# 上海AI Lab开源万亿参数科学大模型Intern-S1-Pro：MoE架构赋能五大科学学科，推动AI4S新范式 - Link: https://paooo.com/aigc-news/11496/ - Published: 2026-06-11T13:12:22+08:00 - Author: 站外新闻 > **💡 站外导读：**当前，AI for Science（AI4S）正从辅助工具向核心科学发现引擎跃迁， > 但通用大模型在复杂科学推理、多模态科学数据理解与跨学科融合上仍存瓶颈。科研工作 > 者亟需能深度理解分子结构、实验图表、时序信号等专业数据，并具备自主规划实验能力 > 的智能体。Intern-S1-Pro应运而生，它并非通用模型的简单延伸，而是以“通专融合”为核心 > 理念，直击科学发现痛点，为高阶AI4S应用开辟了新路径。 ## Intern-S1-Pro是什么 Intern-S1-Pro是上海AI实验室开源的万亿参数科学多模态大模型，采用MoE架构（1T总参数， 22B激活），基于”通专融合”SAGE技术打造。模型通过傅里叶位置编码和重构时序编码器赋予 模型”物理直觉”，统一理解微观生命信号到宏观宇宙波动，在奥赛级数理推理、五大科学学科（ 化学、材料、生命、地球、物理）及真实科研场景中表现卓越，是全球开源社区参数规模最大 的科学多模态模型，推动AI4S从”工具革命”迈向”科学发现”新范式。 阅读目录 * [Intern-S1-Pro是什么](https://paooo.com/aigc-news/11496/#interns1pro%e6%98%af%e4%bb%80%e4%b9%88) * [Intern-S1-Pro的主要功能](https://paooo.com/aigc-news/11496/#interns1pro%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Intern-S1-Pro的技术原理](https://paooo.com/aigc-news/11496/#interns1pro%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Intern-S1-Pro的项目地址](https://paooo.com/aigc-news/11496/#interns1pro%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Intern-S1-Pro的应用场景](https://paooo.com/aigc-news/11496/#interns1pro%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/11496/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![Intern-S1-Pro](https://paooo.com/wp-content/uploads/2026/05/Intern-S1-Pro-website- 1-1.avif) ## Intern-S1-Pro的主要功能 * **科学推理**：模型具备奥赛金牌级别的数理逻辑推理能力，在国际数学奥林匹克和国际 物理奥林匹克评测中表现卓越。 * **多模态理解**：模型能精准解析分子结构图、实验图表、遥感图像等复杂科学视觉内容。 * **时序信号分析**：统一处理从数个到百万级采样的异构时序数据，覆盖天文、地理、生理 信号、生物声学等多领域。 * **跨学科研究**：构建跨越化学、材料、生命、地球、物理五大核心学科的全谱系能力矩阵， 支持化学逆合成、蛋白质序列生成等100多个专业子任务。 * **智能体能力**：支持实现从静态任务规划到动态环境交互的跨越，在复杂科研流程中展现 国际一流的自主规划与执行能力。 * **通用能力**：在图文跨模态理解、高质量文本生成、复杂指令遵循、工具调用等维度稳 居开源模型第一梯队。 ## Intern-S1-Pro的技术原理 * **SAGE”通专融合”架构**：通过共享基础表征层和分化专家层的设计，使模型在训练过程 中能够相互增强，保持广泛的通用认知能力和深度专业化的科学推理能力，实现”可深度 专业化通用模型”的目标。 * **混合专家架构（MoE）**：Intern-S1-Pro采用总参数达1万亿、包含512个专家的MoE架构， 每次前向传播仅激活8个专家（约220亿激活参数），通过创新的路由稠密估计机制提升训练 稳定性，避免传统MoE中常见的专家崩溃问题，同时引入分组路由策略实现海量计算芯片 的负载均衡，像智能交通系统一样高效调度算力资源。 * **物理感知层创新**：研究团队引入傅里叶位置编码（FoPE）赋予模型独特的”物理直觉”—— 能像观察粒子一样捕捉文本token之间的相对距离，和像分析波动一样把握科学信号的整体 频率规律；同时重构自适应时序编码器，使其根据数据密度自动调整，首次实现对跨越多 达六个数量级采样规模的异构时序信号的统一建模。 * **国产算力深度适配**：模型从架构设计之初就与昇腾计算生态确立联合研发路线，实现 从最底层算子优化、编译器适配到上层训练框架XTuner V1和推理引擎LMDeploy的全栈深度 适配，攻克大规模训练中的精度对齐、超长序列强化学习稳定性等核心技术难题，构建自主 可控的”算力-算法”一体化基座。 ## Intern-S1-Pro的项目地址 * **项目官网**：https://chat.intern-ai.org.cn/ * **GitHub仓库**：https://github.com/InternLM/Intern-S1 * **HuggingFace模型库**：https://huggingface.co/internlm/Intern-S1-Pro ## Intern-S1-Pro的应用场景 * **基础科学研究**：Intern-S1-Pro可辅助数学物理理论研究、化学材料设计与合成路径 规划、生命科学中的蛋白质预测和药物研发。 * **地球与环境科学**：模型支持遥感图像分析、气候监测、地质勘探和灾害风险预测等环境 科学研究。 * **工程与技术开发**：模型可解读工程图纸、分析实验数据、生成技术文档，与外部软件 联动实现自动化研发流程。 * **科研智能体协作**：模型能构建自主智能体执行文献检索、实验设计、结果分析和迭代 优化，形成闭环科研流程。 * **科学教育与普及**：为学生和研究者提供个性化学术辅导、解题指导和研究方法训练， 降低科学学习门槛。 #### 📝 站长洞察 (Editor’s Insight) Intern-S1-Pro的发布，标志着开源社区在“专业级”科学大模型赛道上迈出了里程碑式的一步。 其核心价值在于三点：一是“物理直觉”的建模创新，通过傅里叶位置编码等让模型真正理解 科学信号的物理内涵，而非仅仅是统计模式；二是万亿参数与22B激活的极致效率，MoE架构 在此展现了处理超复杂科学问题的潜力；三是从架构到国产算力的全栈自主适配，为构建安全 可控的AI科研基础设施奠定了基础。这预示着AI4S竞争正从“模型有无”进入“模型多专”的深水 区，谁能率先解决科学领域的“幻觉”与可解释性问题，谁就能在下一轮科学革命中占据先机。