只需输入一段文字，电脑便会将其转化成栩栩如生的画面；只需问一句“哪里的饭好吃”，导航软件就能带你吃遍当地风味……大模型通常具有高度的通用性和广泛的适用性，已经在自然语言处理、图像识别和语音识别等众多领域大放异彩。

　　然而，这仅是人工智能大模型应用的“冰山一角”。尤其是在科研领域，其无限潜能还有待深入挖掘。

　　除了生物计算，科学大模型也在其他领域得到应用。百度深度学习技术平台部架构师胡晓光告诉记者，当前大模型与智能体已经在科学计算领域得到应用。例如，中国科学院自动化研究所依托百度的“飞桨”和“文心”大模型，研制出材料学科科研智能体。一些前沿实验室正在采用大语言模型，进行材料属性预测和结构生成。

　　“但从整个科学大模型领域来看，复合型人才非常稀缺。”许锦波告诉记者，以蛋白质生成大模型为例，除了必备的算法、算力、数据等基础条件外，应用此类大模型还需要具备两大专业能力。一是融合计算机、生物、物理等多学科，熟识人工智能、分子动力学、量子计算等多种方法，且能在实践中并行考虑序列与结构、主链与侧链、进化与组学的跨领域融合能力；二是走出实验室，下沉至真实产业环境，在需求、验证、落地上贴近产业需求的能力。

　　胡晓光介绍，“飞桨”通过由参与单位和个人共同建设模型库和场景范例、提供免费算力、为优秀科研方案和重点项目提供框架、模型资金支持、开发套件以及推出全方位课程资源技术合作支持等方式，和科研人员一起开展科研工作、研制前沿模型、建设场景范例、取得九游体育科技科研成果。“科学大模型的开发、落地和推广，需要大量的跨领域科研人才，并且实现人工智能与传统科学计算工具链的协同。这需要我们搭建稳定、优质的科研生态，把资源和机会凝聚起来，共同打破目前遇到的瓶颈。”胡晓光说。