深势科技 DP Technology // 玻尔 Bohrium 访问官网 ↗
  • AI for Science
  • 云科学计算
  • 分子模拟
  • 科研协作
  • 大模型基础设施

科研上云之后，卡住你的不再是算力，而是"算完之后呢"

很多课题组都经历过这种窘境：好不容易申请到超算机时，排队等到课题截止；好不容易在本地集群跑完第一性原理，却发现环境配了三天、结果复现不了；更别说把分子动力学、量子化学、有限元这些跨尺度任务串成一条流水线的痛苦。玻尔（Bohrium）想解决的，正是"科学计算从能跑起来，到真正能协作、能复用、能产出"这最后一公里。

一句话认识它：玻尔（Bohrium）是北京深势科技有限公司（DP Technology）出品的AI for Science 科研云平台与科研空间站[1]，定位为"全球 AI4S 时代下的云科研入口"，覆盖科研"读—算—做"全流程与"教学研用"多场景[5]。它把海量云端算力、预装的科学计算软件、自研科学大模型（DPA、Uni-Mol、Uni-RNA、Uni-Fold 等）与团队协作工具整合在一个平台上[2]，让科研人员打开网页就能提交计算、实时预览结果、复用他人环境，而不必再为底层基础设施耗费精力。

一组数字：玻尔不是一个"能跑任务的网页"

理解玻尔的体量，先看它的基础设施与生态规模。这些数字背后代表的是"基础设施即服务"的科研范式，而非一个简单的计算提交入口。

100万核CPU 算力池化规模
1万卡GPU 算力池化规模
50%软件深度调优后效率提升
100万+科研用户规模（人民网报道）
300+Apps 应用商店已集成科研工具

据人民网财经频道 2025 年 9 月报道，玻尔科研空间站用户规模已突破 100 万，覆盖北京大学、浙江大学、上海交通大学、中国科学技术大学等全国 50 余所高校院所，以及宁德时代、广汽埃安、云南白药、联合利华等 40 多家企业上线应用；其已收录超 2000 万全球活跃学者、超 14 万本期刊资源、覆盖 26 大学科领域、1000+ 研究主题，Apps 应用商店集成 300+ 科研工具[5]。深势科技官方亦披露其整合了 100 万核 CPU、1 万卡 GPU 的算力，并通过多云、多超算的高效池化与智能调度提供充沛且高性价比的算力[3]。

为什么科研不能只靠"超算排队 + 本地集群"

把科研计算拆开看，传统路线上有三处基础设施层面的结构性短板，理解这三处就理解了玻尔存在的理由。

01

算力获取不连续。超算中心普遍排队、配额受限，课题节奏被机时卡住；本地集群算力上限低、扩容周期长，做大规模分子动力学或高通量筛选时根本喂不饱。

02

软件环境各搞一套。第一性原理、分子动力学、量子化学各自依赖不同的编译器、库与并行环境，换台机器就要重配一遍，结果复现难、新人上手慢。

03

数据与交流孤岛。你跑的算例、写的 Notebook、调的参数分处在不同人的电脑里，团队想复用一套验证过的环境，往往要来回传文件、对版本，协作成本极高。

玻尔的解法不是简单地"把超算搬到网页上"，而是把算力、软件、协作、知识四件事作为一个整体重新设计：算力按需弹性取用、科学软件开箱预装、环境镜像一人制作全员复用、AI 科研助手串联读文献与做计算的环节。

