“一个18岁的高中生，用一颗已经退役卫星的旧数据，发现了150万个从来没有被人类记录过的太空天体，把论文发在了《Science》上，这就是正在发生的科学范式变革。”

　　7月17日，在2026WAIC现场，中国工程院院士、之江实验室主任、阿里云创始人王坚表示，迄今为止对人工智能的理解，依然停留在非常浅表的层面；当科学数据真正成为大模型的基础元素，一场堪比伽利略时代的科学革命，才刚刚拉开序幕。

　　在现场，王坚回溯了人工智能发展的简短历史：很多人今天谈大模型，下意识就等同于大语言模型，但很少有人记得，“基础模型（Foundation Model）”这个词，直到2021年才被真正创造出来。而文本处理，其实是人工智能最容易跨过的第一道门槛。

　　“中文直到一百多年前才有标点符号，拉丁文更早以前也没有空格和标点，古人读书先要自己断句，这本质上就是人类最早的tokenization（分词）。”王坚表示，今天大模型对文本做的事情，本质上就是把人类几千年前就在做的断句工作，做到了极致而已。

　　在王坚看来，从文本到代码，是AI能力的一次关键跳跃：“中文和英文的差别，远没有英文和代码的差别大。当模型能够理解代码，它才真正跳出了人类自然语言的边界。”但即便如此，今天绝大多数用AI做科学研究的尝试，依然停留在“让AI读论文”的阶段——本质上还是在处理文本，而不是处理科学数据本身。

　　“我们对AI理解科学的想象，还局限在人类已经写出来的知识里。”他举了个例子：地学领域70%以上的信息，从来没有被转换成文本；一张光谱图包含的信息量，可能胜过千万张普通图片。当所有人都在说“一张图胜过千言万语”的时候，科学领域真正的富矿，还完全没有被开采。

　　为此，之江实验室推动了一个代号为“021”的项目：做真正建立在科学数据之上的基础模型，而不是建立在科学论文文本上的模型。它的目标非常明确：让科学数据成为大模型的一等公民（first class element）。

　　王坚认为，科学基础模型不是某个行业的垂直应用，它是一个独立的基础模型，要把文本、代码、科学数据全部放进同一个语义空间里完成统一表示，它包含了今天所有通用大模型最基础的能力，反过来会重新定义对“基础模型”的理解。

　　例如，今年7月1日，中国科学家团队用模型整合了10万个生物属、近2万个物种的化石数据，做出了目前世界上最完整、最精确的地质时间轴，把时间标定的精度从百万年级别一下子提升到了万年级别——两个数量级的跨越，这在自然科学领域是颠覆性的突破。这项工作刚刚在上周入选了联合国“科学促进可持续发展十年”的政策清单。

　　在演讲的最后，王坚给出他对AI未来的终极判断：今天谈人工智能，总把它当成一个独立的行业、一个独立的技术领域，但这场转折真正的意义，是AI最终会变得跟数学一样——它不再是某个学科的分支，而是所有科学研究的基础工具，而面对AI给基础科学带来的革命性改变，全球协作的治理结构同样重要。

（文章来源：澎湃新闻）