昇腾生态与5.0空间底座的互相借力
昇腾生态与5.0空间底座的互相借力
2026 年 6 月,紫东太初企业级科研智能体 ScienceClaw 正式入驻华为云行业 AI 梦工厂·科学计算专区,成为 AI4S 核心合作伙伴;三个月后,ZDTaichu5.0-9B 以开源权重形式发布,把"空间具身能力"塞进了一个 9B 参数、单卡可跑的轻量多模态模型里。前者在应用层补全科研全流程闭环,后者在模型层提供物理世界理解底座——这两件事叠加起来,恰好勾勒出一条被舆论聚光灯("华为云×ScienceClaw")遮住的主线:紫东太初与昇腾生态的协同,从来不是一次签约,而是一套从算力栈、训练框架到部署平台、行业应用的长期互相借力。
昇腾生态合作的历史脉络:一条从昇思到华为云的暗线
紫东太初与昇腾生态的绑定,可以追溯到 2022 年。在当年的华为全联接大会上,中国科学院自动化研究所所长徐波明确提出"多模态是人工智能迈向通用化的关键一步",并展示了昇腾 AI 与紫东太初在赋能法律服务等场景的落地。2023 年,基于昇思(MindSpore)打造的紫东太初大模型拿下中国算力大会年度突破成果奖——这是国产大模型与国产训练框架组合的公开背书。
同期,社区里已有开发者沉淀了在 ModelArts 上部署紫东太初推理服务的实践记录(2022 年 7 月),涉及 MindSpore 1.6.1、Docker 20.10.17 与下游任务微调服务的完整链路。这说明昇腾云侧的模型托管与推理管线,很早就成了紫东太初生态事实上的部署通道。
这条暗线的价值在于:它让"华为云×ScienceClaw"不是一次从零开始的商业合作,而是既有算力-框架-模型协作关系的自然延伸。昇腾提供了从芯片到云的纵向栈,紫东太初则在这条栈上持续产出多模态模型与上层应用。
ScienceClaw 入驻华为云:应用层把"感知-推理-行动"闭环补全
ScienceClaw 的定位不是又一个大模型 API,而是一个面向科研场景的"全流程 AI 科学家"。根据官方介绍,它以 4.0 多模态推理大模型为底座,构建主从多智能体工厂与 3000+ 科研工具链,覆盖生命科学、材料科学等 8 大领域;内置 1.7 亿文献结构化知识库与 PB 级实验室实操数据,支持从文献研读、方案设计、数据运算、模拟实验到成果输出的端到端自动化,并可联动自动化实验设备。实测案例中,前沿新材料研究(钙钛矿、纳米材料)可在 2 小时内完成传统需 3–6 个月的工作。
入驻华为云行业 AI 梦工厂·科学计算专区,对双方都是补位:
- 对华为云,专区获得了一个"能跑通科学计算全流程"的旗舰智能体,把云从算力出租升级为科研生产力平台;
- 对紫东太初,ScienceClaw 拿到了昇腾云的规模化入口,多智能体协同所需的稳定推理、沙箱化数据建模、高敏感数据隔离等企业级能力,依托云底座落地。
这个阶段的分工很清晰:华为云出平台与算力,ScienceClaw 出智能体与应用闭环。但应用层闭环依赖一个前提——底座模型得真正理解物理世界的空间关系,否则"科研智能体"只能停留在文本推理。这也正是 5.0 空间底座要补的位。
5.0 空间底座:从源码看 ZDTaichu5.0-9B 凭什么补位
ZDTaichu5.0-9B 是一份可以直接阅读源码验证的空间具身底座。仓库 config.json 与 modeling.py 把架构交代得很清楚:
视觉侧:C-RADIOv4-H(ViT-H/16,653M)视觉编码器,支持任意分辨率输入(force_image_size=512、max_dynamic_patch=12、downsample_ratio=0.5),视觉特征经 pixel_shuffle 降采样后,由 RMSNorm → Linear(5120→20480) → SquaredReLU → Linear(20480→4096) 投影器注入语言模型——投影层刻意做成大中间态(20480 维),为跨模态对齐留足容量。
