随着科技巨头竞相将旗下大模型产品接入手机，不少用户在生活、出行中都会用到不止一个智能助手。然而，在企业市场之外，少有人注意到，高校正围绕一个个细分垂直领域悄然开辟出一条新赛道。
今年以来，东南大学上线国内首个混凝土材料科学大模型“砼真砼知”，上海交通大学与企业联合发布轻合金大模型多智能体设计平台，西安电子科技大学升级了其全球首款密码学领域大模型……事实上，从去年起，高校自主研发的垂直大模型已在教育、医疗、农业、光学、建筑学等领域密集亮相，呈现出加速发展的势头。
小而精，专而深
面对市面上已有的一众通用大模型，为什么高校还要持续研发专属模型？记者了解到，与通用大模型“万能助手”的定位不同，高校自研大模型大多立足本校优势学科，走垂直化、专业化路线，成为某个细分领域的“专家”。
比如南京农业大学今年1月发布的“司农”，是国内首个面向通用农业领域的大模型；同期南京财经大学推出的“财廪通”，是国内首个粮食安全学科大模型；东南大学则借助学校不同学科的优势力量，连续推出“法衡-R1”“问道”“砼真砼知”3个大模型。
“司农”大模型团队相关负责人表示，开发“司农”，主要是希望为农业领域提供低成本、易获取的人工智能基础设施。研发过程中最大的挑战，是获取和处理高质量的农业数据。目前，模型的数据主要来自农业专著、教材、学术论文及各类涉农专业网站。团队通过大量人工整理与标注，构建起覆盖病虫害防治、农药使用、种植技术等领域的专业知识库。
和“司农”一样，垂直领域的大模型就像某一行业的专家。通用模型数据庞大，看似无所不能，但也存在“错误语料循环”等问题。由于网络信息鱼龙混杂，模型在训练过程中不仅会吸纳错误信息，还可能将自身生成的错误内容作为新数据进行循环学习，导致错误不断放大，这在农业、法律、医疗等容错率低的领域，可能带来严重风险。垂直领域的大模型核心优势则在于“专”与“深”——它们输入的是大量精准的数据。
中国工程院院士、东南大学首席教授刘加平介绍，“砼真砼知”大模型依托千亿级混凝土领域权威实验数据和工程案例训练，相当于将人类在该领域的所有智慧集中到一个“大脑”里，“它的经验更丰富，在某些方面的判断可能比我本人更厉害”。
为了让“专家”们更可靠，高校研发团队进行了一轮又一轮的迭代。
“法衡-R1”团队负责人、东南大学社会科学处处长王禄生介绍，在处理复杂案情时，模型看似回答得头头是道，实际上却容易在法条适用、逻辑推理上出现偏差。为此，学校法学专家与计算机专家联手，把资深法律人的判断标准引入训练流程，将推理过程拆解为“认定事实—匹配法条—逻辑推理—给出建议”的标准化步骤，对每个环节精准打磨，让模型不仅“知其然”，更“知其所以然”。
强在专业，贵在落地
从研发过程来看，高校垂直大模型的研发与落地，本身就是一场深刻的学科交叉融合实践，也正在引发教学与研究的系统变革。它们的价值不仅在于服务学科建设，更在于精准对接产业真实场景。
去年11月，东大发布了全球首个系统级伦理大模型“问道”。模型由该校AI伦理实验室牵头，联合移动通信、毫米波两个全国重点实验室等顶尖工科力量，以及江苏省道德发展智库等人文社科平台共同打造。“我们提出了‘用技术约束幻觉’的设想与要求，信息工程等领域的技术团队则将其转化为具体的创新算法。”东南大学AI伦理实验室主任、人文学院教授王珏介绍。团队中，具备多学科背景的成员不在少数，项目核心成员徐进博士拥有物理学、电子学科及伦理学的跨学科背景，她在团队中扮演“转译者”的角色，将伦理层面“应不应该”的价值判断，转化为工程上可量化、可执行的技术参数。为了让大模型的每一次推理都清晰可追溯，团队曾集中攻关近3个月。
正是这种深度的学科交叉，赋予了“问道”大模型对接多元应用场景的能力：它既可以在自动驾驶、智能医疗等系统上线前，检测算法中的公平性与安全漏洞，也能在虚拟场景中推演“电车难题”等伦理困境的不同后果，还能将“向善”“公平”等抽象价值观，转化为工程师可执行、可量化的算法规范。