玻尔能做什么：九块核心能力清单

玻尔把科研全流程拆成可独立使用、也能串成流水线的能力。下面按"从算力到智能"的顺序逐一说明它到底替你承担哪些工作。

  1. 云端科学计算调度：整合云计算与超算算力，实现 100 万核 CPU、1 万卡 GPU 的统一池化与智能调度，网页提交或命令行提交皆宜，无需排队，按量计费、丰俭由人。
  2. 开箱即用的科学软件：预装 LAMMPS、GROMACS、VASP、CP2K、ABACUS、Quantum Espresso、DeePMD-kit、DMFF 等微尺度计算软件及深势自研工具，覆盖材料、生物、化学、医药等多学科，打开即用。
  3. 第一性原理计算：支持周期性体系的性质计算，包括能带、费米能级、态密度、差分电荷密度，以及扩散性质、迁移能垒、载流子迁移率、吸附能、HER/ORR/OER 催化反应、掺杂与缺陷、反应路径与机理研究。
  4. 分子动力学模拟：面向生物体系（蛋白对接、突变、修饰、多肽、多糖脂类互作、结合自由能）、材料体系（聚合物、碳材料、金属、无机矿物）、药物体系与多相界面体系，支持电荷、氢键、疏水作用等分析。
  5. 量子化学计算：提供 HOMO/LUMO、电荷分布、静电势等分子性质分析，红外、紫外、拉曼、荧光、磷光、核磁等光谱预测，结合能、解离能、电离能、弱相互作用等能量计算，以及过渡态搜索与反应机理探索。
  6. 有限元与多物理仿真：覆盖固体力学、流体力学、传热学、材料成型，可做材料电场磁场分析、结构力学分析、流体流动与传热分析、汽车结构耐久疲劳分析、医学骨骼血管与医疗器械仿真。
  7. 科学大模型体验：在平台上可直接体验 DPA（深势原子）、Uni-Mol（分子建模）、Uni-RNA（RNA 结构预测）、Uni-Fold（蛋白质结构预测）等科学大模型，并基于这些模型开展科研工作。
  8. Notebook 与 Apps 生态：Bohrium Notebook 让环境与代码一键分享、前沿成果一键运行；Apps 应用商店（科研版"App Store"）让算法代码借助 MLOps 快速上线为易用应用，验证效率从数月缩短到数天。
  9. AI 科研助手与协作：搭载基于大语言模型的 AI 科研助手，提供智能文献检索、语义解析、综述生成；支持项目协作、环境镜像共享、预算精确管控、节点远程调试与任务即时管理。

分色场景区块：四类典型科研计算落在哪

不同学科的计算任务在软件栈、算力需求和结果呈现上差异很大。玻尔用分场景的方式把能力组织起来，下面四个色块对应最常见的四类计算场景。

第一性原理

从晶体到催化的电子结构

适合做周期性体系的性质计算：能带、费米能级、态密度、差分电荷密度，以及扩散能垒、载流子迁移率、吸附能与催化反应（HER/ORR/OER）路径、掺杂缺陷机理。常用于电池材料、半导体与催化剂研发。

分子动力学

从蛋白到高分子的介观行为

覆盖生物体系（蛋白对接、多肽、多糖脂类互作、结合自由能）、材料体系（聚合物、碳材料、金属、无机矿物）与药物体系；可做气液、液液、固液多相界面模拟，分析氢键、疏水作用与电荷性质。

量子化学

分子层面的光谱与反应机理

面向有机合成、热力学与动力学研究，提供 HOMO/LUMO、电荷分布、静电势等分子性质分析，红外紫外拉曼核磁等光谱预测，结合能解离能等能量计算，以及过渡态搜索与反应路径探索。

有限元仿真

宏观结构与多物理场

覆盖固体力学、流体力学、传热学与材料成型，可做材料电场磁场、结构力学、流体流动与传热分析，以及汽车结构耐久疲劳、医学骨骼血管与医疗器械仿真，补足"微尺度计算"之上的工程验证环节。

