14. 行业应用落地：科学到软件
本章定位：本章回答一个工程问题："科学方法怎么变成能交付的软件？"用电池寿命预测、HPC 代理模型、私有化 LLM、生产级知识库问答与科学智能体五个完整案例，覆盖从问题定义、数据、模型到验证与交付的全链路。
🧭 阅读地图
- 前置章节：13. 推理引擎优化——应用落地依赖稳定的推理服务
- 本章定位：第五部 L5 开篇——RAG、智能体、私有化 LLM 服务与科学代理模型
- 推荐顺序：先 RAG 生产栈 → 私有化/服务运维 → 智能体与科学应用
- 下一章：14. 科学智能——从产业回到科学，AI 重塑科研范式
文章目录
电池寿命预测：从科学问题到软件交付的全链路案例
以电池寿命预测为例，走通'科学问题→数据→AI 模型→HPC 验证→软件交付'完整闭环：问题定义、公开数据集+并行仿真数据、时间序列模型、参数搜索验证、从离线诊断到在线预警的两阶段交付。
阅读文章 →
科学计算拥抱 AI：HPC 工作流引入代理模型
传统仿真（CFD/结构/多物理场）单次求解昂贵，参数扫描与优化需要上千次计算。代理模型（Surrogate Model）用 AI 学习仿真输入-输出映射，把小时级求解压到毫秒级。本文给出完整工程架构：HPC 数据生成管道、模型选型、误差控制与生产化落地。
阅读文章 →
LLM 推理服务 SRE 实战：SLO、容量规划与降级策略
以可复现配置逐段拆解 LLM 推理服务的 SRE 实践：SLO 定义与告警、容量规划（并发/吞吐建模）、过载降级与多级缓存，附工程启示。
阅读文章 →
私有化 LLM 服务架构：从 GPU 选型到生产高可用
企业私有化部署 LLM 的完整工程路径：显存与 GPU 选型、vLLM 核心机制（PagedAttention/连续批处理/量化）、生产高可用架构（多副本/负载均衡/灰度/容灾）、吞吐延迟监控与容量规划。衔接 12 章推理引擎与 13 章知识库落地。
阅读文章 →
企业知识库问答落地全栈：从 RAGFlow 部署到生产级检索质量
在 RAGFlow 部署底座之上，讲透生产级知识库问答全栈：文档处理管道、混合检索、rerank 精排、评测指标体系、更新与权限、可观测与成本。回答'为什么检索出来不对'和'怎么让它持续可用'。
阅读文章 →
科学智能体落地：从工具链到自主科研工作流
把'科学问题→数据→模型→验证→交付'升级为可自主推进的智能体工作流：LLM 规划 + 工具调用 + 科学工具集成（仿真/数据/HPC 作业）+ 可靠性工程（工具校验/失败重试/结果验证）。科学场景不能幻觉，本文给出工程化落地的完整路径。
阅读文章 →
气象科学大模型落地：从论文架构到业务化预报服务
代表模型拆解、业务化工程、评估口径与 AI4S 落地模式。
阅读文章 →
机器学习势函数：AI 加速材料模拟的落地路径
从 DFT 到 MLIP、主动学习闭环与 HPC 集成。
阅读文章 →
按"从简单到复杂"读：知识库问答（RAGFlow+K8s）→ 私有化 LLM → 科学智能体；仿真代理与电池案例给出完整行业范式。
关键结论速览
AI×HPC 落地的通用范式是"科学问题驱动 + 确定性计算兜底"：模型负责模式发现，仿真/求解器负责可验证，交付物必须可复现。