。
- 光谱数据可能是二维矩阵（波长×强度）。
- 科学图像——从电镜照片到X射线衍射图——就是像素矩阵。
这些数据格式之间，天然是"语言不通"的。材料学家看CIF就像看天书，化学家读SMILES行云流水，但在蛋白质序列面前也得认怂。
过去业界处理这种"多语言"困境的思路主要有两种。一种是"翻译派"：把所有模态统统转成文本描述，丢给通用大模型。缺点前面说了——丢掉了大量结构化信息。另一种是"搭桥派"：为每对模态之间单独训练一个对齐模型（比如蛋白质序列到分子结构的映射），效率低下且无法扩展。
S1-Omni的思路不一样，我把它概括为"和而不同"——保留各自的结构特性，但投射到同一个语义空间。
具体来说：CIF文件的处理保留了晶体的空间群对称性和原子坐标的三维拓扑关系；SMILES的处理保留了分子图结构的键合关系和原子类型信息；蛋白质序列的处理保留了氨基酸残基的理化性质和演化保守性；光谱数据的处理保留了谱峰位置、峰型和强度的物理含义。
但在各自的编码器处理完之后，所有模态被映射到一个共享的高维表征空间中。在这个空间里，"相似的语义"（无论来自哪种模态）会被编码到相近的位置。比如：一个描述"苯环结构"的SMILES字符串，一张苯的化学结构图像，一段描述苯的紫外吸收光谱的文本——这三种不同模态的输入，在表征空间中会被映射到高度相关的向量区域。
这样做的好处是巨大的：模型可以在这个共享空间里做"跨模态类比推理"。比如，看到一个新的蛋白质突变位点，它可以自动联想到在化学空间中见过的类似"局部疏水性改变"的模式，再结合光谱空间中与之对应的"构象变化"特征——全程在一个统一的空间里完成，不需要来回翻译。
用一句不那么技术的话说：S1-Omni"知道"蛋白质是蛋白质、光谱是光谱、分子是分子——它尊重每种数据类型的"原生身份"，但又能让它们在一张桌子上对话。这张桌子，就是那个共享的科学表征空间。
我在研究这个架构的时候，有一个强烈的感受：这其实是一个"语义空间"的工程实现。人类科学家在做跨学科推理的时候，脑子里也有一个类似的"共享概念空间"——一个有机化学家看到某个分子结构，能直觉地联想到它在生物体内可能的代谢路径。这种跨域联想能力，S1-Omni正在通过统一编码来逼近。
知识对齐与定向解码：模型凭什么"懂"科学
统一编码解决了"看得懂"的问题，但离"想得对"还有一段路。这段路由另外两根支柱来撑：知识对齐和定向解码。
知识对齐：不只是学数据，还要学"规则"
常规大模型的训练，本质上是在海量数据上做统计拟合。训练数据里有什么规律，模型就学到什么规律。问题是，科学数据里的"规律"往往不是一眼能看出来的——你需要结合已知的物理定律、化学原理、生物学机制去解读。
举个简单的例子：给模型看10000组"分子结构→水溶性"的数据对，模型确实能学到一些"水溶性和分子极性正相关"的统计模式。但如果训练数据里恰好某个极性很强的分子因为特殊原因溶解度很低，模型可能就学到了一个错误的"特例"，然后在遇到类似结构时翻车。
知识对齐要做的事情，就是在训练过程中融入"正确的科学知识"，让模型在学到统计规律的同时，也受到物理化学原理的约束。这些知识来源包括：已知的科学定律（比如热力学定律、量子力学原理）、实验验证过的事实（比如某个特定反应的产物收率范围）、以及领域专家的经验规则（比如药物化学里的Lipinski五规则）。
S1-Omni在训练时，不只是做"输入→输出"的拟合，而是加入了"科学证据→任务判断→目标结果"这条中间链路。这意味着，当模型要预测某个药物分子的肠道吸收率时，它不只是"凭感觉"给一个数字，而是会参考分子量、氢键供体/受体数量、脂水分配系数（logP）等已知的ADMET相关参数，结合训练数据中类似结构的实测结果，形成一个有证据支撑的判断。
这件事的影响比表面看起来要大。因为它让S1-Omni的推理从"语感驱动"变成了"证据驱动"。当模型给出一个结论时，它内部有一条可以追溯的推理链，而不是一个黑盒里的概率输出。对于科研场景来说，这太重要了——科学家需要的不只是一个答案，而是"你为什么得出这个答案"。
