问题：新一轮科技革命和产业变革加速演进，科研范式与产业形态对计算能力提出更高要求。面对数据规模爆发式增长、应用场景快速扩展以及复杂系统智能化需求提升，传统“数据下传—地面处理—再决策”的模式时效、成本和资源占用上压力凸显；生命科学领域则出现“数据可得、机理难解”的矛盾，大规模基因组数据如何被系统性“读懂”，成为制约科研转化的重要瓶颈。 原因：一方面，算力已从支撑性资源转变为关键生产要素，决定了模型训练、推理与应用的上限；另一方面，数据与模型的协同创新不足，导致“有数据缺理解”“有模型缺落地”的结构性问题仍然存。尤其在航天场景中，星上功耗、带宽、时延和任务不确定性并存，要求模型具备更强的自主决策与边缘计算能力；在生命科学场景中，序列长度、结构复杂度与多模态信息耦合，要求基础模型具备更强的长序列建模与泛化能力。基于此，之江实验室将智能计算置于战略高位，着力构建从算力、数据到模型的系统化创新链条。 影响：在航天领域，之江实验室协同全球合作伙伴打造的三体计算星座，推进“算力上天、模型在轨”的新路径。2025年5月，星座首发任务完成，12颗计算卫星搭载80亿参数天基遥感模型，可对L0至L4级卫星数据进行在轨处理，并已实现多类模型与应用的在轨部署。实践表明，“模型能力”正在成为拓展卫星能力边界的关键变量：在执行常规遥感任务过程中，卫星依托地表异常检测模型自主识别疑似火情，实现火点与烟雾范围的判别与分割，为城市治理、应急救灾等提供更及时的前端信息，也验证了在轨智能处理在提升响应速度、降低通信负担上的现实价值。 在科学观测领域，星座部分卫星搭载宇宙X射线偏振探测器，并部署天基天文时域模型，实现对伽马射线暴的在轨快速判定、分类及触发协同观测。有关任务运行数据显示，通过在轨实时分析与判别，可将下传数据量由每天数百MB降至数十KB，处理时间由数小时压缩至数秒，并保持较高识别准确率。这个变化不仅提升观测效率，更为“边观测边分析、边决策边协同”的天文研究新范式提供了技术支撑。 在生命科学领域，随着DNA测序成本下降与规模化普及，数据生产能力大幅增强，但基因序列调控机制的系统解读仍是难题。之江实验室与华大生命科学研究院联合攻关，完成百亿级人类基因组基础模型Genos，为科研人员与开发者开展下游应用提供了新基础工具，推动基因数据从“存量”向“增量价值”转化，亦为精准医学、药物研发与人群队列研究等方向拓展了想象空间。 对策：面向“算力成为核心能力”的趋势，之江实验室的路径更强调体系化：其一，在基础设施层面，推动算力与应用场景协同设计，形成适配在轨、边缘和行业场景的计算能力供给；其二，在数据层面，围绕关键行业构建可用、可控、可复用的数据治理与加工链条，提升数据对模型训练与推理的有效支撑；其三，在模型层面，推进从“单点模型”到“系统智能体”的演进，探索具身智能卫星模型等方向，使模型具备感知、分析、决策与执行的闭环能力，减少对地面控制的依赖；其四，在协同层面，推动跨机构联合攻关与开放合作，形成“科研—工程—应用”贯通的创新机制，提高成果转化效率。 前景：业内认为，随着星上智能从单星走向星座协同，未来三体计算星座有望通过动态任务分配与智能协作，实现更高水平的全局最优调度与资源利用，推动星座从“多颗卫星并行工作”迈向“像一颗卫星一样协同”。在生命科学方向，基因组基础模型与多模态融合模型的持续迭代，有望提升对复杂生物信息的可解释性与可迁移性，促进科研范式从经验驱动向计算驱动、从局部分析向系统理解转变。总体看，围绕算力、数据、模型的底座建设正成为链接基础研究与产业应用的关键纽带，也为地方高能级科创平台服务国家战略需求提供了可复制的实践样本。
从浩瀚太空到微观基因，之江实验室的实践印证了基础研究与应用创新的深度融合潜力。在抢占全球科技制高点的征程中，这种以原始创新驱动产业变革的发展模式，不仅为高质量发展注入新动能，更彰显出新型举国体制下科技攻关的中国特色路径。当智能计算逐渐成为新时代的"基础设施"，其引发的链式反应必将重塑未来产业生态。