对比表：玻尔 vs 传统超算 vs 通用公有云

把玻尔放在科研基础设施的坐标系里看，它的差异不在"算力更大"，而在"为科学计算原生设计"。下面从五个维度做横向对比。

对比维度玻尔科研空间站传统超算中心通用公有云
算力获取100 万核 CPU / 1 万卡 GPU 池化，智能调度无需排队，按量计费需排队申请机时，配额受限，扩容周期长弹性充足，但科学计算专属优化少
软件环境预装 LAMMPS、VASP、CP2K、ABACUS、DeePMD-kit 等并深度调优，开箱即用需自行编译配置，环境复现依赖个人经验多为通用镜像，科学软件需手动搭建
AI4S 生态内置 DPA/Uni-Mol/Uni-RNA/Uni-Fold 等科学大模型与 300+ Apps基本没有模型与工具生态仅有通用 AI 能力，缺科研垂直栈
协作与复用环境镜像共享、项目协作、Notebook 一键分享、预算管控文件传递为主，协作工具薄弱有通用协作，但缺科研场景适配
适用边界微尺度科研到工程仿真、教学实训、药物与材料研发大尺度高性能课题，但门槛高通用计算，科学专用性弱

三重壁垒：玻尔凭什么难被复制

和"超算网页化"或"通用云挂科学软件"的轻量方案相比，玻尔真正难被复制的是下面三层叠加的护城河。

壁垒一：Deep Potential 学术底座

深势科技源自鄂维南院士团队提出的"多尺度建模 + 机器学习 + 高性能计算"新范式，其开源的 DeePMD-kit 是分子模拟领域的代表性深度学习势能包（相关论文见 arXiv:1712.03641）[4]，学术正统性与算法壁垒远超简单调用通用模型。

壁垒二：软硬一体的算力工程

不是简单租云，而是对多云、多超算做高效池化与智能调度，并对 LAMMPS、VASP 等传统软件做深度性能调优，宣称效率提升 50%；"云超一体、一次编译随处运行"的工程能力需要长期积累。

壁垒三：AI4S 软件生态闭环

从科学大模型（DPA/Uni-Mol/Uni-RNA/Uni-Fold）、Notebook、Apps 应用商店到 AI 科研助手，形成"读—算—做"闭环；300+ 科研工具与 1000+ 研究主题构成网络效应，开发者与用户互相增益。

补充一点资本侧信号：深势科技是国家级专精特新"小巨人"企业，已完成多轮融资。据 36 氪与动脉网披露，其于 2021 年 8 月完成高瓴创投领投的 A 轮、2022 年 1 月完成源码资本与启明创投等参与的 B 轮、2023 年 8 月完成超 7 亿元 B+ 轮（哈勃投资、正心谷、和玉资本等）[6][7]，并于 2025 年 12 月完成超 8 亿元人民币 C 轮融资（达晨财智、京国瑞基金、北京市人工智能产业投资基金、联想创投、元禾璞华等）[6]。持续的资本背书也侧面印证了其在 AI4S 基础设施赛道的稀缺性。

谁该用，谁先别急

这几类人会很省心

  • 高校与院所科研团队：做第一性原理、分子动力学、量子化学的课题组，可用预装软件与环境镜像，省去反复配环境的精力，把时间留给科学问题本身。
  • 药企与材料企业研发：药物计算设计、电池与新材料研发团队需要高通量筛选与跨尺度模拟，玻尔的算力弹性与 AI4S 工具链能显著缩短试错周期。
  • 教学与实训场景：Notebook 平台、课程平台、竞赛平台适合把科研工作流变成可教学、可复现的案例，降低学生上手门槛。

这几类先想清楚

  • 纯理论无计算需求者：若研究完全不依赖仿真或算力，玻尔的核心价值有限，普通文献管理工具更轻。
  • 数据出境受限课题：涉及敏感或未公开研究数据的课题，应提前评估数据存储地域与合规要求，确认是否满足本单位规定。
  • 追求完全免费者：基础功能可免费试用，但大规模算力与大模型调用多为按量或订阅计费，重度使用需做好预算规划。

常见问答

玻尔和直接租超算或通用云服务器有什么本质区别？

本质区别在于"是否为科学计算原生设计"。玻尔预装并深度调优了 LAMMPS、VASP、CP2K、ABACUS、DeePMD-kit 等科学软件，内置 DPA/Uni-Mol 等科学大模型与 300+ Apps，并提供环境镜像共享、Notebook 协作与 AI 科研助手；而通用云只是裸算力，软件与环境都要自己搭，传统超算则在排队与协作上体验更弱。