我在查阅磐石团队的公开资料时注意到，他们在S1-Omni-Corpus的构建上下了很大的功夫，刻意保留了证据链的完整性。这意味着一方面训练成本会更高（因为每条数据都需要更精细的标注），但另一方面，产出的模型在可解释性上会有质的提升。
定向解码：不同任务，不同出口
统一编码让模型"看得懂"多模态输入，知识对齐让模型"想得对"，但还有最后一个问题：输出什么？
科研场景里的输出形式是五花八门的。有时需要的是一个数值预测（比如某种材料的带隙宽度），有时需要的是一张图像（比如重构的三维分子结构图），有时需要的是一段带引用标注的推理文本（比如文献综述），有时需要的是一份交互式可视化报告。
定向解码要解决的就是"输出什么"的问题。S1-Omni在共享的理解和推理之上，会根据具体任务类型，连接对应的科学解码器：
- 性质预测任务 → 连接回归/分类解码器，输出精确数值
- 结构重建任务 → 连接三维结构解码器，输出原子坐标
- 图像生成/编辑任务 → 连接科学图像解码器，输出专业图像
- 科学推理文本 → 连接文本解码器，输出带证据链的自然语言
关键点是：这些不同形式的输出，都是在同一个共享表征的基础上生成的。这意味着模型在蛋白质位点预测任务中学到的"结构-功能关系"知识，可以迁移到科学图像生成任务中的"标注精度"上。知识的跨界流动在定向解码层面得到了保留。
统一编码、知识对齐、定向解码——这三根柱子拼在一起，构成了S1-Omni"科学理解→科学推理→科学生成"的完整闭环。这也解释了为什么它在那么多不同的科学任务上能同时表现出色：因为底层的"理解"是统一的、知识是共享的，只是输出时根据不同任务换了不同的"嘴巴"。
硬核评测：在60+科学任务上正面对决GPT与Gemini
技术架构讲完了，该上硬菜了——S1-Omni到底有多能打？磐石团队没有自说自话，而是把S1-Omni和GPT-5.5、Gemini 3.1 Pro、Claude Science等全球顶流放在同一批真实科研任务上跑了一遍，结果交给第三方模型盲评打分。最终拿到最高分的，是磐石。
测评覆盖了60多个科学任务，横跨化学、生物、材料、量子物理等多个学科，三类任务的详细数据值得逐一看。
ADMET药物性质预测：18项指标16项领先
ADMET（吸收、分布、代谢、排泄、毒性）是药物研发的"鬼门关"。一个分子在试管里活性再好，如果肠道吸收差、容易被肝脏代谢掉、或者对心脏有毒性，就只能被淘汰。准确预测ADMET性质，可以在砸钱做临床试验之前就筛掉"没前途"的候选分子。
在ADMET的18项评测指标中，S1-Omni有16项同时优于GPT-5.5和Gemini 3.1 Pro。这个胜率（88.9%）本身就说明问题，但更值得注意的是：在CYP酶抑制、hERG心脏毒性、肠道吸收等几个"要命"指标上，S1-Omni的表现竟然达到甚至超过了业内代表性的化学专用模型。
|
评测维度 |
S1-Omni |
GPT-5.5 |
Gemini 3.1 Pro |
化学专用模型 |
|
CYP酶抑制预测 |
⭐⭐⭐⭐ |
⭐⭐⭐ |
⭐⭐⭐ |
⭐⭐⭐⭐ |
|
hERG心脏毒性 |
⭐⭐⭐⭐ |
⭐⭐ |
⭐⭐⭐ |
⭐⭐⭐⭐ |
|
肠道吸收率 |
⭐⭐⭐⭐⭐ |
⭐⭐⭐ |
⭐⭐⭐ |
⭐⭐⭐⭐ |
|
血脑屏障穿透 |
⭐⭐⭐⭐ |
⭐⭐⭐ |
⭐⭐ |
⭐⭐⭐⭐ |
注：⭐越多表示表现越好，基于磐石官方盲测数据整理，具体数值请以官方发布为准。
这个结果其实挺有意思的。通用大模型在ADMET上的短板不是"不知道"，而是"不确定"。它们能说出一堆药理学的知识点，但当你要求给出某个具体分子的hERG IC50预测值时，它们要么拒绝（说需要专业工具），要么给一个无法验证的估计值。S1-Omni赢就赢在它真的跑了预测，而且能告诉你预测依据是什么。
