12月7日，2025大湾区科学论坛人工智能分论坛暨第六届中国（广东）人工智能论坛在广州举办。现场，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰表示，当前人工智能正以前所未有的速度加速演进，科学智能（AI for Science）成为全球科技竞争的新焦点。深度学习的强拟合能力、跨尺度跨模态建模能力以及机理与数据深度融合能力，为科学研究带来新方法。

　　当前，王海峰进一步分享，深度学习平台通过高阶微分方程快速求解、复数计算高效稳定、超大规模深度学习高效训练、异构算力全场景适配等技术创新为科学智能提供基础支撑。

　　深度学习平台下接芯片，上承应用，相当于“智能时代的操作系统”。以百度飞桨为例，作为我国首个自主研发的产业级深度学习开源开放平台，飞桨集核心框架、基础模型库、端到端开发套件、工具组件及星河社区于一体，降低了AI开发和应用的门槛，促进AI普惠。

　　通过算子拆解、编译器自动优化，飞桨突破了传统数值方法的性能瓶颈，在复杂流场建模、热仿真等任务上求解速度大幅超过传统数值方法；在高雷诺数流场重建任务上求解速度提升 40 多倍，在芯片快速热仿真任务上求解速度提升130多倍。

　　人工智能将重塑科研范式

　　复数计算也是科学计算中的核心能力。王海峰介绍，通过构建原生复数数据类型、复数高阶自动微分及傅里叶变换算子库，实现了极致性能与完备功能的复数计算体系。

　　在大模型训练方面，科学计算大模型的训练面临极高的性能门槛。飞桨大规模自适应混合并行训练技术，通过端到端自适应分布式训练、自动容错等技术，实现了高效、稳定的大规模深度学习训练。多芯片适配能力是飞桨的另一项核心优势。飞桨已适配60多个系列芯片，通过软硬件分层对接、计算存储通信组合优化等技术，降低硬件适配成本，提升计算效率。

　　在应用方面，王海峰展示了深度学习在工业制造、生物医药和材料科学等领域的巨大潜力。例如，在高铁空气动力学设计中，基于飞桨的高铁外形仿真设计，仿真计算周期从天级缩短至秒级；在生物计算领域，HelixFold系列模型在蛋白质结构预测、生物分子相互作用建模等任务上持续取得突破，业界首个生物分子结构推理大模型HelixFold-S1基于引导规划的采样策略，实现了“先接触预测、后引导采样”的推理过程，突破了复杂结构预测的性能瓶颈。

　　最后，王海峰表示，人工智能将重塑科研范式，加速科学发现与科技创新。产业界、学术界与科研机构加强协同，为加快人工智能发展、实现高水平科技自立自强贡献更大力量。