AI竞争正酣，靠什么取胜？8个要点，一篇讲清楚

对你来说，AI是什么？

只是那个陪你唠嗑的“聊天小能手”？

请打开你的想象！

全球AI竞赛的下半场哨声已经吹响，赛道从“谁更会聊天”切换到了“谁更能干活”。在这条赛道上，我们有完整的工业体系、丰富的应用场景和超大规模的市场，这些都是妥妥的王牌。

怎样打出一手好牌？

答案就四个字：通专融合。

通专融合，简单来说，就是要把通用能力的广度与专业逻辑的深度结合起来。具体怎么融合？如何解决复杂推理与科学决策难题？我们从上海人工智能实验室主任、首席科学家周伯文的深度长文中提炼出8个要点，满满都是干货。

图为上海人工智能实验室主任、首席科学家周伯文。上海人工智能实验室供图

1、大模型在严谨的科学领域“博而不精”

上海人工智能实验室近期一项研究显示：前沿模型在通用科学常识上得分可达50分（满分100分），但在各类专业推理任务（如专项文献检索、具体实验方案设计）中，得分骤降至15—30分。这种现象揭示了一个深层困境：擅长处理数据充足、定义明确任务的传统深度学习，难以应对科学发现中“未知的未知”。

2、科学发现是通专融合最前沿的“试炼场”

通专融合将推动AI从辅助科研的工具升级为驱动科学发现的引擎，进而成为攻克科学前沿难题、赋能产业升级的“革命的工具”。

3、实现通专融合要重构大模型训练机制

要让AI像专家一样学习，必须重构训练机制。实现这一目标，需实现三方面突破。一是构建“导师制”的过程反馈机制，二是激发“求知若渴”的主动探索欲，三是追求“条条大路通罗马”的解法多样性。

4、通专融合能够算清“经济账”

以电力现货市场智能报价为例，通用大模型虽能撰写行业报告，却难以在瞬息万变的电力现货市场给出精准报价。在电力交易中，预测精度提升一个百分点，往往意味着数亿元的收益差。基于SAGE架构，AI不仅能理解政策文本，更能像资深交易员一样进行长链条数值推理。

图为2025全球工业互联网大会上的人形机器人。新华社记者 潘昱龙 摄

5、AGI4S意味着科研范式的系统性变革

AI4S（人工智能驱动的科学研究）阶段，AI主要作为工具，在特定环节（如蛋白质结构预测）发挥加速器作用；而AGI4S（通用人工智能驱动的科学研究）则要求AI具备自主性、跨领域整合能力和创造性。它不仅能帮助研究者产生跨领域的想法、判断假设价值，还能自主构建新工具或实现已有工具的创新性组合。

6、AGI4S的价值贯穿创新全链条

AGI4S在未知探索方面（“从0到1”），不断拓展科学发现的边界，帮助研究者触及那些人类尚未意识到的“未知的未知”；在共性技术方面（“从1到10”），将初步成果转化为可复用的技术载体，构建面向科学共同体的共性技术平台；在产业加速方面（“从10到100”），推动成熟成果直接嵌入产业链，压缩小试、中试周期，实现降本增效。

7、需冷静思考和回答“AGI4S前沿六问”

边界之问、预测之问、语言之问、交叉之问、验证之问、新科学之问，这六问并非对AGI4S前景的犹疑，而是对其长期价值的清醒锚定。

8、AI不是替代“人手”，而是放大“人智”

为将AI与行业真实场景紧密结合，上海人工智能实验室采取双轮驱动模式。一是建立FDE（前沿部署工程师）机制，通过专业队伍将前沿AI能力快速、精准部署到具体科研与产业场景，打通从模型到应用的“最后一公里”。二是打造“高手+高手”协同模式，即科学领域与AI领域的顶尖科学家在同一张“作战图”上深度协作、并肩攻关。

原标题：《AI竞争正酣，靠什么取胜？8个要点，一篇讲清楚》

栏目主编：顾万全 文字编辑：卢晓川 题图来源：上观题图

来源：作者：科技日报