阿里通义千问大模型助力中科院科研攻关

QwQ-32B赋能太阳活动预测与青藏高原水安全研究

By Staff Reporters

阿里巴巴通义千问团队研发的推理型大语言模型QwQ-32B，已深度融入中国科学院多家科研机构的科学研究，在太阳耀斑预测和青藏高原水资源动态监测等领域取得突破性进展。

▲ 位于西藏自治区西南部珠穆朗玛峰脚下的东绒布冰川（新华社图片）

太阳耀斑是研究太阳活动的重要窗口，其研究依赖大量多模态数据处理，对算法能力要求极高。基于QwQ-32B开发的太阳物理大模型“金乌”，由中国科学院国家天文台（NAOC）团队用于精准预测太阳耀斑爆发。

据国家天文台AI团队成员李宇阳介绍，“金乌”通过在通义系列大模型基础上进行监督学习与强化学习训练，具备理解太阳物理问题、识别并分析太阳图像的能力。其预测准确率已达国际前沿水平，训练与测试数据涵盖NASA太阳动力学观测站卫星数据、北京怀柔基地35厘米磁场望远镜观测数据，以及我国2022年发射的太阳探测卫星“夸父一号”的全日面矢量磁像仪数据。

此外，天文领域大模型“星语3.0”已接入国家天文台兴隆观测站的Mini-SiTian阵列，可实现自主观测控制、数据分析与后续观测建议生成。

鉴于科研场景对数据安全的高要求，部分项目采用本地化部署方案。QwQ-32B在保障模型性能的同时具备较低部署成本，满足了科研单位的实际需求。

在青藏高原生态研究方面，该区域被称为“亚洲水塔”，是全球气候变化最敏感区域之一。第二次青藏科考发现，高原固态水加速消融，液态水储量上升，气候变化带来的不确定性可能引发水资源与能源安全风险。

为此，中科院青藏高原研究所（ITP）联合阿里云共同研发“洛书”——国内首个聚焦水-能源-食物耦合关系的多模态推理大模型，致力于应对气候变化适应性挑战。

水-能源-食物耦合系统涉及三者间的复杂相互作用，研究该机制对构建韧性应对策略至关重要。ITP助理研究员夏最慧表示，“洛书”基于研究所自研模型“四元”构建，并融合高原时空数据进行训练，输出包括支持水电预测的径流量数据及精确刻画水文过程的高维数据。

传统高维数据难以被一线人员直接解读。通过接入通义千问大模型，“四元”实现了自然语言查询与结果输出，并支持高维数据可视化，使现场决策更高效直观。

结合“四元”与QwQ-32B，“洛书”可直接通过大模型推理得出结论。例如，针对旱季应关注哪些指标、未来如何适应气候变化等问题，模型能提供可解释的决策建议。

研究团队还依托阿里云提供的AI算力、数据存储与深度学习平台，高效完成大规模数据处理与模型迭代，显著提升科研效率。

未来，“洛书”将接入通义视觉语言模型Qwen-VL，提升图像数据识别能力，并与具身智能体、空天一体化动态数据中心协同，为青藏高原生态保护与可持续发展提供科技支撑。

Editor | SONG Ziyan
Supervisor | FANG Linlin