一是加快自主实验室体系建设。统筹自主实验室建设、重大科技基础设施和科研仪器智能化升级、科研智能体与工具集研发，打造具备全流程自主运转能力的智能实验载体，构建计算与实验双向反馈的干湿闭环科研新模式，建成具备自主感知、自主决策、自主执行能力的自主实验室，完成一批重大科技基础设施迭代升级、开放共享。

二是推动高价值场景标杆应用。聚焦高能物理、材料科学、医疗健康、生命科学、量子科技、生物育种六大重点领域，布局智能化科研攻关任务，形成一批标杆场景，加速产出创新成果，以人工智能赋能基础前沿研究与产业研发，缩短研发周期、降低试验成本。

三是做强分层协同科学模型体系。从基础理论、通用科学基础模型、细分领域专业模型三层递进布局，突破多尺度建模、新型神经网络等核心技术，推动内嵌物理规律的人工智能模型与传统科学计算深度融合，建立基础模型与专业模型联动适配机制，实现人工智能赋能科学研究基础理论和关键技术重大原创突破，建成对标国际一流水平的“基础模型+专业模型”协同联动科学模型体系。

四是夯实标准化科学数据底座。统筹推进科学数据中心建设，完善北京科学数据管理制度，汇聚整合多源科研数据资源；建设智能化科学数据加工工具体系，打造高质量、标准化、可复用基础学科科学数据集。

五是培育开放创新生态。统筹复合型人才引育、国际科技交流合作、区域协同与算力保障四大举措，搭建全球学术交流平台，统筹调度北京算力资源，构建人才、算力、开放合作一体化保障体系，形成高端人才集聚、开源开放共享、产学研用深度融合的科学智能创新生态。

从上述部署可以看到，《实施方案》所指向的科学智能发展路径，覆盖科学研究从问题提出、知识获取、模型计算、实验验证、数据沉淀到成果产出的全流程。多年来，深势科技围绕 AI for Science 持续开展相关技术、产品与服务布局，以“加速科学发现，释放科学价值”为使命，致力于打造 AI 科学家（AI Scientist）及自主进行科学发现的智能系统。

围绕人工智能赋能科学研究的基础设施建设需求，及AI科学家的长期愿景，深势科技以“深势·宇知”科学发现智能引擎为基础，打造了一系列 AI for Science 研发基础设施：玻尔·科学导航面向科研问题检索、文献追踪、论文阅读、综述撰写、科研图示生成等环节，支持科研人员完成从问题到产出的科研工作流；玻尔·科学百科专注于数据与文献，是一个能够「自主进化」的知识系统，将为科学研究提供坚实稳健的科学数据底座；Hermite、Piloteye 等智能研发平台，面向生命科学、物质科学等领域提供智能计算与研发工具；玻尔·跃迁实验室面向真实物理世界的实验环节，打通“读、算、做”完整科研闭环，推进智能化实验能力建设。