美国能源部主导的「创世纪计划」旗舰项目 SYNAPS-I 披露首批成果：基于 Meta 开源的 SAM 3 与 DINOv3 模型，在伯克利实验室先进光源（ALS）等四大国家实验室的同步辐射光束线端，将原本需要专家手工标注一个月的图像分割任务压缩到 15 分钟，且重建结果在实验仍在运行时就交还到科学家手中。
在同步辐射光源设施里，样品被 X 射线照射后，探测器吐出的是一面墙的灰度像素。要让这些像素变成可量化的科学结论——细胞壁在哪、矿物的晶粒边界怎么走、半导体各层厚度多少——必须先做分割：把图像里不同结构的边界精确画出来。
这件事过去只能靠领域专家一笔一笔手工勾画。一个数据集往往要耗费专家一个月。而光源设施升级后，数据洪流让这个瓶颈彻底失守：
注：年产数据量"数十 PB"为 DOE 光源与中子源设施合计口径，约等于持续播放 200 万小时高清视频。
更棘手的是原位实验的兴起——科学家要在化学反应、材料失效等动态过程发生时实时解读数据，没有任何人工团队能跟上这个速度。
SYNAPS-I 分割流水线的核心，是 Meta 先后开源的两个基础模型。它们并非为科学图像设计，但经微调后形成了互补闭环：
无需人工标注，从原始图像中自学习视觉模式。擅长理解图像里"有什么结构、各结构位于何处"，提供全局语义上下文。
在 DINOv3 理解的基础上，为每个目标画出像素级精确边界——相当于科学家手工勾画，但耗时从数小时压缩到秒级。
两者组成互补流水线：DINOv3 给出"这是什么、在哪里"的全局语境，SAM 3 负责"边界精确到像素"的细活。团队在 DOE 光束线采集的真实科学图像上对两个模型做微调，随后部署到 NERSC 等国家超算设施的 300 块 A100 GPU 上。
最终交付物是一个完全重建、带语义标注的 3D 体素——在实验仍在运行时就交回到站在光束线端的科学家手里，总周转约 15 分钟。
SYNAPS-I 团队用一条真实科研问题验证了这条流水线：葡萄藤在干旱胁迫下，细胞层面到底发生了什么？
国家实验室有一个硬约束：未发表的研究数据和 AI 模型必须留在政府基础设施内，不能走外部商业云。这意味着闭源 API 方案从一开始就不在选项里。
Meta 的开源策略恰好填上了这块空白。SYNAPS-I 团队可以下载 SAM 3 与 DINOv3 的权重，在自己的安全计算环境内微调、部署，把原本在自然图像上训练的模型迁移到它们从未被设计过的科学领域。
这条链路的本质是：开源把模型主权留给了科学界。闭源模型再强，也无法进入这个受控环境；而开源模型经过领域微调，在专业任务上反而跑通了商业模型覆盖不到的场景。
本文原始素材来自 Meta AI 官方博客，属于企业通稿性质——Meta 有动机强调自家开源模型在顶级科研场景中的不可替代性，因此对"开源 vs 闭源"的叙事框架会有倾向性放大。读者应带着这个背景去理解：报道中未出现第三方独立复测数据，15 分钟周转、300 块 A100 等数字均为项目方单方披露，目前未见独立验证。此外，"从一个月到 15 分钟"的对比口径需留意——前者指单个时间步的人工标注耗时，后者是端到端自动流水线总周转，两者并非完全同口径。
行业层面看，这件事的真正信号是：开源基础模型正在成为受合规与主权约束领域（国家实验室、政府机构、受监管行业）的默认选项——不是因为开源模型必然更强，而是因为它把模型主权留在了数据所有者手里。这条路径闭源 API 永远走不通。
SAM 3 与 DINOv3 均已开源，研究者可在自有计算环境内下载、微调与部署。
Meta AI 官方页面 → 模型与论文