这种科技向善、服务社会的理念，在更多高校垂直大模型中得到体现。
南农的“司农”大模型，希望让技术真正惠及“三农”。与目前市场上多数闭源模型不同，“司农”选择完全开源，任何人都可免费下载使用。团队负责人解释，人工智能应用成本高、难度大，开源有利于技术真正下沉，赋能广大农户、农企与基层农业工作者，降低中小企业及“新农人”进入智慧农业领域的门槛，他们可基于该模型开发适用于特定作物或场景的智能应用。据介绍，自2026年1月14日发布以来，该模型在国内外开源平台已获得上千次下载，吸引了包括中联集团旗下公司在内的一批企业及科研机构的关注与合作洽谈。
“砼真砼知”的落地场景也十分广泛。普通公众可通过它预测住房建设中的混凝土性能，专业人员能借助其实现工程管理的多因素协同设计，科研人员则可依托它开展前沿探索。记者了解到，目前，“砼真砼知”已深度应用于南京北站建设项目，全程参与了该项目的低碳原材料设计与施工调控。
南京钢铁集团风险合规部部长孙飞表示，其团队自2024年起系统测试各类大模型，直至东南大学“法衡-R1”大模型的出现，才真正解决了专业痛点。孙飞以处理一份涉及所有权保留的销售合同为例，介绍了“法衡”如何突破单一法律视角，将货物物理风险、财务现金流风险等串联整合，并从业务、法务、财务等多个维度给出具体建议。目前，团队已借助“法衡”处理上百个实务问题，涉及劳动、工程、票据、招投标等多个领域，整体回答准确率保持在80%以上，有效帮助企业提升合规管理效率。
赋能产学研，打通创新链
高校垂直大模型的核心价值，不仅在于深度赋能学科建设、精准对接产业需求，更在于为校企合作搭建桥梁、打通产学研创新链——它既是高校学科优势的延伸，也是企业突破技术痛点的助力。但高校垂直大模型从“可用”到“好用”，进而实现规模化、负责任的应用，也面临一系列严峻挑战。
首要挑战是数据与算力的“双重约束”。高质量、结构化、标注清晰的领域数据是垂直大模型的核心，但其积累与清洗成本高昂，且常涉及知识产权与隐私保护问题。
江苏省人工智能学会秘书长房伟指出，高校科研数据丰富，但学校内部甚至同一学校不同院系、实验室之间依然存在数据壁垒现象。另外，由于企业担心核心技术泄露，数据共享意愿低，学校严重缺乏来自实际应用场景的数据。科研数据不完整性、行业数据稀缺性以及高校算力匮乏，都将严重制约高校垂直领域大模型的性能和适用范围。
其次，伦理、合规与安全风险日益凸显。南京社科院研究员郑琼洁警示，垂直大模型若在农业种植、法律引用、医疗诊断等场景中输出错误或有偏见的结论，可能引发实质性安全风险与社会不公。因此，建立贯穿研发全流程的伦理审查与治理机制，明确应用边界与责任归属，应成为发展底线。
如何避免“孤岛效应”，构建协同共赢的产业生态，是决定其长远价值的关键。两位专家都表示，当前存在两种风险：一是高校内部可能出现“重复建设”和“技术同质化”；二是校企合作存在“门槛失衡”，高资金门槛将大量有需求但资源有限的中小微企业挡在门外，不利于技术普惠。
从全省乃至全国发展人工智能的角度看，高校大模型的蓬勃发展，是构建“产学研用”协同创新生态的关键布局。
郑琼洁建议，在省级层面加强顶层设计，统筹重点领域布局，同时搭建公共服务平台，促进算力、数据资源共享；创新合作机制，例如设立面向中小微企业的“微课题”，降低合作门槛，让高校的“智力”更顺畅对接产业“痛点”。房伟建议，加快建设校企数据共享平台，制定数据安全与利益分配机制，工科类院校尤其要加强与企业合作，联合开发数据集，同时借助企业资源弥补数据与场景短板，让高校垂直大模型更贴合产业需求，真正落地见效。
新华日报·交汇点记者 谢诗涵 李慧 杨丽 杨频萍
