中国工程院院士王坚：科学数据将引领人工智能新范式

在7月17日举办的2026世界人工智能大会（WAIC）主论坛上，中国工程院院士、之江实验室主任王坚发表了重要演讲。他指出，人工智能领域正迎来一场全新的范式变革，而这场变革的驱动力已不再局限于传统的语言数据，而是扩展到了更为广阔的科学数据领域。王坚院士强调，未来人工智能发展的核心，并非单纯追求更大规模的语言模型训练，而是要让科学数据成为基础模型的“原住民（First-class Citizen）”，即让科学数据在模型构建中占据核心地位。

王坚院士进一步解释道，当前备受瞩目的大语言模型（LLM），其本质是建立在海量文本数据之上的基础模型。他提到，人类对文本的处理历史悠久，例如中国古文和古拉丁文原本没有标点和空格，为文本添加这些元素的过程，与今天大语言模型中的核心Tokenize（分词）技术有着异曲同工之妙。大语言模型的出现，无疑将人类对文本数据的理解和使用提升到了一个新的高度。

然而，王坚院士也指出，科学研究中的大量关键信息并不以文本形式存在。如果人工智能仅仅局限于分析人类撰写的论文和代码，那么它将难以触及科学的本质。他以地球科学为例，说明超过70%的地学关键信息来源于光谱、地震波等原始物理数据，而非学术论文中的文字描述。他形象地比喻道：“一张图胜过千言万语，而一段光谱可能蕴含的信息量则远超千万张图。”

基于这一认识，王坚院士提出，未来的基础模型应当直接面向科学数据，实现文本、代码和科学数据的统一建模。这将有助于人工智能更深入地理解科学现象，推动科学研究的进步。

为了进一步阐述“范式变革”的概念，王坚院士分享了天文学领域的一个案例。2024年11月，美国天文学家杂志发表了一篇由一名18岁高中生独立完成的研究论文，该论文发现了近150万个此前从未被编目的太空物体。这一惊人发现的数据来源，竟是一颗已退役的监测小行星的卫星。王坚院士指出，这一案例充分说明了我们对数据的理解还有待深化。他援引《科学革命的结构》一书中的观点，强调“在旧数据里发现新问题”是科学变革的基本逻辑，正如伽利略使用的数据来自第谷的积累而非自己新采集的一样。

“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。”王坚院士再次强调了这一点。他认为，随着科学数据的不断积累，人工智能将在其中发挥越来越重要的作用。

回顾“基础模型”概念的由来，王坚院士提到，2021年斯坦福大学教授首次明确提出了“Foundation Model”一词。他指出，大语言模型（LLM）本质上是建立在文本数据上的基础模型。他再次以中文古时没有标点符号、古拉丁文没有空格和标点为例，说明文本处理在人工智能出现之前就已存在，并且加空格、加标点与今天Tokenization（分词标记化）的逻辑相似。大语言模型的出现，无疑将这一过程推向了新的高度。

回到科学领域，王坚院士回忆起12年前与地球科学家讨论如何用人工智能帮助地球科学时，科学家们提出的三个朴素要求：获取所有科学数据、获取相关领域研究论文、拥有基础设施。他指出，尽管时间已经过去多年，但今天的人工智能在第一个条件上仍远未满足。当前大部分AI for Science工作只是让AI阅读了科学论文的文本，而远未触及科学数据本身。在地学领域，70%以上的信息并不在文本中，而是在光谱、地震波、声波等信号里。他再次强调：“一张图胜过千言万语，但一段光谱胜过千万张图。”

王坚院士介绍，之江实验室几年前就定义了“科学基础模型”，这一模型建立在科学数据基础上，而非科学论文文本上。其目标是让科学数据成为大模型的原住民，该工作代号为"021"（Zero to One）。他强调，科学基础模型要将文本、代码、科学数据放入同一空间、同一模型完成所有任务，它不是垂直领域的模型，而是独立的技术模型，具有更广泛的应用前景。

为了更具体地说明科学基础模型的应用，王坚院士以与南京大学沈树忠院士团队合作的GeoGPT为例进行了介绍。地球科学研究的主要对象之一是石头，科学家们希望通过研究石头来了解世界的演进过程。地球约38亿年前诞生，其时间尺度以百万年计。科学家们希望将时间精度从百万年提升至一万年，这是一个巨大的挑战。化石中存在的“Signor-Lipps Effect”（模糊效应）使得时间确定极为困难，因为最后一个消失的物种不会变成化石，化石形成是随机的，找到的化石并不意味着该物种在那一时刻最后消失。

然而，在今年7月1日举办的第五届地层学大会上，沈树忠院士团队参考了10万种生物种类和近2万多个断层数据，利用GeoGPT将这些数据放到统一时间轴上，成功构建出了目前世界上最完整、最精确的地质时间轴。这一成果上周还入选了"联合国科学促进可持续发展十年认可清单"。王坚院士指出，这一成果的取得离不开治理结构的重要性。该模型四年多前就建立了全球治理结构委员会，对工作的全球影响起了重要作用。

最后，王坚院士表示，科学基础模型的出现使人工智能到了一个非常不一样的转折点。未来，人工智能将变得跟数学一样基础，不再是一个独立的领域。他总结道，数学在人类科学史上所起的作用，一定会是人工智能在未来50年对科学研究所起的作用。这一观点无疑为人工智能的未来发展指明了方向。