WAIC 2026 开幕当天，上海人工智能实验室发布书生系列新成员 Intern-S2-Preview-397B。这不是又一份参数堆料，而是一次底座架构级转向——放弃「一切都在 Transformer 里」的传统路径，把「知识承载」与「推理计算」拆成两条独立但可协同的引擎。 新架构核心是一对组件：**Memory Decoder** 把专业知识做成可插拔外部记忆模块，按需挂载到基座；**Mobius** 是全新推理主干，通过反向残差连接让深层隐状态访问浅层知识，用动态隐空间推理替代 Token。结果相当硬：在分子设计、材料结构生成等科学任务上，397B 的 Intern-S2-Preview 追平了实验室此前的万亿参数模型，端到端推理效率提升约 4 倍。 配套 **InternBootcamp** 把电路设计、金融建模等真实任务变成「行动—反馈」式交互场景，让模型在试错中内化领域逻辑；「书生·端砚」已落地生命科学、关键材料、半导体、核聚变、量子、地球气象六大领域。当参数扩张撞上算力与能耗天花板，「记忆—推理解耦 + 任务级 RL」给了科学智能体一条不靠纯堆参数也能往前走的样本。