在WAIC 2026现场，一个明确的变化正在发生：科学智能体不再苦等更庞大的模型参数堆叠。上海人工智能实验室发布的Intern-S2-Preview-397B基座模型，给出了另一种可能。

技术核心在于架构层面的重新定义。通过Memory Decoder与Mobius架构，该模型首次在基座模型层面把知识存储和逻辑推理拆分成两个独立的系统。这有些像人类大脑的分工——一个区域负责记忆事实，另一个专注推演规律。

打开网易新闻 查看精彩图片

这种解耦带来了直接的红利。一方认为，更大的基座模型参数是唯一出路；但从Intern-S2-Preview-397B的表现看，在不到400B的参数量下，于分子设计、材料生成等科学任务上，实打实地匹配了万亿参数模型的水平。这在一定程度上颠覆了参数规模等于能力的线性公式。

与此同时，配套的“书生·端砚”科学发现平台一并启动。它试图解决的，正是当前科研工作者面对的新困境：通用知识库与垂直领域的专用工具链长期割裂。平台的作用，是把这些碎片化的能力缝合起来，降低科研人员使用AI智能体的实际门槛。科学智能体能否跨越实验室的玻璃门，这个基座和它的工具平台迈出了实质性的一步。