周伯文认为，要给人工智能打通“通专融合”的瓶颈，才能让科学智能迈上一个新阶段。他在2026年举办的AAAI会议上发表了报告，把自己的观点说了出来。 报告中，周伯文讲到，虽然大家都觉得AGI就要来了，但现在最先进的模型还是有缺陷，核心问题是缺乏专业领域的推理能力。这个问题是大家接下来必须解决的方向。他回顾了人工智能的发展过程，指出这不是简单地累积进步，而是阶段性的跃迁。早年间他在IBM人工智能基础研究院工作时，就把AI的发展分成了三个阶段：狭义人工智能（ANI）、广义人工智能（ABI）和通用人工智能（AGI）。他认为ANI在2016年左右就已经成熟了。像ChatGPT这样的生成式人工智能标志着ABI阶段的到来。但ABI向真正的AGI迈进并不只是扩大数据和算力就能解决。 周伯文指出当前AI能力结构存在内在矛盾。过去几十年里，“专业性”和“通用性”一直在并行发展。一类是像AlphaFold那样在特定领域表现得特别好，但无法跨领域迁移；另一类是主流大语言模型虽然有广泛知识覆盖，但面对复杂任务时还是力不从心。 针对这个问题，周伯文提出了“通专融合”的思路。他认为真正的AGI需要构建一种新型智能架构，动态融合人类认知中的“系统1”和“系统2”，使系统既有通用认知能力又能学习专项能力。上海人工智能实验室研发的SAGE技术架构就是这个思路的体现。 周伯文还把“科学发现”视为下一步AI发展的主战场。科学发现涉及从假设生成到实验设计再到数据验证的复杂链条。这对AI来说是三重挑战：处理“已知的未知”，探索“未知的未知”，还有耐受长期缓慢反馈。尽管AI4S在部分领域取得成果，但依赖大数据驱动的范式可能会限制科学探索的想象力。他强调科学智能要从1.0阶段迭代到2.0阶段。未来AI不仅是工具还要成为主动发现者。 这个报告给全球AI发展描绘了一幅清晰图谱：从ANI到ABI再到通专融合的AGI。补齐专业深度推理短板、推动科学智能升级是攻克AGI核心堡垒的必经之路，也是赋能前沿科学和解决重大挑战的关键。面对这个机遇，整合资源寻求突破已成为国际共识。