科學界迎來“通用語言”：阿里開源 LOGOS 模型，以超高效率重構科研範式

人工智能在科研領域的應用正邁向一個新的轉折點。6月18日，阿里 ATH-Token Foundry 聯合中國人民大學高瓴人工智能學院正式宣佈，開源了一款名爲LOGOS的多領域科學生成基礎模型。這款模型的誕生，標誌着科學界終於擁有了一套能夠通用的“科學語法”。

長期以來，不同科學分支之間存在着深不見底的“語言鴻溝”。蛋白質、小分子以及複雜材料，在AI眼中往往是結構迥異、難以兼容的數據孤島。爲了讓這些科學對象能夠“對話”，過去的研究往往需要依賴複雜的3D座標或專門設計的幾何神經網絡，不僅計算成本高昂，且模型通用性極差，換一個研究環節就得重起爐竈。

LOGOS 的核心創新在於打破了這種壁壘。它設計了一套共享詞表，將蛋白質、抗體、小分子及 MOF 材料等異構對象，通過統一的離散 Token 序列進行編碼。這意味着，模型不再依賴昂貴的3D空間信息，而是通過類似“讀文字”的序列預測方式，直接構建出複雜的3D空間互作規律。這種“科學語法”的建立，讓不同學科的數據在底層實現了知識共享。

在參數效率上，LOGOS 展現出了驚人的表現。LOGOS-1B 版本僅用1/56的參數量，就在多項代表性科學任務中實現了對微軟 NatureLM 的超越。此外，LOGOS 徹底解決了預訓練與下游任務之間的“目標偏差”問題，使得模型無需繁瑣的微調適配，即可直接激活生成能力，大幅降低了科研人員的開發門檻。

目前，LOGOS 已構建起包含7類模態、總計44.87B tokens 的超大規模預訓練語料庫。項目組已將相關模型權重、推理代碼及詳盡的技術報告全面開源，開發者可通過HuggingFace或GitHub訪問獲取。

這一突破性成果不僅爲科研自動化提供了強力引擎，也爲未來多模態科學大模型的開發樹立了全新的技術範式。隨着 LOGOS 的開源，科學界的“語言”或許將變得前所未有的統一與高效。