WAIC2026前沿论坛：AI发展从工具复刻转向原创科学探索

2026世界人工智能大会期间，一场探索人工智能科学应用的前沿论坛——2026 WAIC科学前沿论坛在上海人工智能实验室新园区举办。论坛聚焦通用人工智能与科学智能发展主线，汇聚全球顶尖科研人才，围绕下一代AGI演进路径展开深度研讨。

上海人工智能实验室主任、首席科学家周伯文发表主旨演讲，抛出“科学研究是下一个Coding”的观点，提出人工智能将迎来“科学元认知时刻”，清晰勾勒出未来数年通用人工智能的核心发展趋势，为行业突破现有智能瓶颈指明技术路径。

从代码智能走向科学智能

是未来人工智能的发展主线

周伯文表示，当前AI行业呈现鲜明的“一冷一热”分化格局。他在演讲中援引多组行业基准测试数据：过去一年，AI代码生成能力实现跨越式提升，代码任务完成成功率从不足5%攀升至88%，代码生成、自测、优化的闭环体系已经成熟，主流大模型基本能够刷满各类编程评测数据集，编程赛道已形成完整自迭代飞轮。

与之形成鲜明反差的是，AI在端到端自主科学发现领域进展缓慢。权威评测显示，过去18个月，顶尖大模型完整走完科学研究全流程的完成率仅维持在3%；上海AI实验室联合十大领域百位科学家搭建的科学评测体系中，现有前沿模型综合得分普遍不及格，最新NatureBench测试中，模型超越现有科研成果的比例仅17.8%。尽管大模型信息存储、文本生成能力持续增强，但始终难以完成从提出假设、自主推演到实验验证的完整原创科研流程，只能复刻已有公开研究成果，难以产出颠覆性、突破性新知。

冷热分化背后，是当前大模型与生俱来的三大底层局限，也是制约AGI能力持续向上突破的核心壁垒。其一，现有模型仅能被动观测数据，只能捕捉事物相关性，不根植现实；其二，越难的问题反馈越少，模型越学不动，越有价值，越复杂的任务，反馈信号被稀释得越厉害，训练就越难；其三，公开科研成果仅留存成功实验数据，模型被锁死在旧分布里，只会模仿成功案例，无法长出新能力。

周伯文表示，基于行业现存瓶颈，AGI4S（通用人工智能驱动的科学研究）并非通用人工智能的细分应用场景，而是衡量通用智能上限的终极考题。

三大底层瓶颈

卡住当前AI智能上限

同时，行业也迎来“科学元认知”拐点：从“重述已知”跨越到“产出未知”。

周伯文认为，人工智能用于科学研究、从科学研究中寻找密集的反馈信号、包括失败信号，将进一步加速人工智能上限的突破。

第一，从“数据驱动”到“世界交互”。模型必须通过与物理世界的交互理解真实世界，构建理解物理世界、物理规律的世界模型，在实验和证伪中去沉淀暗知识。

第二，我们必须突破从“及时反馈中学习”走入“长程推理”。在不确定性中学习的能力，Coding可以秒级证伪。

第三，从“模仿正确”到“善用失败”。科学研究90%以上的实验以失败告终，模型要能从失败中自我反思、自我校准、自我更新。

“三个转变叠加，才能让模型从重述已知跨越到产出未知，这就是我们认为的科学元认知时刻。”周博文表示。

周伯文以1900年物理学发展现状类比当下AI产业阶段：彼时经典物理体系看似完整，两朵“乌云”却催生相对论与量子力学。如今大模型看似掌握海量人类知识，但“无法自主探索未知、不会从失败中学习、难以完成长周期科研推理”等短板，正是制约AGI进阶的核心“乌云”，也蕴藏着下一代人工智能技术变革的巨大机遇。

行业竞争逻辑彻底重构：从比拼参数、复刻内容，转向比拼自主探索、因果推理、突破认知边界的科学元认知能力。

AI价值逻辑跃迁

从工具辅助走向双向赋能科研创新

放眼全球产业脉络，人工智能正在完成两层关键跃迁。第一层是工具属性跃迁：AI不再是简单的信息检索、办公辅助工具，升级为具备独立思考、自主规划、实验验证能力的科研协作者。第二层是产业底层跃迁：科学智能将反向驱动大模型迭代升级，真实科研场景提供的试错、长程推理、复杂交互样本，持续补齐当前大模型的能力短板，形成“AI赋能科学、科学反哺AI”的双向进化飞轮。

针对当前科研领域普遍存在的信息过载、验证成本高、工具割裂、失败经验难以复用、科研过程不可追溯五大痛点，上海人工智能实验室发布书生·端砚科学发现平台，落地“科学元认知”技术路线，打造全新自主科研范式。平台并非简单的工具堆砌，而是依托自研Mobius架构，实现知识记忆与逻辑推理解耦，让模型能力从“一次性微调”变为“可持续生长”。

落地场景中，该平台展现出极强的原创突破能力。在蛋白质定向进化研究中，平台仅两轮迭代，就发现了一轮新的突变组合，其功能较此前Nature报道的最佳结果提升77%，将原本漫长的生物学验证周期缩短到原来的1/20。目前平台已经打通了科学假设、计算推演、湿实验执行和结果反馈，形成阶段性的能力节点，让干实验与湿实验形成真正闭环，提升世界模型并不断迭代。

“希望书生系列能够推动AI从理解科学、规划研究走向真实世界的实验验证和认知迭代。”周博文说，作为AI的下一个前沿阵地，科学发现既是推理智能的终极试炼场，也是“通专融合”的验证舞台，大规模推理将赋能科学发现，科学发现亦将反哺推理能力的进化，开启面向科学发现的智能体基座时代。

科学智能是下一代 AI 的终极考场，中国人工智能产业正在向全球输出“中国范式”。

大众新闻·齐鲁壹点 记者 任磊磊