{"id":80946,"topic":"ai","source":"新浪财经","title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","url_hash":"bb72cf617176a617a758d49d19e49142a43cdac2","author":"","summary":"<a href=\"https://news.google.com/rss/articles/CBMipwFBVV95cUxPNjZkWEpzeVNjMndjTDhyNm5yU25rbzgwLTBOMXJFU1prcFJPcEMza0huRzZ5bTQzaDBmblZNeGhnSEx3SW5JZzBlYlVocXFOYmMtUXFFa2RSOVp2OTNrTEtlSzJQdHRZS0dSRkEwMktzbXNMNVpQXzRmZ3hwWkVXSmNUYjJXS0ZvQ1h4eXRiWW9zS05JU1BrajlEUk5oY3hXSk8tY3FiNA?oc=5\" target=\"_blank\">上海人工智能实验室主任周伯文：科学研究是下一个编程</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪财经</font>","content":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","image_url":"https://n.sinaimg.cn/spider20260913/333/w660h473/20260913/acf4-284e65ee74aaa2a9cd55283a7c47bfd7.jpg","lang":"zh","published_at":"2026-09-12T22:09:57+00:00","fetched_at":"2026-09-12T22:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}},"news_item":{"id":80946,"canonical_url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","source_url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","source_name":"新浪财经","author":null,"published_at":"2026-09-12T22:09:57+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"<a href=\"https://news.google.com/rss/articles/CBMipwFBVV95cUxPNjZkWEpzeVNjMndjTDhyNm5yU25rbzgwLTBOMXJFU1prcFJPcEMza0huRzZ5bTQzaDBmblZNeGhnSEx3SW5JZzBlYlVocXFOYmMtUXFFa2RSOVp2OTNrTEtlSzJQdHRZS0dSRkEwMktzbXNMNVpQXzRmZ3hwWkVXSmNUYjJXS0ZvQ1h4eXRiWW9zS05JU1BrajlEUk5oY3hXSk8tY3FiNA?oc=5\" target=\"_blank\">上海人工智能实验室主任周伯文：科学研究是下一个编程</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">新浪财经</font>","full_text":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","excerpt":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1458 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","summary":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","source":"新浪财经","date":"2026-09-12T22:09:57+00:00","content":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1458 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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/80946","export_markdown":"/api/items/80946/export?format=markdown","export_json":"/api/items/80946/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"},"formats":{"full":{"id":80946,"title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","source":"新浪财经","author":null,"published_at":"2026-09-12T22:09:57+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","full_text":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1458 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}}},"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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}},"actions":{"read":"/item/80946","export_markdown":"/api/items/80946/export?format=markdown","export_json":"/api/items/80946/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"}},"digest":{"id":80946,"title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","source":"新浪财经","topic":"ai","published_at":"2026-09-12T22:09:57+00:00","excerpt":"上海人工智能实验室主任周伯文：科学研究是下一个编程 （来源：文汇报） “如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。 他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1458 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","subtitle":"新浪财经 · 2026-09-12","summary":"上海人工智能实验室主任周伯文：科学研究是下一个编程 （来源：文汇报） “如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。 他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？…","badges":["quality:high"],"links":{"read":"/item/80946","original":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"},"quality_warning":null},"export":{"title":"上海人工智能实验室主任周伯文：科学研究是下一个编程 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html?vt=4&cid=76993&node_id=76993","summary":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","source":"新浪财经","date":"2026-09-12T22:09:57+00:00","content":"上海人工智能实验室主任周伯文：科学研究是下一个编程\n（来源：文汇报）\n“如果人类思考一道难题花100年，AI需要多久？”在9月12日举行的2026浦江创新论坛主论坛上，上海人工智能实验室主任、首席科学家周伯文以这样一个问题开启演讲。\n他列举人工智能参与科学研究的不同案例，但比起时间被压缩多少、效率提高多少，周伯文更希望大家思考：当人工智能越来越深入科学研究，AI与科学究竟该建立怎样的关系？\n基于去年浦江论坛提出的“AGI4S六问”，他针对当前科研困境，提出“科学研究是下一个编程”的核心解题思路。“AI与科学将形成双轮驱动——两者共同提升，助力新认知的发现和新突破的产生。”\n问题越古老，AI提效空间越大\n周伯文以“AI当助手”“AI提效率”和“AI独立攻坚”分别举例。单克隆抗体研发传统流程需要4年，AI协作后从筛选到给药仅用90天，时间压缩至6%。1969年提出的蛋白质折叠难题，人类求索51年未获突破，AlphaFold用2年基本解决，耗时仅为人类的4%。有着近200年历史的纳维-斯托克斯方程，是千禧年七大数学难题之一。不久前，一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。虽然克雷数学研究所尚未最终确认，但这意味着，AI用人类万分之零点五的时间在逼近。\n“问题越古老、越基础，AI提效的空间越大。”周伯文强调，我们关注的不应只是效率，而是AI与科学相互深化的关系本身。他提醒大家注意，三个案例均由人类主导、AI参与，突破的根基始终是人类定义的科学问题、构建的数据集、设计的提示词与思维链。“AI的定位并非是取代人类，而是要成为人类真正的伙伴。”\n他认为，在最初“AI for Science”阶段，AI只是服务科学的工具，“如同站在门外的访客，正叩响科学的大门”。而当下，行业已进入“AI in Science”阶段，AI成为科研殿堂的常驻参与者，端到端驱动完整科研流程。未来将走向“AI and Science”的共生阶段，二者共同建构科学体系，在交互中持续迭代、越用越强。\n“双轮驱动”重塑科研范式\n针对“AGI4S前景广阔，为何尚未见证更多重大突破”的疑问，周伯文直言当前科研面临的五大困境：信息爆炸但认知稀缺，假设涌现但验证滞后，工具林立但彼此割裂，成功发表但失败流失，AI生成但可追溯困难——这五个困境本质上属于结构性难题：科学本身需要科学的方法来做科学。\n今年初，周伯文提出了一个非常大胆的判断：科学研究是下一个编程。他解释，编程是当前AI落地规模最大、生产力提升最显著的赛道。科学研究与编程都以问题为导向、由认知驱动；但科研难度更高、边界更开放，验证依托真实物理世界。\n“未来科研人员可立足待解决的科学问题，清晰表达自身的科研意图；AI协同调度文献、数据集、科学知识、计算工具以及自主实验室，贯通从问题界定、假设生成、方案设计，到仿真预测、湿实验验证、结果迭代的完整流程。”周伯文表示，倘若实现这一模式，也许就有望在科学研究中复刻AI在编程领域取得的巨大成功。\n以此为思路，AI与科学的“双轮驱动”关系愈发清晰：一方面，科学研究为AI搭建更高质量的训练场，推动AI的长程推理、仿真纠错、自主探索等能力持续进阶；另一方面，AI将更深嵌入科学进程，从加速科研效率到“自主发现”全新规律，再到未来也许有望实现库恩级的科研范式转变。\n展望未来，周伯文认为：“毫无疑问，AGI会不断拓展人类的知识边界、加速科学发现，但科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-13/detail-inirrpai0788062.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1458 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 1458 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":1458,"summary_length":1458,"usable_text_length":1458,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1458,"summary_length":1458}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}