蛋白质位点预测：统一支持多类残基级识别
蛋白质功能位点预测是另一个硬核战场。具体来说，就是要在一条可能长达上千个氨基酸的蛋白质序列中，精确找到哪些位置的残基参与蛋白质-蛋白质相互作用（PPI）、哪些位置构成抗原表位（Epitope）、哪些位置是药物小分子的结合口袋。
这类任务过去通常需要多个专用工具——一个做PPI预测，一个做Epitope预测，一个做小分子结合位点预测——因为各自的模型架构和训练数据都不一样。S1-Omni的做法是：所有这些位点预测任务共享同一个底层表征，然后在输出层按需解码。
在PPI、Epitope、小分子结合位点三个核心子任务上，S1-Omni都达到了行业领先水平。这背后是统一编码带来的红利——蛋白质序列的表征空间中，不同功能位点的特征模式可以被模型同时学习、互相增强。PPI界面的"疏水补丁"特征，和Epitope的"表面可及性"特征，虽然不同，但在共享空间中它们的底层物理化学逻辑是相通的。
科学图像生成与编辑：从医学影像到科研插图
科学图像这个维度，很多人可能不太关注。但其实在真实的科研场景中，图像是信息密度最高的载体之一——一张好的医学影像分割图、一张清晰的超分辨率电镜照片、一张准确的科研插图，胜过千言万语。
S1-Omni在医学图像分割、医学图像翻译（CT到MRI的跨模态转换）、超分辨率重建、科研插图生成等任务上都展现出了不错的能力。特别值得一提的是科研插图生成——很多科研人员都有过"画示意图比做实验还痛苦"的经历。能够用自然语言描述需求、让模型自动生成专业插图，这在论文写作和学术汇报中是实打实的效率提升。
我在整理这些评测数据时有一个感受：S1-Omni最让人印象深刻的，不是它在某个单点任务上的极致表现，而是"什么都能做、而且都做得不错"的这种全面性。这种全面性在真实科研场景中的价值，远比单点突破要大——因为科研本身就是高度综合的，一个课题往往横跨多个学科、涉及多种数据类型、需要多种分析手段。
量子信息与乳腺癌VUS：两个实战案例的深度拆解
评测数据是"体检报告"，能看出模型的身体素质好不好。但真要判断一个模型能不能上科研战场，还得看它在真实科研任务里的表现。磐石团队公开了两个非常有代表性的案例——一个来自量子信息领域，一个来自临床医学——我们把它们逐个拆开看。
案例一：Depolarizing噪声对Bell态纠缠的影响
量子信息方向的科研人员应该很熟悉这个场景：你要研究某种噪声（比如Depolarizing去极化噪声）对量子纠缠态的影响。传统做法大致是这样的流程：
- 手动搭建量子电路模型（用Qiskit、Cirq等框架写代码）
- 配置噪声模型参数
- 跑数值仿真
- 从原始数据中提取纠缠度量指标（比如Concurrence共生纠缠度、Fidelity保真度、Purity纯度）
- 如果数据有疑问，翻量子信息理论的推导资料做交叉验证
- 把结果整理成可视化图表
- 写报告
这一整套流程跑下来，熟练的研究生也得花上好几天。而且中间任何一步出了错，都可能需要大段返工。
磐石在这个案例上是怎么跑的呢？研究人员用自然语言分步提需求：先做仿真测算，再答疑论证，最后要一份整合好的可视化报告。磐石从ScienceHub（平台的技能仓库）自动调用了Qiskit专用skill，把电路搭建→噪声仿真→数据核算→理论推导→多类型绘图→交互式HTML报告，串成了一条全链路自动流水线。
当研究人员对纠缠熵的计算结果提出学术质疑时，磐石不仅能精准回应，还主动补充了多模型对照数据——换句话说，它不是被动地"你问我答"，而是主动地"你质疑一点，我把相关证据全给你摆出来"。
同一道题，GPT-5.5和Claude Science也跑了。第三方盲评的评语相当犀利：
- GPT-5.5：图表画得花里胡哨，但在核心问题上翻了车——它声称"噪声后子系统熵保持为1"，这直接暴露了它连局域噪声和全局噪声都没分清的理论硬伤。
