在2026世界人工智能大会（WAIC）期间举办的中科闻歌决策大模型系列产品发布暨人工智能与决策大模型论坛上，中国科学院自动化研究所研究员、赛思极限CEO徐楠宣布推出磐石2.0（ScienceOne-Omni）基础模型，并首次提出"通专一体"技术路径。该模型通过将通用知识推理能力与专业科学能力深度融合，旨在突破传统AI在复杂科学与工程问题求解中的局限性，为科研领域提供更高效的解决方案。
当前AI for Science领域已形成三条主要技术路线：面向特定科研任务的专用模型、通过智能体增强通用大模型能力，以及构建领域语言模型实现科学对象统一表达。然而徐楠指出，这些路线在科学机理与数据融合、推理逻辑及结果可解释性等方面仍存在共性挑战。磐石2.0通过重构底层架构，采用联合训练方式使单一模型具备跨领域处理能力，在60余项专业评测中超越Gemini-3.1 Pro、GPT-5.5等通用模型，尤其在化学性质预测、谱到分子结构预测等任务中表现突出。
该模型采用独特三层架构设计：底层统一编码文本、晶体结构、化学分子表达式、蛋白质、光谱及科学图像等多元数据；中间层融合科学规律与专家经验，构建可验证的推理链路；上层针对不同科研任务进行定向解码，实现科学数据理解、知识推理、性质预测及结构生成等功能。磐石团队联合中科院相关研究所构建的800万条高质量科学推理数据集，覆盖200余项科研任务，为模型训练提供了坚实基础。
在应用实践方面，ScienceOne已与数十家科研单位开展合作。与中国科学院力学研究所共同开发的流体高通量计算软件，将仿真结果输出时间从传统方法的数小时缩短至10秒内，误差控制在5%以内。与上海硅酸盐研究所联合研发的催化剂材料创制智能体，将材料设计周期从数月压缩至30分钟，并成功发现催化活性提升38%的新型催化剂。这些突破性成果验证了模型在流体力学、材料科学等领域的实用价值。
针对科研全流程协同需求，团队与中科闻歌联合打造科研智能平台ScienceOne.ai。该平台已接入2000余项MCP（模块化科研组件），沉淀3000余项可复用科研技能，支持科研人员根据任务需求快速组装智能体。与中国科学技术大学合作开发的机器科学家系统，已实现文献挖掘、实验设计、机器操作等智能体的自主协同，完成462组样品合成表征和千万量级虚拟筛选，候选材料性能优化率达40%，系统稳定运行超1500小时。
据技术团队介绍，磐石2.0的研发突破了传统模型架构限制，通过将科研人员的思维方式转化为模型推理规则，构建了可解释的决策路径。这种创新模式不仅提升了模型在专业领域的表现，还为跨学科研究提供了新的方法论支持。随着模型在更多科研场景的落地应用，其三层架构的扩展性和模块化设计优势将进一步显现，有望推动科研模式向智能化、协同化方向转型。
