人工智能历经七十年演进，如今正从“数字世界”走向“物理世界”，已然成为重构前沿领域创新范式、破解复杂系统性挑战的核心引擎。

值北京中关村学院与中关村人工智能研究院(简称“中关村两院”)成立两载之际，以躬身实践接续达特茅斯学术薪火，秉持“极基础、极应用、极交叉”的科研理念，持续探索人工智能与交叉学科领域的人才培养、教育教学与科研创新。

中关村两院Xᴬᴵ科技节期间，重磅发布科研进展与前沿探索，涵盖人工智能核心、智能科学技术、AI+人文社会等方向，集中展现中关村两院面向未来的科技创新求索与多元突破。

科研进展

超级软件智能(Modelware)：赋能软件自主可控，构筑软件世界的数字主权

面对基础软件与工业软件长期“卡脖子”的国家战略瓶颈，超级软件智能(Modelware)紧扣国家软件自主可控战略需求，首创以AI“解构、理解、重塑”软件的全新范式，累计解决关键行业软件“卡脖子”问题20余项。

项目建成高质量软件基础数据集(34247个项目，涵盖9大领域、3类主流架构、共 17.2TB)，数据自动化生产系统构建成功率达95.67%，训练出程序基础大模型，形成先进的基础程序分析、软件漏洞检测能力;在产业落地与生态建设上取得多项可验证的突破性成果：完成1000余款软件全自动智能化适配，开发时间节省90%以上，101个系统接口实现AI化升级、支持自然语言操控系统，首发MCP安全团体标准、完善产业信创安全体系，首批成果已开源赋能行业发展，在工业软件领域真正实现核心功能自主可控，大幅缩短国产工业软件开发周期。依托本技术建设的北京市高精尖产业发展项目《新型软件智能生产平台》已顺利完成验收，为我国软件产业安全发展、掌控软件世界数字主权提供核心技术，具备显著的产业赋能价值与行业示范效应。

基因组大模型Carbon：生命语言的DeepSeek，275倍加速重新定义基因组AI效能

继AlphaFold实现蛋白质结构预测重大突破后，基因组AI已成为AI for Science领域核心竞争高地。北京中关村学院与国际知名开源社区HuggingFace联合打造生命科学领域的“DeepSeek”——生成式基因组大模型Carbon，以30亿参数量全面超越70亿参数的行业标杆模型Evo2，并将推理效率提升275倍。

在应用层面，Carbon实现两大突破：一是DNA序列设计，覆盖调控元件优化、mRNA疫苗设计等合成生物学与精准医学场景;二是基因组注释，摆脱序列相似性比对依赖，基于基因语法直接解析DNA功能语义，从方法论上攻克跨物种通用注释难题，为比较基因组学、蛋白质发现、通路分析等下游生物学提供关键基础。

Carbon已完成16万亿碱基序列的系统性注释，搭建起全球最大规模AI基因注释数据库Carbon Database，其数据规模与物种多样性较现有公开资源提升10倍以上，既是AI4S领域训练下一代DNA与蛋白语言模型的核心语料库，也是生命科学研究者挖掘新物种、新基因、新功能的“基因金矿”。Carbon与Carbon Database双核驱动，正式将AI转化为生命科学探索的基础设施。

Carbon Database，将于9月15日面向全球开源。

FlexRibbon药物设计引擎：破解柔性分子界面设计难题

长期以来，新药发现高度依赖海量筛选和反复实验试错，尤其对于抗体、TCR、多肽等复杂药物，其与靶点之间存在高度柔性的分子界面和显著的构象适配，传统刚性对接和固定骨架设计方法难以直接产生高质量候选药物。面向这一核心瓶颈，FlexRibbon构建了面向柔性分子界面的序列-结构联合AI药物设计引擎，推动AI药物研发从“盲盒试错”迈向“精准命中”。

FlexRibbon已实现计算预测、真实实验和产业应用三个层面的验证。在计算端，平台已经建立抗原-抗体复合物结构预测、蛋白-小分子亲和力预测已达到国际工业前沿水平;在实验端，平台已覆盖TCR、抗体、纳米抗体、线性肽和环肽5类药物模态，在14个靶点上完成实验验证，平均首轮实验成功率达到34%，形成跨靶点、跨模态的平台级设计能力和数据飞轮;在产业端，平台已与10家企业深度合作，推进超20条管线研发，加速创新药产业转化进程。相关技术已支撑建成AI+多特异性抗体北京市重点实验室，并成功入选北京市首批AI赋能科学研究典型案例。

MatOS：面向材料研发的自主智能体操作系统，产研协同助力关键材料攻关

材料产业化长期存在数据封闭稀缺、仿真脱离工况、成果落地困难三大核心痛点，导致科研与产业双向脱节，行业普遍沿用低效试错研发模式。针对这一行业瓶颈，面向材料研发的自主智能体操作系统MatOS，搭建起打通材料科研与产业落地的核心底座，将产业数据、研发流程、交付标准沉淀为可复用智能资产，依托智能体统一编排模型、工具、实验与设备。目前平台已适配48款研发软件，集成近500种筛选流程及计算方法，构建全流程智能化研发支撑体系。

依托完备的技术体系，MatOS在多个材料赛道实现规模化增效：焊料研发场景，仅3个月建成“文献检索-配方生成-计算筛选-湿实验验证”AI链路闭环，积累3万余条研发数据、覆盖20余种核心元素，研发效率提升约4倍;镀钯液研发方向，累计沉淀8000余条工艺数据、600万条有机-无机盐结构数据，助力力场迭代与配方精准设计;高性能电机领域，搭建自动化仿真平台，积累近万条高质量仿真数据，实现分钟级性能预测与多目标拓扑设计。

