在中科闻歌举办的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、赛思极限首席执行官徐楠详细介绍了磐石2.0（ScienceOne-Omni）的最新技术突破。该模型提出“通专一体”技术路径，旨在通过融合通用知识推理能力与专业科学能力，显著提升复杂科学与工程问题的解决效率。
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，以及将科学对象映射到统一语言空间的领域语言模型。徐楠指出，这些路线在科学机理与数据融合、推理逻辑可解释性等方面仍存在普遍挑战。磐石2.0通过重构底层架构，采用联合训练方式将通用能力与专业能力深度整合，使单一模型能够跨领域处理复杂任务。
ScienceOne-Omni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、蛋白质序列、光谱数据及科学图像等多模态信息；中间层嵌入科学规律与专家经验，强化推理逻辑的可解释性；上层针对不同科研任务进行定向解码，支持科学数据理解、知识推理、性质预测及结构生成等多样化功能。该模型已构建包含800万条高质量科学推理数据的训练集，覆盖200余项科研任务，并将科研人员的思维模式转化为可验证的推理规则。
在专业评测中，磐石2.0在60余项科研任务中表现优异，尤其在化学性质预测、谱图到分子结构解析、蛋白质位点预测等任务中超越Gemini-3.1 Pro、GPT-5.5等通用模型。在谱数据分析场景中，该模型可完成从特征识别到分子结构解析的全流程推理；在化学材料领域，支持量子化学计算、药物ADMET预测等48类应用；结构生物学方面，实现蛋白质、DNA等7类生物分子的结合位点精准预测。
实际应用层面，ScienceOne系列技术已在多家科研机构落地。与中国科学院力学研究所合作开发的流体计算软件，将仿真结果输出时间缩短至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设计平台，将材料研发周期从数月压缩至30分钟，并发现催化活性提升38%的新型材料。与中国科学技术大学共建的机器科学家系统，通过整合文献挖掘、实验设计、计算模拟等智能体，已完成462组样品合成表征及千万级虚拟筛选，其中约四成候选材料性能优于原有样品。
为构建完整科研生态，研究团队联合中科闻歌推出科研智能平台ScienceOne.ai。该平台集成2000余项模块化科研组件（MCP）和3000余项可复用技能，支持科研人员根据任务需求快速组装智能体。目前平台已实现从数据采集到实验验证的全流程自动化，推动科研模式向智能体协同方向转型，为跨学科研究提供新型基础设施支撑。
