2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了
最近在上海2026世界人工智能大会主论坛上，我国工程院院士王坚上台讲了一句话：
人工智能正在迎来一次新的范式转折，而推动这次变化的，不是语言数据而是科学数据。
啥意思呢？其实理解起来也挺简单~
大约从23年开始至今，AI超高速发展，大家疯狂的拼参数、算力，但未来可能会有些变化了。
未来比的不是谁能训练一个更大的语言模型，而是让科学数据直接参与基础模型的预训练过程。
一、AI的历次跃迁，真正改变世界的从来不是模型，是数据
王坚在演讲中先讲了一段历史。
现在提到AI我们都都有一定的了解。但王坚提醒大家，当年深度学习之所以能爆发，根源不是神经网络算法突然升级，而是ImageNet这套标准化图像数据集的诞生。
在现场他还开了个玩笑，他说英伟达不是一家对人工智能有信仰的公司，它只是对算力有信仰，只不过算力等到了人工智能到来的那一天。”
每一次AI能力的升级，表面看是算法突破，真正的底层推手其实是数据范式的变化。
ImageNet改变了计算机视觉，互联网文本催生了GPT。
如今，当模型越做越大、边际收益越来越低的时候，新的数据范式或许即将出现——科学数据。
二、今天的大模型，本质上还是建立在“文本世界”上的
现在我们所说的大模型，其实指的就是大语言模型
“基础模型”这个词，是在2021年由斯坦福大学正式提出。
而人类处理文本这件事儿，历史远远早过人工智能。
我国古代汉语和古拉丁文最初都没有标点和空格，人必须念出声来断句才能理解。
今天大模型做Tokenization（分词），本质上和古人给古文加标点断句是同一件事。
也就是说，大语言模型只是把人类几千年处理文本的能力，用算力放大到了极致。
但问题也出在这里，如果AI理解世界的边界只局限于人类已经写成论文和代码的知识，那科学的创新空间就会被严重锁死。
王坚举了个例子：在地球科学领域，有超过70%的关键信息根本不存在于论文文字中，而是藏在光谱、地震波、声波等原始观测数据里。
行业常说“一张图胜过千言万语”，但王坚说，一段光谱数据的信息密度，可能远超千万张图像。
今天的AI做科学研究，绝大多数只是在读论文，让模型看懂科学家已经写出来的结论，而不是让模型直接面对产生这些结论的原始数据。
相当于让AI隔着一层玻璃观察世界，永远触碰不到自然规律的本源。
三、“021”项目：让科学数据成为模型的一等公民
为了打破这个瓶颈，之江实验室几年前启动了一个代号为 “021”的项目。
“021”就是“Zero to One”，从0到1。
目标很纯粹：做一个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。
让科学数据成为大模型的第一要素，把文本、代码、光谱、波形、观测数据全部放进同一个语义空间里统一建模。
王坚认为这不是某一个学科的垂直模型，而是一个独立的、通用基础底座。
四、两个真实案例，证明这条路走得通
为了说明科学数据驱动的AI有多大价值，王坚讲了两个案例。
第一个是地球科学的案例。
之江实验室与南京大学沈树忠院士团队合作，打造了地球科学模型GeoGPT。
地球科学研究的对象是石头，目标是还原地球数十亿年的演化历程。
但古生物学有个著名的难题叫 “西格诺—里普斯效应”，最后消失的物种，恰恰最不可能形成化石。
所以传统方法推算物种灭绝时间，精度长期停留在百万年级别。
团队用模型对10万余种生物化石和2万余条地层断层数据进行了统一建模处理。结果把生命演化的时间轴精度从百万年级别提升到了万年级别。
目前这项工作近期已入选联合国“海洋科学促进可持续发展十年”的认可清单。
第二个案例是一个天文学的案例。
2024年底，《美国天文学杂志》发表了一篇论文，作者只有一个人，是一名18岁的高中生。
他用一颗已经退役的小行星监测卫星留下来的旧数据，重新分析了一遍，发现了近150万个此前从未被记录过的太空天体。
王坚用这个案例说明了一个道理，科学突破不仅来自新的实验，也可能来自对已有数据的重新挖掘。
就像伽利略当年用的数据，很多也不是自己采集的，而是来自第谷几十年积累的观测记录。
面对浩瀚的科学数据，人类目前的认知和利用程度还远远不够。
五、AI将像数学一样，成为未来50年科学研究的基石
演讲最后，王坚给出了一个判断：
人工智能正在迎来一个如同数学般成为科学基础设施的转折点，它不再是一个独立的垂直技术领域，而是会变得跟数学一样基础。
数学在人类科学史上起了多大的基础性作用，未来50年，人工智能对人类科学研究所起的作用就会有多大。
过去几年，大语言模型确实让我们看到了AI能写诗、能编程、能聊天。
但王坚在提醒我们,如果AI永远只停留在人类已经写出来的知识里，那它永远只是个学霸，成不了科学家。
真正的突破，可能不在更大的模型、更多的参数，而在于让AI直接面对这个世界的原始数据，自己去发现规律。
而这，可能才是人工智能真正改变科学的开始