12月7日，2025大灣區科學論壇人工智能分論壇暨第六屆中國（廣東）人工智能論壇在廣州南沙舉辦。百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰發表主旨演講，他&&，當前人工智能正以前所未有的速度加速演進，科學智能（AI for Science）成為全球科技競爭的新焦點。深度學習的強擬合能力、跨尺度跨模態建模能力以及機理與數據深度融合能力，為科學研究帶來新方法。

活動現場，王海峰進一步分享，深度學習平台通過高階微分方程快速求解、複數計算高效穩定、超大規模深度學習高效訓練、異構算力全場景適配等技術創新為科學智能提供基礎支撐。

深度學習平台下接芯片，上承應用，相當於“智能時代的操作系統”。以百度飛槳為例，飛槳集核心框架、基礎模型庫、端到端開發套件、工具組件及星河社區於一體，降低了AI開發和應用的門檻，促進AI普惠。

通過算子拆解、編譯器自動優化，飛槳突破了傳統數值方法的性能瓶頸，在複雜流場建模、熱倣真等任務上求解速度大幅超過傳統數值方法；在高雷諾數流場重建任務上求解速度提升 40 多倍，在芯片快速熱倣真任務上求解速度提升 130 多倍。

複數計算也是科學計算中的核心能力。王海峰介紹，通過構建原生複數數據類型、複數高階自動微分及傅裏葉變換算子庫，實現了極致性能與完備功能的複數計算體系。

在大模型訓練方面，科學計算大模型的訓練面臨極高的性能門檻。飛槳大規模自適應混合併行訓練技術，通過端到端自適應分佈式訓練、自動容錯等技術，實現了高效、穩定的大規模深度學習訓練。多芯片適配能力是飛槳的另一項核心優勢。飛槳已適配60多個系列芯片，通過軟硬體分層對接、計算存儲通信組合優化等技術，降低硬體適配成本，提升計算效率。

在應用方面，王海峰展示了深度學習在工業製造、生物醫藥和材料科學等領域的巨大潛力。例如，在高鐵空氣動力學設計中，基於飛槳的高鐵外形倣真設計，倣真計算周期從天級縮短至秒級；在生物計算領域，HelixFold系列模型在蛋白質結構預測、生物分子相互作用建模等任務上持續取得突破，推理大模型HelixFold-S1基於引導規劃的採樣策略，實現了“先接觸預測、後引導採樣”的推理過程，突破了複雜結構預測的性能瓶頸。

最後，王海峰&&，人工智能將重塑科研範式，加速科學發現與科技創新。産業界、學術界與科研機構加強協同，為加快人工智能發展、實現高水平科技自立自強貢獻更大力量。