目前，MatOS已落地4家产业头部企业，针对性破解十余项产业研发难题，推动材料产业迈向数据智能驱动的全新研发范式。

MatOS将于10月起逐步开源，助力材料研发实现颠覆式跃升。

前沿探索

小值域智能：首个性能无损的FP4低精度推理框架

智能体已成为大模型落地的核心主战场，长程任务对模型能力与部署成本形成双重严苛挑战。中关村两院自主研发小值域智能，推出业界首个性能无损的FP4低精度推理框架，创新自适应量化训练机制，从底层机理破解权重震荡、误差累积痛点，实现权重在低比特条件下稳定收敛至最优档位，在生产级大模型上达成与BF16精度对齐的FP4推理效果。

经40余项生产级模型权威评测验证：对比RTN量化基线，代码能力提升7.0至9.8个百分点，复杂推理能力提升2.2个百分点，学科知识能力提升1.7个百分点，部分任务表现超越BF16全精度，真正实现量化性能无损，显存占用成本节省50%以上。作为业界首个能力对齐BF16的FP4推理方案，按万卡集群部署测算，显卡资源减半，即具亿元级降本潜力。

PhysBrain：物理智能人类学习范式实现全栈闭环

具身智能基础模型至今尚未找到属于自己的“互联网”，缺乏能够支撑Scaling Law的规模化训练数据源。海量人类行为数据尚未被系统转化为训练语料，现有技术多依赖覆盖范围有限的真机遥操作，致使模型难以习得完备的物理常识。中关村两院联合深度机智跳出传统轨迹拟合技术路线，提出并落地“以人为师”人类学习(AnthroLearning)全栈范式，系统性挖掘第一视角多模态人类行为数据训练物理智能模型，确立“以人类数据为起点、以动作建模为中心、本体为AI设计”的技术路线，打通数据采集、语料加工、模型训练、本体部署、场景验证完整技术链路。

项目构建全球首个全景人类第一视角数据集，示范采集吞吐量达到传统拟人机器人遥操作的4.8-7.2倍，动作转化实现毫米级机器人动作空间兼容精度;无需针对目标任务提供机器人示范，仅依托人类行为语料，即可驱动拟人体完成百余项复杂任务，验证了人类语料向机器人执行能力直接转化的可行性，为破解具身智能领域的数据匮乏难题提供规模化解决路径。

PhysBrain，以人为师，奠基物理智能。

HoloCell：6亿细胞定义“细胞语言”，统一模型贯通主流任务

在生命科学研究中，表观组、转录组、蛋白组从不同维度刻画同一细胞，但因缺少统一表征语言，长期依靠独立模型分别建模，科研人员难以获取细胞全景视图，也制约了药物研发的靶点发现与筛选工作。HoloCell作为业界首个单细胞三组学基座模型，依托6亿细胞多组学数据，以基因为锚点，对染色质调控元件、RNA表达、蛋白丰度做统一编码，将多组学信息映射至同一细胞状态空间。

依靠这套统一的“细胞语言”，HoloCell通过单一通用接口支撑绝大多数主流单细胞任务，涵盖多组学整合、跨组学对齐、模态补全和跨模态生成，在6项核心任务上性能优于8类领域专用模型。模型还能够遵循“染色质-RNA-蛋白”中心法则开展跨层级推断，模拟细胞状态动态演化，为解析细胞调控机制开辟全新研究路径。

当前，北京中关村学院联合清华大学、北京大学、中国科学院等13家单位协同搭建虚拟细胞系统，加速成果向药物研发落地转化，为靶点挖掘、药物筛选提供新型技术支撑。

商空间扩散模型：首个利用对称性提升建模效率的生成模型框架

对称性普遍存在于各类物理系统中。它在对生成模型提出对称性要求的同时，能否通过识别并去除冗余的对称自由度，降低模型的学习压力?针对此问题，中关村两院联合北京大学团队提出商空间扩散模型，首次构建了一套利用对称性提升建模效率、同时保障生成分布正确性的通用框架。本研究从第一性原理出发，基于商空间这一准确表征系统本质状态的通用数学工具重构生成过程，找到了恰当地去除冗余自由度的方式，减轻了模型学习负担，同时严格保障生成分布正确。该框架无需改动原有模型架构，即可实现训练效率提升近45%;在蛋白质结构无条件生成任务中，仅使用30%参数量，性能便超越现有方法，相比AlphaFold3对齐方案，分布误差下降逾70%。

该方法已被字节跳动AI制药等团队采纳，体现立足底层原理解决科学问题的价值。该框架具备强通用性，为AI处理物理世界相关科学任务奠定理论基础，有望赋能三维场景建模、材料设计、量子态求解、理论物理研究等多方向实现突破。

承七秩之思，蓄两载之势，赴无限之智。以人才培养为根基，以源头创新为驱动，中关村两院以系列阶段性成果夯实人工智能赋能科学发展的研究基础。

站在新的发展起点，中关村两院将坚持做难而正确的事，走稳而长远的路，在“人工智能+”战略引领下，深化教育、科技、人才一体化协同发展，推动更多“从0到1”的原始创新与“从1到N”的产业转化落地，为人工智能领域高质量发展积蓄持久原生动力。