在2026世界人工智能大会（WAIC）上，一条来自科学计算领域的消息引发广泛关注：北京科学智能研究院（AISI）研发的DPA大原子模型，历经4年4次迭代，其最新版本DPA4的综合性能指标，在材料发现领域的国际权威榜单上位列全球第一。
这不是一次简单的"刷榜"。DPA系列的崛起，代表着中国在科学计算这一关键基础领域，完成了从追赶到领跑的历史性跨越。
一、四年磨一剑：DPA的技术进化之路
DPA（Deep Potential Atomistic）大原子模型的发展史，本质上是一部科学计算范式的迭代史。
初代DPA的核心理念是"深度学习势函数"——用神经网络来拟合原子间相互作用的高维势能面。传统方法依赖经验势函数或密度泛函理论（DFT），前者精度不足，后者计算成本极高。DPA的突破在于：通过深度神经网络从第一性原理数据中学习，实现了接近DFT的精度，但计算速度提升了数个数量级。
DPA2在初代基础上扩展了元素覆盖范围，从最初支持少数几种元素扩展到覆盖元素周期表的大部分元素。这一步看似简单，实际上涉及多元素体系下神经网络架构的重新设计——不同元素的原子间相互作用模式迥异，需要模型具备更强的泛化能力。
DPA3的关键创新在于"预训练+微调"范式的引入。借鉴大语言模型（LLM）的成功经验，DPA3首先在海量材料数据上进行预训练，获得通用的原子相互作用知识，然后针对特定材料体系进行微调。这使得DPA3在陌生材料体系上的表现大幅提升，摆脱了"见过才能算准"的局限。
DPA4则是一次体系级的重构。它整合了多尺度建模能力，从原子尺度到介观尺度实现了统一描述，同时引入了主动学习机制——模型能够自主判断哪些区域的预测不确定性较高，并自动请求新的第一性原理计算数据来改进自身。这种"自我进化"能力，让DPA4在材料发现的国际权威基准测试中脱颖而出，综合性能跃居全球第一。
北京科学智能研究院院长李鑫宇这样描述DPA的定位："在自主实验室，我们希望做到读、算、做的科研流程全闭环。尤其在算的部分，大幅度提高仿真精度与效率，这是以大原子模型为代表的这类计算模型发挥的最重要作用。"
二、从实验室到生产线：DPA4的产业价值
DPA系列的价值远不止于学术指标。它的核心应用场景直指两大万亿级产业——药物设计和材料设计。
在药物设计领域，传统方法筛选候选分子耗时漫长：一个药物从发现到上市平均需要10年以上，研发成本超过10亿美元。DPA4能够在数小时内完成对数十万种候选分子与靶点蛋白相互作用的精确模拟，将虚拟筛选效率提升数百倍。全球大量科研用户已经使用DPA4辅助药物分子设计，覆盖抗肿瘤、抗病毒、神经退行性疾病等多个方向。
在材料设计领域，DPA4的应用同样深远。从新能源电池的电解质材料、到航空航天的耐高温合金、再到半导体器件的界面材料，材料的微观原子排列决定了其宏观性能。DPA4的高精度原子级模拟让"按需设计材料"成为可能——先计算、再合成，而非传统的"先合成、再测试"。
更值得关注的是，DPA4已融入北京科学智能研究院构建的"玻尔科研空间站"平台体系，与自主实验室的机械臂、自动化工作站深度打通。在这个体系中，AI"大脑"（DPA等科学模型）在数字空间虚拟推演数千次，研判筛选出最优方案后，向实验室硬件设备下达操作指令。这种"读文献-做计算-做实验"的一站式闭环，正在重新定义科研的范式。
三、中国科学计算的崛起信号
DPA4的登顶并非孤立事件。在2026世界人工智能大会上，中国科学院研发的磐石·科学基础大模型2.0同步发布，服务超3万名科研工作者。这些信号共同指向一个事实：中国在科学计算领域的系统性能力正在形成。
科学计算长期被视为"卡脖子"的关键环节。工业软件、仿真工具、计算化学平台长期由欧美主导。DPA系列的开源策略则改变了这一格局——全球开发者可以在DPA的基础上自由构建应用，形成了一个快速增长的生态。目前，DPA开源社区已汇聚全球数万名开发者，覆盖150余所高校和上百家企业。
从更大的视角看，DPA4的成功验证了一条技术路径：在科学计算领域，中国不需要在每一个细分方向上都从零追赶，而是可以通过人工智能的加持实现"换道超车"。第一性原理计算的物理框架是通用的，但如何用深度学习高效逼近这些物理规律，是一个全新的竞技场。在这个竞技场上，DPA团队证明了中国团队不仅可以参赛，还可以夺冠。
结语
DPA系列四年四迭代，从深度学习势函数的创新应用到登顶全球第一，这背后是北京科学智能研究院团队对"AI for Science"方向的长期坚守。在全球人工智能竞赛日趋激烈的当下，DPA4的故事提供了一个珍贵的范本：真正的技术领先，不在于参数量的军备竞赛，而在于对核心科学问题的深度理解和不懈攻克。
当越来越多的科研人员通过DPA4设计出更好的药物、更优的材料，这种影响力的积累，远比任何榜单排名都更具说服力。中国科学计算的隐形冠军，正在为全球科研贡献中国智慧。