记者 沈积慧
青藏高原，是世界屋脊、亚洲水塔，是地球第三极，同时也是未来全球气候变化影响中不确定性最大的地区之一。过去五十年，青藏高原气候变暖幅度是同期全球平均值的2倍，不仅改变了冰川等固态水与湖泊、河流等液态水的库存比例，还因区域大气环流的变化重塑了青藏高原水体的空间分布格局。这种现象被称为“亚洲水塔失衡”。
有一群来自中国科学院的科学家，试图用AI更准确地判断气候变化，以及对水能源和粮食之间的耦合关系，90后夏萃慧就是其中之一。
从英语专业到自然地理学博士
她用AI打败AI
夏萃慧是中国科学院青藏高原研究所的一名助理研究员。本科学的是英语，硕士读了同声传译，最后机缘巧合成了一名自然地理学博士，一头扎进了对亚洲水塔的研究。
青藏高原的生态重要性毋庸置疑，水资源的改变，影响的不只是喝水用水的问题，也改变了包括水力发电在内的能源生产和能源调度，同时对粮食生产造成了各种不确定性。
去年，夏萃慧所在的中国科学院青藏高原研究所，联合阿里云研发了首个专注于气候变化适应领域的水-能-粮多模态推理大模型——洛书。
洛书模型集成训练并整合了科研人员自主研发的可解释AI驱动水能耦合模型“思源”（Hydro Trace）、通义千问最新推理模型Qwen-QwQ-32B和通义千问多模态大模型Qwen2.5-VL。
科学模型每天产生海量数据，比如在季风期是什么样的影响，非季风期有什么样的影响。但具体到每一个水电站，需要科学家人工去一一分析，成本非常高。
夏萃慧想到的一个办法，是用AI打败AI：只要把科学模型的数据交给通义千问推理模型，做简单的微调后，推理模型就能根据数据结构和微调逻辑，还原推理的过程。
洛书大模型不仅能描绘水文过程时空变化，对关键来水点径流进行时空溯源和量化归因，还能基于溯源归因数据开展大模型推理，动态支持跨越多个时空尺度的水-能-粮系统联动分析，为产业用户提供个性化的气候适应策略沙盘推演生成与验证服务。而融合该算法的思源模型在青藏高原复杂水文环境下的多点模拟准确率高达98%（国际领先水平），较传统方法提升近20%。
大模型能预测太阳耀斑吗？
00后天文科学家：
准确率达到95%
耀斑，太阳最剧烈的活动现象之一，每隔11年就会有大爆发。一次典型的X级耀斑，能在几十分钟时间里释放出相当于100亿颗氢弹同时爆炸所释放的能量。
为了破解耀斑爆发之谜，过去很多科学家从耀斑演化的物理过程进行研究。近年来，学者们从数据驱动角度出发，用统计方法、机器学习、深度学习等技术开展研究。
那么大模型能预测太阳耀斑吗？
金乌大模型在这样的背景下应运而生。作为国家天文台人工智能组成员，00后李瑀旸是金乌·太阳大模型的核心技术人员。
李瑀旸说，在Qwen2系列模型的基础上，团队通过监督学习、强化学习，训练模型“能够理解、回答太阳物理问题”和“能够认识、分析太阳图像”等基本能力，用于分析、预测太阳耀斑，在X级耀斑的预测上，达到了95%的准确率和100%的真实阳性率。
在耀斑预测方面，李瑀旸所在的研究团队以SDO卫星公开数据、怀柔基地35厘米磁场望远镜数据和夸父一号（ASOS）全日面矢量磁像仪数据为主要数据源进行训练和测试。最终模型展现了卓越的性能，尤其是在X级耀斑的预测上，达到了95%的准确率和100%的真实阳性率。
正在上天、入地和下海的AI
“‘赋能’这个词低估了人工智能对科学的颠覆，对科学来说，人工智能不是一次工具的革命，而是一次科学革命的工具。”由世界互联网大会人工智能专业委员会主办的“人工智能赋能科学研究研讨会”上，专委会首席主任委员、中国工程院院士、之江实验室主任王坚这样说。
最近，中国科学院多个研究所已接入阿里千问QwQ-32B，在能源管理、天文观测、深空探测等领域取得系列突破，推出多款基于通义千问的人工智能大模型，将前沿科技与实际问题深度融合，开启了“AI for Science”的征程。
除了中国科学院青藏高原研究所联合阿里云发布多模态大模型“洛书”、国家天文台发布的天文大模型“星语”和太阳物理大模型“金乌”，面对南海珊瑚礁退化这一全球性挑战，南海海洋研究所研发的“瑶华”大模型，通过分析10万张水下影像，实现珊瑚种类识别准确率88%，效率较人工提升数十倍。