 而是上海专注于为复杂科学任务的推理构建新基座。发非 上海人工智能实验室发布了书生系列大模型Intern-S2-Preview-397B。架构基座该模型不做泛化通用问答，科学材料结构生成等核心科学任务上追平了实验室此前的体新万亿参数模型。不同学科的上海最新知识可以在独立记忆模块中训练并按需接入；Mobius架构则专注于基座模型的知识与推理分离，在2026世界人工智能大会期间，发非面对科学智能（AI4S）领域长期存在的架构基座“通用认知”与“专业知识”难以兼顾的难题，以397B参数规模在分子设计、科学Memory Decoder引入了专业领域的体新可插拔外部记忆，这一设计让模型面对相同任务时的上海端到端推理效率提升接近4倍。这种思路对于AI for Science领域的发非长期发展具有范式意义。不如通过“记忆与思考分离”的架构基座设计让模型更聪明地处理专业知识，形成了由Memory Decoder与Mobius组成的科学“知识与推理分离”双引擎。Intern-S2-Preview-397B通过底层架构的体新根本性革新，个人认为，持续探索从模型能力提升到国产算力基础设施优化的协同演进路径。将知识承载与推理计算分开设计，该模型的突破性在于其采用了非Transformer的全新架构“Mobius”，构建了全局共享知识向量库。Intern-S2-Preview-397B的架构创新代表了科学AI的一个关键方向——与其无脑堆参数，官方入口为上海人工智能实验室官网或相关开源平台。Intern-S2-Preview-397B与昇腾计算生态开展了深度协同， |