玻尔背后的科学方法靠不靠谱，有学术依据吗？

靠得住。深势科技源自鄂维南院士团队提出的"多尺度建模 + 机器学习 + 高性能计算"范式，其开源的 DeePMD-kit 是分子模拟深度学习势能的代表性工具，相关论文发表于 Computer Physics Communications 并收录于 arXiv（编号 1712.03641）[4]，方法体系有扎实的学术积累。

我不是程序员，能上手玻尔吗？

可以。玻尔提供网页提交、实时预览、Notebook 一键运行等方式，环境镜像可由团队中懂配置的人制作后全员复用；对生物、化学、材料等非计算机背景的科研人员，重点是用好预装软件和模板，不必从零搭环境。

玻尔主要服务哪些行业客户？

在科研侧覆盖 50 余所高校院所；在企业侧，公开报道提到其已上线宁德时代、广汽埃安、云南白药、联合利华等 40 多家企业，应用于新能源、医药、材料与快消等领域的研发计算与仿真，也服务药物与电池等垂直研发平台。

算力是怎么计费的，会超支吗？

玻尔按实际用量计费，并强调"按需使用、丰俭由人"；平台提供预算分配、细致监控与节点透明管控能力，团队负责人可以给成员设预算上限、实时查看消耗，避免资源浪费与意外超支。

我的研究与数据安全怎么保证？

玻尔是面向科研与工业研发的合规平台，提供项目隔离、权限管理与环境镜像共享等协作机制；但涉及敏感或未公开数据的课题，仍建议在上传前评估其隐私政策、数据存储地域与本单位合规要求，必要时走本地或专有云部署方案。

参考资料

  1. 来源：深势科技（DP Technology）官方网站 — 公司定位、AI for Science 体系与玻尔产品矩阵：https://www.dp.tech/
  2. 来源：玻尔官方文档 Bohrium Docs — 平台定义、支持软件清单（LAMMPS/VASP/CP2K/ABACUS/DeePMD-kit 等）与用法：https://bohrium-doc.dp.tech/
  3. 来源：玻尔科学计算平台产品页（dp.tech 官方）— 算力规模（100 万核 CPU / 1 万卡 GPU）、效率提升与场景说明：https://www.dp.tech/product/bohrium/workspace
  4. 来源：arXiv 论文 — DeePMD-kit: A deep learning package for many-body potential energy representation and molecular dynamics（Deep Potential 方法基石）：https://arxiv.org/abs/1712.03641
  5. 来源：人民网财经 —《当科研遇到人工智能》（玻尔用户破百万、收录学者/期刊/工具规模与联合研发背景）：https://finance.people.com.cn/BIG5/n1/2025/0916/c1004-40564991.html
  6. 来源：36氪 — 深势科技项目页（融资历史：A/B/B+/C 轮及投资方）：https://36kr.com/project/1678547907048450
  7. 来源：动脉网/投资界 — 深势科技融资与工商信息（多轮融资、专精特新"小巨人"）：http://vcbeat.net/comp/25e1831961838200ed8a05c3af0391e1
  8. 来源：济南大学图书馆 — 玻尔（Bohrium）平台介绍（AI4S 定位、科学模型、适用学科）：https://library.ujn.edu.cn/info/1020/6984.htm
  9. 来源：维基百科 — Molecular dynamics（分子动力学方法背景，理解玻尔核心计算场景）：https://en.wikipedia.org/wiki/Molecular_dynamics

青衣网络 AI 观察团队 · 最后更新 2026-08-25　|　本文基于玻尔官方公开信息与第三方权威报道整理，用于帮助用户了解产品定位、能力边界与适用场景；功能、权益、价格与合规政策随时可能调整，实际使用请以官方最新公告与隐私政策为准。