今日，2026科学智能大会（AI4S Congress）在北京举行。大会汇聚近50位两院院士，全体会议由中国科学院院士鄂维南、包为民共同担任主席，中国工程院院士王坚，中国科学院院士汤超、孙凝晖、李景虹、汪卫华、郭华东、崔铁军、程和平、谢晓亮等担任共同主席（北京科学智能研究院院长李鑫宇以专家身份并列）。AI4S基础理论平行会议由中国科学院院士汤超主持，九章云极AI首席科学家缪旭受邀作“AI科学发现和形式化验证”报告。
面对来自全国的顶尖科学家与产业界代表，缪旭指出，AI在科研领域正从“效率工具”走向“发现伙伴”，但这一进程的核心瓶颈并非算力或模型参数，而是科研人员对AI推理结论的“信任赤字”。九章云极正通过神经符号验证与强化学习闭环两大技术路径，致力于让AI的每一次科学发现都具备可验证、可追溯的可靠性。
习近平总书记在2026年“科技三会”讲话中明确提出促进人工智能赋能科学研究，AI4S正成为加速科学发现创新突破、支撑高水平科技自立自强的关键。与此同时，数据安全、算法透明、可解释AI等议题也已上升至顶层设计层面。今年3月发布的《人工智能安全治理框架》2.0版，进一步将模型输出的可靠性与可验证性纳入治理体系，明确要求在高风险决策场景中强化“可追溯、可审计”的技术能力。这些政策信号清晰地表明：AI赋能科研，不仅要“算得快”，更要“算得准、算得可信”。九章云极在AI4S基础理论场景中率先部署的验证闭环体系，正是对这一国家战略方向的积极响应与实践落地。
理论验证是“窄门”
AI幻觉成科研大忌
缪旭在演讲中指出，当前AI在解决埃尔德什（Erdős）平面单位距离猜想、辅助物理理论推导等研究级发现上已展露锋芒。但科研探索的本质是从“想法”到“科学结论”的严苛证伪过程，而大模型天生的概率性——“漏掉前提、偷换定义、长推理积累微小错误”，使其在严肃理论验证面前犹如“黑箱”。
“在芯片设计或量子计算中，一个未被察觉的推理漏洞可能意味着数月的试错成本被浪费。”缪旭强调，九章云极的关注点并非让AI“更会猜”，而是让AI“更可信”。通过将非形式化的专家共识转化为机器可检查的形式化证明对象，将“说服人”的过程变成机器的穷举检查，大幅降低理论验证的长期成本。
从“算力普惠”到“验证闭环”
重塑AI4S基础设施
作为AI基础设施与智算云提供商，九章云极展示了其面向科研场景的差异化打法。缪旭介绍，九章云极正将此前在“强化学习云”与“专业智能体”中积累的Agentic RL能力，迁移至科学发现领域。
针对量子计算与复杂代数验证等场景，九章云极构建了LLM-QUBO任务拆解闭环系统。该系统不仅能把科学问题翻译成可计算的能量函数，更能通过Agentic RL的“可验证奖励机制”实时反推任务拆解的合理性。据透露，这一机制在实际测试中已实现减少30%以上冗余QUBO任务，显著提升了科研算力资源的有效利用率。
“过去我们谈‘算力鸿沟’，谈让算力像水电一样普惠；今天在AI4S时代，我们要谈‘验证鸿沟’。”缪旭表示，“如果算力是科研的‘肌肉’，那么可验证的推理能力就是科研的‘神经系统’。九章云极的目标是让科研人员不仅‘用得上’算力，更‘信得过’AI给出的推导。”
立足“基础理论”
协同生态打破学科壁垒
缪旭的发言回应了一个核心议题：没有形式化验证的AI发现只是数据的内插，只有经过逻辑验证的AI外推才算真正拓展了人类知识边界。现场，缪旭还展示了九章云极在芯片设计前端验证中的应用案例，将“正确性前移”的理念带入科研流程。
在产学研协同创新方面，九章云极以算力为纽带，深度参与多个前沿科研场景，推动从基础研究到产业落地的全链条贯通。在高校联合科研层面，与北京大学共建“北大-九章云极多智能体联合实验室”，依托九章云极在智算云领域的技术优势，为实验室提供规模化算力支撑与工程化验证环境，重点布局Agentic RL方向，聚焦多智能体强化学习及其在科学研究中的创新应用，实现了“科研有算力、算法有场景、成果有落地”的良性闭环，让前沿算法创新从实验室走向AI工厂有了明确的产业出口；在前沿科研攻关层面，九章云极作为核心算力支持方与生态共建伙伴，深度参与上海交通大学张文军院士团队“世界叙事模型（WNM）”的研发攻关，为WNM模型复杂的多模态训练与物理仿真推演提供高性能算力底座，缪旭深度参与论文编写与课题攻关，实现了从算力底座到技术共创的角色跃升。
在产教融合与人才培养层面，九章云极联合中国力学学会·中国化学会·流变学专业委员会、国家超级计算天津中心，共同举办“2026 AI流变学协同创新平台夏令营”，开放智算云平台与验证工具链，为科研人员提供“理论、算法、代码、验证”全流程实战训练，在真实算力环境中打通学术理论与工程实践的最后一公里。
九章云极在AI4S领域的独特价值，不止于提供澎湃的算力“发动机”，更在于打造科学发现的“校验仪”与“导航系统”。通过将普惠算力与可验证推理能力深度耦合，九章云极专业AI云正构建起覆盖“任务拆解—推理验证—结论回溯”的全流程闭环——在量子计算、复杂代数、物理仿真、视频生成等前沿场景中，每一次计算都经得起逻辑拷问，每一次推导都具备可追溯的证明链条。
算力的普惠，不只是价格可及、开箱即用，更是结果可信、推理可靠。当科研人员无需在“算力成本”与“验证成本”之间艰难取舍，当AI的每一次发现都能通过形式化检验，九章云极对AI4S的赋能落地便回归到了科研的本源——让科学家从重复试错中解放，将创造力聚焦于真正的未知探索。
