我国科研团队想出了一条发展通用人工智能的新路子，大家都在盯着这事儿看，就连国际上的AI界也开始把目光转向东方了。正好在新加坡开的AAAI 2026大会上，上海人工智能实验室的头儿、首席科学家周伯文博士给大伙做了个报告，《从推理到科学发现：探索通专融合的AI之路》。这报告里把中国科研团队在这方面的想法和做法都说透了，说明咱们在这一领域的探索已经走到了全球对话的中心位置。现在虽然大数据驱动的AI技术在很多地方都用得挺好，但要是到了需要深度逻辑推理和创造性思维的“深水区”，它那“什么都会一点但不精”的毛病就露出来了。周伯文在报告里提到了一项让一百多位跨领域专家一起做的评估，发现顶级的AI模型对付普通科学推理还行，可一旦遇到像解析专业文献、设计复杂实验方案这种专门的活儿，表现就立马不行了。这就说明现在AI的大问题在于怎么跳出只知道抄答案的圈子，真正去发现以前没人知道的规律。科学发现这事儿太特殊了，对AI要求高得吓人。周伯文分析了一下，主要是因为有三层拦路虎：一是科研问题的可能性太多了，多到现有算力和算法根本顾不过来；二是要把有限的已知推到无限的未知去；三是科研的反馈慢、信息少，得让AI能长时间专注、自己不断变强。最近《自然》杂志也说了一句类似的话，说现在的深度学习模型碰到没见过的东西还是干瞪眼，这跟周伯文团队的看法是一致的，说明咱们得赶紧换个新的路子来做AI。 为了应对这些挑战，上海人工智能实验室就想出了个“通专融合”的招数。这招是要把AI发展中长期分家的“通用能力”和“专业能力”给合在一起，让系统既有广阔的知识面，又能在某个具体领域练到专家的水平。他们还搞了个叫“智者”（SAGE）的系统架构。这个架构主要是想在底层逻辑上把“知道什么”和“怎么想”给分开，再想个办法让系统一直保持好奇心，最终的目的是让AI在大任务里和真实世界里通过互动不断进化。为了把这个想法变成现实，他们又搭了个叫“书生”科学多模态大模型和“书生”科学发现平台的基础设施。 这些平台已经在好几个关键科学领域显出了威力。比如说在研究气候的时候，“书生”平台自己就能调度各种工具去处理十几年的多模态数据，自动写出几千行代码，找出了一个以前没人注意到的水汽物理规律，还推导出了新的数学方程，把现在降水预测模型的偏差给纠正过来了。在生物医学上，平台模仿老资格的疾病生物学家的思路，挖出来一个可能有大用处的药物靶点。权威评测显示，“书生”模型不光通用能力跟国际上那些顶级的开源模型差不多，在化学、生物、材料科学这九个关键领域的专业表现上，甚至比包括GPT-5、Grok4在内的国际主流闭源模型都强很多。 从提出“通专融合”的理念，到推出“智者”架构和“书生”平台的实际做法，咱们的科研团队正在给通用AI的发展画一张以“科学发现”为坐标的新地图。周伯文说这张地图上还有不少空白等着填呢。本着大家一起合作的精神，实验室已经把相关研究成果和核心代码都开源了，就是想汇集全球智慧来攻克AI赋能科学前沿的难题。这条由中国科学家带头走的路不光可能改变科研的模式、加速治病和新材料研发这些大事儿的完成，也有可能给未来惠及全人类的通用AI提供一个既扎实又有启发的中国方案。