当前——人工智能在各领域加速落地——但通用大模型在专业性强、知识密集的硬科技场景仍有明显不足。以光学为代表的精密科学领域，既要求扎实的理论基础，也依赖严谨的工程经验与物理约束，通用模型往往难以准确覆盖。这个差距，正在成为光学产业数字化升级的一项关键瓶颈。 针对这一问题，上海交通大学“光生未来”项目组开展系统研发，推出专业化的光学大模型。不同于在通用模型上做简单改造，该模型采用新的技术路径：以光学专业数据为起点，围绕光通信、光学设计等核心方向系统学习关键知识与设计逻辑，逐步形成更贴近工程实践的“光学素养”和物理直觉。通过这种专业化、结构化训练，小规模模型也能在垂直领域实现能力跃升。 为了客观评估模型表现，研发团队构建了覆盖光物理、光量子、光学设计、非线性光学、光计算与光通信六大方向的专业评测体系。多轮对比测试显示，该模型在各核心维度均取得领先结果，体现出扎实的专业深度与工程认知能力。该结果也提示，经过高质量的专业训练与严格评测，参数规模较小的模型同样有机会在特定领域超越体量更大的通用模型，为行业模型发展提供了新的思路。 该模型具备四个主要特点。其一是易部署，8B参数规模可支持端侧与边缘高效运行，降低行业使用门槛，让中小企业也能获得专业能力支持。其二是强认知，系统注入的光学知识使其在物理约束理解和专业推理上更准确。其三是重应用，在算法生成、系统诊断、仿真设计、实验辅助等关键场景表现突出，可直接服务产业实践。其四是可控性强，从数据构建、模型训练到部署运行实现自主可控，有助于保障产业安全与数据隐私。 从应用前景看，该模型可在教育教学、科学研究、工业设计等场景落地。在教育领域，可提供更贴近课程与实验的个性化辅导；在科研领域，可辅助梳理问题、加速方案探索与验证；在工业领域，可推动光学设计研发、生产制造与运维服务向智能化升级。这一进展既表明了我国在人工智能领域的持续创新，也为其他硬科技方向的专业模型研发提供了参考。
从通用能力走向专业深耕，是智能技术更好服务实体经济与科技创新的关键路径。光学垂直模型的实践表明，聚焦专业数据、采用结构化训练并配套可检验评测，能够为硬科技领域提供更“能用、好用、放心用”的工具。面向未来，只有将技术创新与行业需求、标准体系和安全治理合力推进，才能让智能化真正成为科研突破与产业升级的加速器。