AI下一步將邁向何方？一場正在發生的範式革命

AI下一步將邁向何方？一場正在發生的範式革命JHMS貝殼2026.07.25 19:33 · 來自上海全文2774字00:00 / 07:30當這場“革命”真正到來時，人類對“智能”的理解將被徹底刷新，它不再是快速執行命令的工具，而是能夠主動思考和探索未知的“大腦”。到那時，我們再回頭看今天的大模型競賽，或許就像今天回頭看當年的功能機之爭，聲勢浩大，卻遠不是終局。文 | JHMS貝殼2024年底，《美國天文學雜誌》發表了一篇論文。論文只有一位作者，不是資深教授，不是博士後，而是一名18歲的高中生。他利用一顆已退役的小行星觀測衛星留下的舊數據重新分析，最終發現了近150萬個此前從未被編目的天體。而這顆衛星當初的設計用途，甚至不是為了尋找這些天體。這是阿里雲創始人王堅在2026WAIC（世界人工智能大會）上講述的一個真實案例。開篇這個案例，跟大多數人理解的“AI”似乎沒什麼關係——不涉及大模型、不涉及算力、不涉及任何我們熟悉的AI標籤。但正是這個看似不相干的故事，指向了當前人工智能發展中最容易被忽視、也最可能引發下一輪變革的重要方向。一、驚人速度：但AI遠未觸及“智能”本質今天，討論人工智能幾乎不會讓任何人感到陌生。它可以回答問題、創作內容、編寫代碼、輔助辦公。CNNIC數據顯示，截至2025年12月，中國生成式人工智能用戶已達6.02億人，普及率42.8%。從2023年ChatGPT引爆公眾認知到42.8%的普及率，這條路只走了2年左右。在國內，從DeepSeek-R1模型問世算起，這個時間跨度更短，僅僅1年。回顧科技進程史，儘管革命性技術從問世到普遍應用的週期持續縮短，但同樣42%普及率，中國從1997年正式接入互聯網到2012年達到這個水平，用了整整15年。AI的普及速度不可謂不驚人。然而，一個值得正視的問題是：我們如今日常使用的AI，真的“智能”嗎？答案恐怕沒那麼樂觀。當前多數人所接觸和使用的AI，並非真正意義上的“大模型”，更準確說應叫“大語言模型”——一個搭建在文本數據之上的基礎模型。它在做的事情，本質上是讓機器更高效地處理人類已經寫好的文字。文本處理並非AI時代的新生事物。古代漢語沒有標點符號，文字之間也沒有空格，這給閱讀帶來極大挑戰。後來人們給文本加上標點、在適當位置予以分隔，這就是文本處理的原始形態。今天的AI模型以文本數據為根基，它處理任務的上限，仍停留在人類已有知識體系之內。它通過電算加快了處理速度，卻無法主動探究那些尚未被人類用文字描述過的信息。二、邊界顯現：大語言模型的“已知”困境回到開篇的案例。NASA用那顆衛星進行近地天體廣域紅外巡天探測，掃描全域天空。而那名高中生用同樣的數據、不同的分析方向，發現了海量未被編目的天體。類似情況並非孤例，伽利略當年使用的觀測數據，大多來自前人的整理留存，他並未專門採集全新數據。面對這類“原生數據”，今天的大語言模型並不能自主產生探究方向。除非人類給它一個清晰的任務指令、一個明確的篩選依據，否則它只會停留在“處理已知”的層面，無法跨越到“發現未知”。這就是當前AI的智能上限，也是將需要被打破的能力邊界。王堅在2026WAIC演講中指出的，也正是目前AI需要面臨的挑戰與革新，他稱之為——範式變革。過去的基礎模型只把語言和代碼作為核心訓練素材，科學數據長期被邊緣化。他認為，未來真正重要的不是訓練更大的語言模型，而是讓科學數據成為基礎模型裡的 “原住民（First-class Citizen）” 。這意味著AI將不再侷限於“閱讀人類寫好的知識”，而是能夠直接理解那些從未被文字記錄過的信息——光譜、地震波、基因序列、天文觀測信號、地層化石記錄……三、科學數據：應納入大模型的“原住民”舉例來說。在自古生物學領域，地層中的化石記錄永遠無法做到完整，我們能觀測到的化石出現與消失區間和物種真實存續範圍之間存在天然偏差。過去，科學家主要依賴人工統計和地層對比來推算物種滅絕時間，精度長期停留在“百萬年”量級。中國科學家團隊用模型整合了10萬個生物屬、近2萬個物種的化石數據，做出了目前世界上最完整、最精確的地質時間軸，把時間標定的精度從百萬年級別提升到了萬年級別。這項工作剛剛入選了聯合國“科學促進可持續發展十年”的政策清單。“萬年”與“百萬年”之別不是簡單誤差修正，而是兩個數量級的跨越。對科學數據的歸納與分析並沒有想象的簡單，這些碎片化的原生數據往往是不完整、不連續的，存在數據斷層和噪聲干擾。對這類涉及多個維度的碎片化信息處理，傳統人工分析難以理清，而當今的大語言模型也並不具備這個能力。如果將科學數據同文本、代碼納入同一語義空間的通用基礎模型，讓科學擁有同等核心地位。未來，在同一邏輯框架下，AI將有能力直接處理深空無線信號、大氣環流數據、古生物化石記錄、基因序列信息，從中發現人類肉眼無法識別的隱藏關聯。這並不是空洞的展望，一些前沿實踐已經開始驗證這個方向的可能性。2026年3月，之江實驗室與瑞士聯邦理工聯合舉辦的“AI+天文學”研討會，已經印證了這種範式轉移的可行性。事實上，之江實驗室幾年前就已啟動了 “科學基礎模型” 項目，內部代號 “021”（Zero to One），寓意從0到1的突破。四、人工智能：從“變革”到“革命”的可期如果“範式變革”如預期獲得突破，我們將迎來一個全然不同的AI時代。這並非漸進式改良，而是從根目錄出發的重新定義。屆時，在同一邏輯框架下，AI將有能力直接處理深空無線信號、大氣環流數據、古生物化石記錄、基因序列信息，從中發現人類肉眼無法識別的隱藏關聯。當一名18歲的高中生能夠用退役衛星的數據做出頂級科研發現，當AI開始替代人類完成高維數據空間中“肉眼無法看見”的模式識別，一場涉及科研方法、教育模式、產業邏輯乃至社會結構的深層次變革，已經開始發酵。一段時間後再回溯AI的革新進程，這或許可以被稱之為——“範式革命”。當這場範式革命真正到來時，人類對“智能”的理解將被徹底刷新，它不再是快速執行命令的工具，而是能主動思考和未知探索的大腦。到那時，我們再回頭看今天的大模型競賽，或許就像今天回頭看當年的功能機之爭，聲勢浩大，卻遠不是終局。