当前，人工智能在各行业的应用持续深入，但通用大模型在专业性强、知识密集的硬科技领域仍存在短板；以光学为例，这类精密科学既依赖扎实的理论体系，也要求对工程问题有准确把握，通用模型往往难以覆盖。该差距已成为制约光学产业数字化升级的关键瓶颈。 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，打造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，系统学习光通信、光学设计等领域的核心知识与设计逻辑，形成更贴近专业场景的“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。 为客观验证模型能力，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。对比测试结果显示，该模型在各核心维度均取得领先表现，体现出扎实的专业深度与工程认知能力。这一结果也表明，通过面向领域的训练与评测，参数规模相对较小的模型同样有机会在特定场景中超越巨型通用模型，为大模型发展提供了新的思路。 该模型具备四个特点。其一是轻部署，8B参数规模支持端侧与边缘高效部署，降低光学行业应用门槛，让中小企业也能获得专业级支持。其二是高认知，通过系统注入光学知识，模型形成更稳定的专业理解与更准确的物理直觉。其三是强应用，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。其四是全流程可控，从数据构建、模型训练到部署运行实现自主可控，兼顾产业安全与数据隐私。 从应用前景看，该模型在教育教学、科学研究、工业设计等场景具备较强落地潜力。在教育领域，可为学生提供更有针对性的学习辅导；在科研领域，可提升光学理论研究与技术创新效率；在工业领域，有望推动设计研发、生产制造与运维服务加速走向智能化。这一进展反映了我国在人工智能方向的自主研发能力，也为其他硬科技领域建设专业模型提供了可参考的路径。
硬科技领域的智能化升级，关键不在“看起来很聪明”，而在“经得起验证、经得起应用、经得起迭代”；光学垂直大模型的探索表明，围绕专业数据、结构化知识与可复核评测构建能力体系，能让智能工具更深地融入科研与产业流程。面向未来，只有持续完善标准、打通工具链、守住安全底线，才能把技术优势转化为创新效率与产业竞争力的长期增量。