{"id":46946,"topic":"ai","source":"thepaper.cn","title":"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 - thepaper.cn","url":"https://www.thepaper.cn/newsDetail_forward_33664857","url_hash":"a89c9b099ef789918c706e69c71b378711d87755","author":"","summary":"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 thepaper.cn","content":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","image_url":null,"lang":"zh","published_at":"2026-07-27T06:45:00+00:00","fetched_at":"2026-07-27T08:15:06+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://www.thepaper.cn/newsDetail_forward_33664857","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}},"news_item":{"id":46946,"canonical_url":"https://www.thepaper.cn/newsDetail_forward_33664857","source_url":"https://www.thepaper.cn/newsDetail_forward_33664857","title":"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 - thepaper.cn","source_name":"thepaper.cn","author":null,"published_at":"2026-07-27T06:45:00+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"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 thepaper.cn","full_text":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","excerpt":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2236 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"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 - thepaper.cn","url":"https://www.thepaper.cn/newsDetail_forward_33664857","summary":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","source":"thepaper.cn","date":"2026-07-27T06:45:00+00:00","content":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2236 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/46946","export_markdown":"/api/items/46946/export?format=markdown","export_json":"/api/items/46946/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857"},"formats":{"full":{"id":46946,"title":"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 - thepaper.cn","url":"https://www.thepaper.cn/newsDetail_forward_33664857","source":"thepaper.cn","author":null,"published_at":"2026-07-27T06:45:00+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","full_text":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2236 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}},"actions":{"read":"/item/46946","export_markdown":"/api/items/46946/export?format=markdown","export_json":"/api/items/46946/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857"}},"digest":{"id":46946,"title":"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 - thepaper.cn","url":"https://www.thepaper.cn/newsDetail_forward_33664857","source":"thepaper.cn","topic":"ai","published_at":"2026-07-27T06:45:00+00:00","excerpt":"- +1 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。…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 2236 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"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 - thepaper.cn","subtitle":"thepaper.cn · 2026-07-27","summary":"- +1 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。…","badges":["quality:high"],"links":{"read":"/item/46946","original":"https://www.thepaper.cn/newsDetail_forward_33664857","diagnose":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857"},"quality_warning":null},"export":{"title":"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 - thepaper.cn","url":"https://www.thepaper.cn/newsDetail_forward_33664857","summary":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","source":"thepaper.cn","date":"2026-07-27T06:45:00+00:00","content":"- +1\n2026世界人工智能大会｜王坚：AI的“隔玻璃看世界”，该换种看法了\n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：\n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。\n啥意思呢？其实理解起来也挺简单~\n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。\n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。\n一、AI的历次跃迁，真正改变世界的从来不是模型，是数据\n王坚在演讲中先讲了一段历史。\n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。\n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。”\n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。\nImageNet改变了计算机视觉，互联网文本催生了GPT。\n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。\n二、今天的大模型，本质上还是建立在“文本世界”上的\n现在我们所说的大模型，其实指的就是大语言模型\n“基础模型”这个词，是在2021年由斯坦福大学正式提出。\n而人类处理文本这件事儿，历史远远早过人工智能。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n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。\n三、“021”项目：让科学数据成为模型的一等公民\n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。\n“021”就是“Zero to One”，从0到1。\n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。\n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。\n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。\n四、两个真实案例，证明这条路走得通\n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。\n第一个是地球科学的案例。\n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。\n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。\n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。\n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。\n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。\n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。\n第二个案例是一个天文学的案例。\n2024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。\n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。\n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。\n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。\n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。\n五、AI将像数学一样，成为未来50年科学研究的基石\n演讲最后，王坚给出了一个判断：\n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。\n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。\n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。\n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。\n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。\n而这，可能才是人工智能真正改变科学的开始\n本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问http://renzheng.thepaper.cn。\n扫码下载澎湃新闻客户端\n互联网新闻信息服务许可证：31120170006\n增值电信业务经营许可证：沪B2-2017116\n© 2014-2026 上海东方报业有限公司","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.thepaper.cn/newsDetail_forward_33664857","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2236 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2236 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2236,"summary_length":2236,"usable_text_length":2236,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2236,"summary_length":2236}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}