大型科学设备每年产生几十PB数据，真正卡住研究员的常常是后处理。Meta公开的Genesis Mission案例里，伯克利实验室把SAM 3和DINOv3接进X射线与中子科学图像流程，让部分三维重建和语义标注在实验进行时返回结果。
官方案例给出的代表性变化是：过去每个时间点可能需要一个月专家标注，现在约15分钟完成。这个数字来自特定设施、模型和数据，不应直接外推到所有科研图像。
整条流程怎么工作
先进光源产生高分辨率扫描数据。DINOv3负责理解图像中的整体结构，SAM 3划出像素级边界；团队再用束线采集的科学图像微调模型，并在国家超算设施的300张A100 GPU上运行。
| 环节 | 作用 | 仍需人工判断 |
|---|---|---|
| 数据采集 | 获取微CT等原始图像 | 实验条件与样本质量 |
| DINOv3 | 提供全局语义 | 结构是否有科学意义 |
| SAM 3 | 精确分割边界 | 错分、漏分与异常 |
| 三维重建 | 返回带标签体数据 | 解释结果与下一步实验 |
葡萄藤抗旱研究是怎样用的
团队用微CT扫描葡萄藤茎，自动识别负责输水的木质部导管。研究员可以观察干旱推进时这些微小结构如何变化，为抗旱作物研究提供线索。
速度提升的价值在于实验还在运行时就能看到结果。如果分割异常，研究员可以及时调整采集或实验设计，避免几周后才发现数据不可用。
我觉得可复制的是“模型组合”
这个案例没有要求一个模型包办全部工作。DINO提供整体理解，SAM负责边界，超算承担计算，领域专家做最终解释。把不同能力放在合适位置，比盲目追求单模型万能更稳。
普通团队也能借鉴：先用通用模型做初步识别，再用领域数据微调；保留一组专家标注作为质量基线；上线后持续抽样复核，并单独记录罕见结构和失败样本。
限制和成本
300张A100 GPU不是小团队能随手复制的资源。数据清洗、微调、三维重建和存储也都有成本。官方案例没有公开完整预算、所有样本准确率或失败分布。
科研图像的“看起来像”也不够。分割结果必须与实验条件、物理机制和后续验证结合，模型不能替研究员解释新现象。
常见问题
15分钟包含全部科研流程吗？
不包含。它指特定图像处理与返回标注三维体数据的周转时间。
这个系统只用了SAM吗？
案例描述的是SAM 3与DINOv3协同，并结合领域微调和超算资源。
企业图片任务能照搬吗？
可以借鉴分工与验证结构，但模型、数据、算力和合格标准需要按自己的场景调整。
