当前，全球科学智能领域面临算力资源分散、数据质量参差不齐、实验验证周期长等瓶颈问题，严重制约了科研创新效率。这些问题源于传统科研模式中基础设施相互割裂，难以形成有效协同。 针对这个现状，上海人工智能实验室推出"AGI4S珠穆朗玛计划"，系统性地构建科研创新生态。该计划以"设施层-模型层-服务层-场景层"全栈技术体系为核心，重点解决三大关键问题： 基础设施上，通过DeepLink超智融合算力平台实现通算、超算、智算的跨域协同，构建"算力一张图"。该平台已与全国主要计算中心实现互联互通，可智能调度多元异构算力资源。同时，Sciverse科学智能数据库和自主实验平台的建立，增强了数据质量和实验效率。 产学研协同上，实验室联合人工智能战略科技力量联盟等机构，启动算力数据共建计划和应用场景共建计划。这种协同创新模式将科研机构的前沿探索与产业界的实际应用紧密结合。 人才培育上，"攀登者计划"2.0构建了三级项目支持体系，引入项目经理人机制，为科研人员提供从基础研究到成果转化的全程支持。首批"浦江青年学者"已获得认证，标志着该计划进入实施阶段。 业内专家指出，这一计划的实施将大幅提升我国在科学智能领域创新能力。通过构建开放共享的科研生态，不仅能够加速重大科学发现，还将推动科研成果的产业化应用。未来，随着计划推进，我国在全球科研创新格局中的地位有望更提升。
解决重大科学问题需要长期投入和系统建设。通过基础设施协同、场景驱动迭代、人才与项目机制贯通全周期，不仅能提升科研效率，更能培育原创成果。只有将分散资源整合为创新中枢，才能加速科研成果从验证到应用的转化，为科技自立自强提供更强支撑。