在ai從「秀肌肉」轉向「下場幹活」的今天，行業正在回答一個核心問題：如何讓強大的ai真正成為產業的生產力？
在今年的世界人工智慧大會（waic）上，無限光年給出了自己的解題思路。它沒有捲入通用大模型的參數競賽，而是清晰地亮出了「一橫兩縱」的戰略打法：以「啟智2.0」ai平台為技術底座，縱向深耕兩大垂直領域——一邊是面向「ai for science」的「星河啟智」科學智能開放平台，另一邊則是聚焦金融行業的可信ai解決方案矩陣。
同時面對科學探索與要求嚴苛的金融場景，無限光年正在ai產業化的深水區，探索一條價值驅動的落地路徑。
科學智能正迎來需求深化的關鍵階段：1.0時代，少數科學家打通了ai與科研的連接，讓ai在科學領域初顯潛力。如今，科研邊界持續拓展，科學家們最迫切的訴求是「技術隱形化、科研專註化」——他們需要一個水電煤一樣的ai基礎設施，而不是需要人人都成為ai專家。
在此背景下，由上海科學智能研究院聯合復旦大學和無限光年打造的「星河啟智」科學智能開放平台，正致力於成為「ai for science 2.0時代的最強大腦」。它的核心目標很純粹：讓科學家從繁瑣的技術細節中解放出來，回歸科學探索的本質。
驅動這個平台的「引擎」，是無限光年推出的「啟智lab」。它並非簡單堆砌算力，而是像一位精密的資源調度大師。在過去，cpu與gpu的協同往往效率低下，而「啟智lab」通過創新的融合調度技術，能讓兩者精準分工、各展所長。這種協同帶來的改變是驚人的：在分子生成研究中，過去需要8小時的流程被硬生生壓縮到了1分鐘，效率提升了99.7%。
它還巧妙地解決了科研模型部署中普遍存在的「長尾效應」——大量模型閑置導致算力浪費。通過serverless技術，「啟智lab」讓模型在閑置時自動休眠，調用時即刻喚醒，將算力運用變得如呼吸般自如。這一機制將硬體利用率從普遍的60%以下提升到了驚人的92%，把每一分「閑置算力」都轉化成了寶貴的「彈性效能」。
對於動輒數周乃至數月的長周期科研任務而言，最致命的莫過於硬體故障導致前功盡棄。「啟智lab」則構建了一道堅實的「安全防線」，其智能容錯與續訓技術能在0.2秒內捕獲異常，5秒內無感切換備用資源，實現了高達99.9%的零中斷續訓，為科學家的寶貴心血保駕護航。
當ai不再是需要費心伺候的「技術大神」，而是成為一個穩定、高效、隨取隨用的「隱形助手」，科學發現的範式或許將迎來真正的變革。
如果說科學智能追求的是探索效率的極限，那麼金融ai的核心命題則是：信任。
在一個高風險、強監管的領域，一個無法解釋、無法追溯的「黑箱」模型是不可接受的。對此，無限光年的破局之道是一套「雙引擎+強協同」的全棧技術體系。其技術底座並非單一的大模型，而是「神經符號計算」與「大模型」的深度融合。前者專攻邏輯規則推理，負責讓ai的決策「說得清」；後者則擅長從海量數據中學習概率預測，負責讓結果「算得准」。兩者結合，最終形成「精準計算—可控推理—透明決策」的閉環，從根源上保障了ai的智能性與可信性。
這並非停留在概念層面，其力量已經在一線業務場景中得到驗證。在投資研究領域，一個ai助手能在5分鐘內完成單份年報的全維度分析，效率較人工提升超90%，覆蓋了a股5300多家上市公司。在指數編製場景，ai將成分股的覆蓋範圍拓展了3倍，同時將調倉周期從傳統的季度壓縮至分鐘級的實時響應。而在普惠金融領域，智能信貸風控系統則能自動化地識別風險點並生成信貸建議，在提升服務時效的同時，牢牢把控住了風險。
這些不再是ppt上的構想，而是已經落地的解決方案。它證明了ai在金融領域，可以從「能用」的工具，進化為「敢用」的夥伴。
從星河啟智到金融可信ai，無限光年的戰略圖景逐漸清晰：以「啟智2.0」這個全棧ai平台作為橫向的技術底座，縱向深入科學與金融兩個對技術要求最嚴苛、對價值創造最直接的領域。
這種「平台支撐場景，場景反哺平台」的模式，正在形成正向循環。在科學場景中磨練出的極致算力調度和穩定性，可以賦能給金融場景；而在金融場景中驗證的可信ai能力，同樣可以為需要嚴謹推理的科學研究提供參考。
「ai產業正在經歷從技術崇拜到價值回歸的本質轉變，而可信性正是這場變革的核心樞紐。」無限光年創始人漆遠在waic現場分享道，「未來的ai競爭，不是算力或參數的比拼，而是價值創造能力的較量。」
在他看來，ai技術必須完成從「能用」到「敢用」再到「好用」的三重跨越，這要求ai企業不僅要懂技術，更要懂行業的語言、規則和痛點。
可以看到，無限光年正以可信 ai 為錨點，深化核心領域創新，試圖以一個更懂行業、更可信賴的姿態，在ai的下半場，下一盤關乎產業價值的棋。
