大算力，大雄心：新的 AI-for-Science 项目征集
本周，Department for Science, Innovation and Technology 宣布了一项针对性算力征集计划，这可能会彻底改变英国雄心勃勃的研究项目的短期前景。符合条件的英国团队可以申请在 AI Research Resource 系统上使用 200,000 至 1,000,000 图形处理器（GPU）小时的算力。这种规模的原始算力足以训练极大型模型、运行长达数月的模拟任务，或驱动将 AI 与物理实验室相结合的闭环实验。申请窗口将于 2025 年 12 月 21 日星期日晚上 4 点关闭。
一百万 GPU 小时——能为研究人员带来什么
GPU 小时是衡量单个加速器被占用时间的单位。一百万 GPU 小时并非一个抽象数字：它相当于大约 100 个 GPU 连续运行一年，或者一个中型 GPU 集群在近乎满载的状态下运行数月。在这种规模下，研究小组可以训练科学领域的各种大型基础模型，为核聚变或材料发现运行详尽的高分辨率模拟，或者在计算机上（in silico）执行数千次物理信息驱动的实验。
此类配额发挥关键作用的实际案例包括：为分子设计训练生成模型、为核聚变研究执行大规模等离子体集成模拟、利用基于物理的神经代理模型进行高保真材料优化，或支持量子技术研究（其中经典 GPU 可加速噪声模型模拟和混合量子-经典算法）。其中许多活动对计算需求极高：真正的进展往往不仅需要算法上的聪明才智，还需要持续、可负担地获取成千上万甚至数十万个 GPU 小时。
优先领域与战略目标
该计划被明确框架为“AI for Science”优先征集。它确定了几个算力可以解锁突破性进展的焦点领域：工程生物学、前沿物理（包括核聚变）、材料科学、医学研究和量子技术。一个横向目标是支持那些迈向自动化或自主科学发现的项目——即能够生成假设、设计实验并在无需人类持续干预的情况下进行迭代的系统。
这一目标提高了门槛。自主发现工作流结合了模型训练、快速模拟、实验选择和结果同化——这些工作流既耗费算力，又难以协调。如果申请人能够展示一个可靠的闭环计划，并利用 GPU 来加速决策周期，而不仅仅是执行一次性的训练任务，那么他们将契合此次资助背后的战略意图。
申请资格与资助范围
申请资格仅限于英国境内的申请人：大学、有资格获得国家研究资助的研究机构、公共部门研究机构、慈善机构和注册企业。此次征集提供的是算力资源——即 AI Research Resource 系统上的使用时间——而非用于支付薪资、资本或其他费用的拨款。因此，项目必须规划如何将获得的算力与人员、软件、数据集和实验基础设施相匹配。
这种区别至关重要。获得 GPU 小时消除了一个主要瓶颈，但并不会自动为构建模型、维护管线或运行实验的人员提供资金。因此，团队必须提交一份综合计划，说明将如何使用算力，以及项目在运营、技术和伦理层面将如何持续进行。
评审员可能会关注的重点
- 科学雄心与清晰度：在优先领域之一拥有明确定义的目标，具备可衡量的里程碑，并明确 AI 的角色。
- 数据与可复现性：稳健的数据管理、来源追踪，以及在尊重隐私或生物安全限制的前提下共享模型或结果的计划。
- 伦理与安全：针对双重用途风险（尤其是在生物学领域）的评估、对模型行为的考量，以及自动化决策的治理。
- 机构就绪度：具备获取软件栈、工程人才的能力，以及将所获资源与本地计算或实验室设施整合的能力。
这如何适应全球算力格局
此次征集背景是全球公共和私营部门对大规模算力的巨大投入。世界各地的大学和国家实验室已经部署了全新的 GPU 超级集群和专用 AI 系统；企业则在继续构建 GPU 农场和 GPU 加速的工具链。对于许多英国团队——特别是那些无法资助自己数百万英镑 GPU 数据中心的小型团队、衍生企业或合作机构来说，高达一百万 GPU 小时的配额是一种准入门槛，能让他们在更公平的基础上与资金充足的国际参与者竞争。
与此同时，这项资助并非永久性的基础设施解决方案。它是一个分配给高优先级项目的限时算力池。为了保持长期竞争力，研究人员仍需要可持续的算力策略：混合使用国家设施、与商业云服务提供商建立伙伴关系，以及投资开发能让昂贵的算力周期发挥更大效用的软件。
给申请人的实用建议
- 明确算力预算。提供训练、验证、推理和模拟阶段的详细分解，并解释将如何测量和限制无效的算力消耗。
- 优先考虑可复现的管线。使用容器化、版本控制和清晰的数据访问规则，使评审员能够确信项目将顺利运行。
- 尽早解决治理问题。对于生物相关或具有双重用途的项目，应包含伦理审查和风险缓解步骤，以表明已考虑减小危害。
- 展示下游影响。资助者将青睐那些算力能够解锁显著科学成果的项目：经过验证的模型、可直接用于实验的材料、改进的核聚变构型或自主实验系统的原型。
机遇与局限
获取大量 GPU 小时可以催化雄心勃勃的工作：原型化物理信息基础模型、加速量子纠错模拟或扩展基于智能体的实验规划器。但算力只是一个维度。团队仍然需要软件工程、数据策应、领域专业知识，以及在许多情况下的实验合作伙伴，才能将模型输出转化为经过验证的科学发现。
此外，这其中还包含一种隐含的筛选：该奖项青睐那些能够吸收并使用极大量算力配额的项目。那些不需要数万个 GPU 小时的小型好奇心驱动型项目可能缺乏竞争力——这提醒我们，公共算力计划在响应研究需求的同时，也在塑造着研究的优先级。
测试自主科学的时机
该征集计划对实现自动化和自主发现的强调值得关注。在材料科学、核聚变、药物发现和量子器件工程等多个领域，研究人员正在探索结合模型训练、实验建议和迭代改进的闭环。这些工作流本质上是计算密集型的，因为它们必须支持大量的候选评估和快速的重新训练。
因此，这次算力资助不仅仅是为了把研究人员现有的工作做大。它是一份设计和测试新科学工作流的邀请：持续的、模型驱动的发现系统可能会改变实验规划和执行的方式。对于能够组织起必要软件、实验室合作伙伴和治理体系的英国团队来说，这是一个在以前无法触及的规模上运行现实世界试点的短期机会。
征集将于 2025 年 12 月 21 日下午 4 点截止，评审将综合考虑技术就绪度、科学雄心和负责任的部署。对于能够围绕清晰的算力计划整合人才、数据和代码的团队来说，这高达一百万 GPU 小时的资源可能是将一个想法从“有趣”推向“变革性”的关键助力。
Comments
No comments yet. Be the first!