语言侧:Qwen3.5-9B 解码器采用 3:1 的混合注意力架构(32 层中 24 层 Gated DeltaNet 线性注意力 + 8 层全注意力,见 configuration.py 的 _LAYER_TYPES_32),max_position_embeddings=262144 支撑 128K 长上下文。
空间理解的关键机制:modeling.py 中的 get_rope_index() 与 get_vision_position_ids() 为视觉 token 计算三维 M-RoPE 位置(temporal / height / width),图像按 InternVL 式 tile 网格切分,文本 token 使用标准 1D 位置——这让模型在原生位置编码层面就感知"图上哪里是哪里",而不是把图像压平成一串无空间语义的 token。
这些设计落到评测上是实打实的:在九大空间理解基准中,ZDTaichu5.0-9B 拿下八项第一(README 的完整对比表见 README.md),其中 MindCube-tiny(三维空间推理)78.27、ViewSpatial(动态视角空间一致性)62.50、MMSI-Bench 47.20、VSI-Bench 59.69,均显著超过同量级开源对手;ERQA 48.00、RoboSpatial 56.00 覆盖场景推理与可操作性(affordance)理解。同时通用能力并不打折:IFEval 93.7、AI2D 91.48、TAU2-Bench 87.7、Claw-Eval 71.4,在通用视觉、指令遵循与智能体任务上保持第一梯队。
更关键的是部署门槛。仓库 README.md 给出了官方在线服务方案:基于定制 vLLM v0.26.0 分支,一条 --tensor-parallel-size 1 的启动命令即可单卡运行,配合 --gdn-prefill-backend triton 与 --mamba-ssm-cache-dtype float32 处理混合注意力与 SSM 缓存;离线推理只需 transformers==5.3.0 + torch==2.10.0 加一段 AutoModel 加载代码。对于昇腾生态里的边缘算力、行业一体机与超算节点,9B 参数意味着"空间具身能力"第一次能以可负担的显存成本落到真实设备上——这与社区对"边缘/机器人场景优先 9B 多模态模型"的选型判断一致。
互相借力:三条证据链
把时间线摊开看,昇腾生态与 5.0 空间底座形成了清晰的互相借力结构:
其一,算力与框架侧。昇思与昇腾云是紫东太初长期训练与部署通道(2023 算力大会奖项、ModelArts 部署实践),5.0 的开源权重又反过来成为昇腾栈上"空间具身"方向的标杆负载,为昇腾在具身智能、机器人等新赛道提供了可验证的模型抓手。
其二,平台与分发侧。2026 年 9 月,ZDTaichu5.0-9B 与上海 AI 实验室、网易有道等旗下共六款模型一同上线国家超算互联网 AI 社区,支持本地部署与二次开发;紫东太初(北京)OPC 社区也在石景山区人工智能产业集聚区落地。开源权重 + 国家级算力网络 + 区域产业社区的组合,让 5.0 底座不再依赖单一云厂商的渠道。
其三,场景与闭环侧。ScienceClaw 的科研全流程闭环需要空间与多模态底座支撑"看实验、读数据、做规划";而 5.0 的空间具身能力在工业焊装、智能制造、科学实验等场景的落地(社区已有"从失败到闭环进化"的实践记录),恰好为昇腾生态补上了从文本智能走向物理智能的关键一块。正如产业媒体所概括的:紫东太初正从"多模态大模型"走向"产业底座",而物理 AI 已进入产业验证期。
结语:生态协同的胜负手在"底座厚度"
华为云×ScienceClaw 是显性的合作样板,但真正决定生态粘性的,是 ZDTaichu5.0-9B 这类开源底座的厚度:3:1 混合注意力与三维 M-RoPE 把空间感知做进架构,9B 规模把部署成本拉到单卡,开源协议把二次开发权交给开发者——当底座足够薄(轻量可部署)又足够深(空间推理断层领先)时,昇腾生态的行业 AI 场景、科学计算专区与机器人赛道,才有了共同的"地基语言"。互相借力的下一章,取决于这层底座能在多少真实物理场景里跑通闭环。