- Claude Science：动画效果不错，但关键矩阵和本征值全都没给，在假设层面把全局去极化和局域去极化混为一谈。
- 磐石：不仅算清了基本盘，还顺手拉出了Fidelity、Purity和Concurrence的完整分析——从理论建模到数值解析形成了科研级闭环。
我特别注意到评测报告里的一句话评价：面对量子态演化任务，GPT-5.5扮演了"前端UI设计师"，Claude表现得像一位"理论科普员"，而磐石展现出了一位"资深量子物理学家"的专业素养。这个对比太鲜明了——不是说GPT和Claude不聪明，而是它们缺了科学推理的"内功"，只能在表面打转。
案例二：乳腺癌"意义未明变异"（VUS）的跨组学分析
换一个更贴近临床的场景。
乳腺癌基因检测中，最让人头疼的往往不是明确致病的突变（BRCA1/BRCA2这些已经研究得很透了），而是所谓的VUS——Variant of Uncertain Significance，意义未明变异。你发现了某个基因上有一个突变，但这个突变到底会不会导致乳腺癌？现有的数据库里没有明确结论。
要回答这个问题，研究者需要做"跨组学联合分析"：同时整合GWAS（全基因组关联分析）的群体遗传信号、UniProt的蛋白质结构与功能注释、ClinVar的临床意义数据库、gnomAD的人群频率数据——在这些异构数据源之间反复比对，寻找支持"致病"或"良性"的交叉证据。
传统模式下，这件事极度耗时。研究者的大把精力都陷在写爬虫抓数据、调API对接不同数据库格式、清洗异构JSON的"工程泥潭"里。真正用于推导致病机制的时间反而被挤压了。
磐石在这个场景的表现，堪称"降维打击"。
它精准打通了UniProt与GWAS数据，完整补充了ClinVar和gnomAD的临床与人群频率信息，为每一个VUS构建了立体的突变注释网络。但最让我惊艳的不是这些"数据整合"的能力，而是它像一位真实的生物学家一样，主动给出了"实验优先级排序"，比如"建议优先验证位于激酶结构域的错义突变X，因为该位点在跨物种序列比对中高度保守，且3D结构显示其位于ATP结合口袋的关键loop区"——不仅告诉你要做什么实验，还给了完整的生物学论证理由。
更进一步，磐石还把关键致病位点在蛋白质3D结构图上一一标注了出来。哪个残基落在哪个结构域、离活性口袋有多近、是否可能影响蛋白-蛋白相互作用界面——一目了然。
同一个提示词下，Gemini 3.1 Pro的表现停留在"数据整理"层面（它甚至主动输出了CSV数据表，但这恰恰说明它的能力边界在结构化数据呈现），GPT-5.5在这个任务中表现垫底——只拿了78分，严重缺失ClinVar和gnomAD等关键临床数据库的交叉验证，完全没建立起结构域与致病性之间的关联。
这两个案例看完，我对S1-Omni的定位有了更清晰的认识：它不是一个"更会聊天的AI"，而是一个具备跨学科推理能力的"科研搭档"。它在做的不是取代科学家，而是把那些机械的、重复的、跨系统对接的脏活累活接过去，让科研人员能把精力集中在真正需要人类创造力的地方——提出假设、设计实验、解读结果。
ScienceOne：把模型装进科研现场
S1-Omni解决了"AI能不能真正理解科学"的问题。但磐石团队的野心不止于此——他们还在问另一个问题：AI怎么才能真正深入科研现场？
答案是用一个平台把模型、数据、工具、算力全部打通——这就是ScienceOne。
往下：接管科研数据基础设施
先说数据层。ScienceOne向下对接的是一个信息量极其庞大的底座：2.7亿篇论文和专利、全球40多个国家3200多万个科研项目、700多万份产业研报、90PB的大科学装置数据、近300个专业数据库。
这些数字可能读起来有点"大而空"，但落到科研人员的日常里，它们的意义就很具体了。你做一个课题，第一步往往是"查文献"——这个领域谁在做？做到了什么程度？有没有被忽略的突破口
