北京
今天的2026 世界人工智能大會上，中國工程院院士、之江實驗室主任、阿里云創始人王堅在主題演講中指出，下一代基礎模型，不在語言，而在科學數據。
他直指行業誤區稱，如今大家一味做大語言模型，但AI歷次躍遷核心驅動力從來是數據，而非算力、架構。
王堅提議打造科學基礎模型，讓科學數據成為模型“一等公民”，統一解析各類觀測數據。
他說，長遠看，“AI終將和數學一樣，成為全學科通用基礎科研工具”，打破當下文本內卷的行業困局。
以下為演講全文——
各位來賓，大家上午好。
今天我們所有人都在討論人工智能、大模型，行業里幾乎形成了一個根深蒂固的思維慣性：把“大模型”直接等同于“大語言模型”。
但我今天想和大家分享一個核心判斷——人工智能下一輪真正的革命驅動力，不會是更大參數、更強Agent的語言模型，而是科學數據。
回顧人工智能發展歷史，每一次真正改變行業范式的突破，核心從來不是模型架構，而是數據。
2012年深度學習能徹底爆發，根源不是神經網絡算法突然升級，而是ImageNet這套標準化圖像數據集的誕生。
Transformer之所以能統一大模型賽道，底層邏輯是人類第一次把文本數據的分詞、序列化處理做到標準化。
我們今天使用的所有大語言模型，本質只是依附“文本數據”而生的基礎模型。
人類處理文字這件事，已經有幾千年歷史。中國古文、古拉丁文原本都沒有標點、空格，古人誦讀文章必須出聲斷句；現代人給文字加標點、分段落，這個樸素行為，和今天大模型的Token分詞邏輯，底層邏輯完全相通。
可以說，大語言模型只是把人類幾千年處理文本的能力，用算力放大到了極致。
但這里存在一個巨大瓶頸：如果AI理解世界的邊界，只局限于人類寫完、發表出來的論文、代碼、文字，那科學創新的天花板會被徹底鎖死。
絕大多數真實世界的科學信息，根本不以文字形式存在。
舉個地學領域的例子：地球70%以上的核心科研信息，存儲在光譜、地震波、地磁原始信號里，不會寫進任何一篇論文。
我們常說“一張圖勝過千言萬語”，放到科研場景里，一段完整光譜數據，價值甚至超過千萬張圖像。
可現在絕大多數AI，根本無法直接讀取、解析這類原生科學數據，只能依靠人類把數據翻譯成文字，模型才能間接讀懂。
這相當于讓AI隔著一層玻璃觀察世界，永遠觸碰不到自然規律的本源。
過去幾年，之江實驗室提出了“科學基礎模型”（內部代號021），它不是某一個細分行業的垂直模型，而是一套通用基礎底座。
我們的目標只有一個：讓科學數據成為基礎模型里的“一等公民（First-class Citizen）”，實現文本、代碼、光譜、波形、觀測原始數據在同一模型空間統一建模、統一分詞、統一理解。
很多人會問，為什么這件事至關重要？
我舉一個真實的天文案例：一顆早已退役的小行星觀測衛星，它最初的設計目標根本不是搜尋未知天體。后來科研團隊用全新AI模型，重新解析它留存幾十年的原始觀測數據，最終識別出150萬個從未被人類編目、發現過的天體。
這個案例印證了科學研究的新邏輯：重大科學發現，不一定需要新設備、新實驗，舊數據搭配新AI范式，就能誕生顛覆性結論。
而當前的語言大模型，完全做不到直接消化海量原始觀測數據，這是行業當下最大的盲區。
我們現在討論AI4S、科學智能，學界把它稱作科研第五范式，但全球行業對這個概念至今沒有統一標準。
這種認知上的分歧，恰恰說明我們正處在范式變革的起點。
開放科學不能只停留在論文免費閱讀，真正的開放，是讓全球研究者、尤其是發展中國家的科研人員，擁有平等使用原始科學數據、通用科學基礎模型的權利，打破當下科研資源、數據資源高度壟斷的壁壘。
站在更長周期看，人工智能正在迎來歷史性轉折點：未來50年，AI會變得和數學一樣，成為所有自然科學、工程學科通用的底層基礎工具，不再是一門獨立的細分領域。
數學是人類描述世界的通用語言，而搭載科學數據能力的AI，會成為人類探索世界、推導自然規律的通用工具。
過去十年，大語言模型教會機器讀懂人類；未來十年，科學基礎模型會教會機器讀懂自然。
我們不能永遠停留在文本世界內卷算力、內卷參數，只有把AI的視野延伸到海量未被文字記錄的原生科學數據里，人工智能才能真正驅動下一波基礎科學革命。
我的分享到此結束，謝謝大家。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
