【热点】上海AI这一年，把根扎进基础研究土壤里

过去一年间，上海埋头花“慢功夫”，把根扎进数学、科学和人才的土壤里。

7月17日，2026世界人工智能大会（WAIC）将在上海拉开大幕。

全球AI圈的目光再次聚焦黄浦江畔。人们不仅关心又有什么新产品首发，更想知道这座被寄予“创新策源”厚望的城市，过去一年在AI的基础研究上，种下了什么，又长出了什么。

一年前，2025WAIC留下了一个意味深长的印记：“AI三问”。在“人工智能的数学边界与基础重构”论坛上，首位华人菲尔兹奖得主丘成桐教授亲自遴选10道数学难题，四家机构的通用大模型现场推理解题。这场“人机对抗”式的现场演示，更像是一次集体叩问：当大模型学会解题之后，距离真正理解数学、驱动科学、重塑模型本身，还有多远？

一年来，上海交出的答卷，藏在一系列看似分散却彼此关联的实践中。

2026世界人工智能大会明天启幕 摄影：陈梦泽

数学之问

把AI基础设施铺得更深、更稳

“目前，我们更多的是工程创新，原理突破很少。中国要在国际AI领域真正占有一席之地，必须把基础理论搞上去，这背后，恰是数学。”中国科学院院士徐宗本在2025年大会上的这句话，道出了“三问”中第一问——“数学之问”的深意。

中国科学院院士、图灵奖得主姚期智对此也有着深刻认知：“AI的基础发展其实非常重要。如果你现在想要很快地进入一个人工智能公司做事，也许只要学几个算法就能够胜任。但是我们要意识到，AI是在不断发展的，因此一定要有一部分人去做基础研究，使得五年后的AI科技能有更大的发展。”

在姚期智看来，数学是所有科学学科通用的语言，“凡是想要真正地做出从0到1的原始突破，很多时候需要走进最原始的推理过程。在这个过程中，数学是一个非常必要的元素。”他同时强调，AI的基础学科不只数学，“像物理、计算机这类基础学科，都是在AI构建过程中必须要了解的学科。”

上海，把这些话都听进去了。

去年，两大国际数学实验室Fefferman实验室与Hitchin-Ngo实验室正式落地上海，标志着全球顶尖数学研究力量对上海的认可。两家实验室分别致力用AI破解流体力学奇异性难题以及攻关镜像对称等前沿问题。这不仅是上海在“AI+数学”融合上的一次战略落子，更是为AI的原始创新夯实数学基石、提供底层理论支撑的一次关键布局。

与此同时，上海在高校层面系统布局“AI+基础学科”的交叉人才培养。例如，上海交通大学面向本科生推出以法国数学家、物理学家、哲学家笛卡尔命名的“笛卡尔班”，打通从数学原理到技术落地的全链条人才培养路径，课程体系特别融入科技伦理与AI全球治理专题。上海还承担了国家关于AI未来领军人才培养“试验区”的改革探索任务，实施人工智能促进科研范式改革赋能学科跃升计划。

业内人士向记者解释，大模型能解奥数题固然令人振奋，但人们真正需要的，是它能把数学那里学到的严密逻辑，应用到更广阔的领域，“数学与AI的深度融合，是强化科创策源功能的关键抓手。数学是AI的‘基础设施’，而上海正在做的，是把这条基础设施铺得更深、更稳。

科学之问

AI+科学研究向纵深推进

如果说“第一问”问的是AI的“智商”，那么第二问“科学之问”问的是AI的“价值”——它能不能不只是个聪明的解题机器，而成为推动科学发现的革命性工具？

2025世界人工智能大会上，发布了十项突破性科学智能联合创新成果。从60毫秒完成2048个量子比特无缺陷排布，到自主发现癌症治疗新靶点；从单细胞级精准检测癌症，到分钟级生成飞行器设计方案……每一项成果都在回答同一个问题：AI能在多大程度上改变科学家的工作方式？

“我们希望通过体系化的AI赋能，为科学研究提供‘革命的工具’，推动科研范式变革。”上海AI实验室青年科学家白磊告诉记者。它不是替代科学家，而是让科学家从繁琐的数据处理、重复实验、文献筛选中解放出来，把精力放在真正重要的科学问题上。

在今年春天举办的第二届浦江AI学术年会上，上海AI实验室重磅发布面向重大科学研究突破的“AGI4S珠穆朗玛计划”，全面开放算力、数据、模型、平台、场景、项目、人才全维度合作通道，诚邀全球学界与业界先锋并肩攀登高峰，志在打造科学智能（AI for Science）“全国中枢”。

上月底，上海AI实验室发布了一项让业界侧目的成果。团队推出的Agents-A1智能体模型，参数规模仅350亿，却在多步搜索、科学研究和长指令遵循等任务上，表现追平甚至超越了部分参数量超过万亿的顶级商业大模型。

无独有偶，一周前，上海科学智能研究院发布了“Golab物质科学智能研发工厂”，这是国内首个实现全流程无人干预、干湿实验闭环的AI超级科研工厂，让AI负责设计和推演，机器人动手做实验，实验结果自动回传优化下一轮方案，全程无需人工介入。

专家指出，如果说过去几年是AI4S的理论探索与工具打磨期，那么2026年则被业界普遍视为AI4S走进产业实战环节的“部署年”。随着底层基础设施的完善，以及创新机制的高效运转，人工智能与科学研究的融合正以更快的速度向纵深推进。

模型之问

在架构和效率上找寻“质变”

第三问“模型之问”是最具产业色彩的一问。当全球大模型竞赛进入“深水区”，上海的路该怎么走？

传统多模态模型大多是“拼”出来的——一个视觉编码器负责看，一个语言模型负责想，生成靠另一套系统，信息在模块间传递，损耗在所难免。

摄影：杨建正

4月，商汤科技发布日日新SenseNova-U1，终结了这种“拼接式”架构。其自研NEO-unify架构彻底去掉了视觉编码器和变分自编码器，重新构建了统一的表征空间。语言和视觉信息被当作统一复合体直接建模，理解与生成在同一个模型内部完成。

即将开幕的2026世界人工智能大会上，商汤将发布旗舰版SenseNova-U1 Pro。Pro版定位为业界首个以“理解·生成·行动”原生统一为内核的多模态智能体基座，率先支持原生8K分辨率输出——当前全球最强生成模型原生直出分辨率上限仅为4K。

正在加速冲刺港股IPO的阶跃星辰，在今年5月29日发布并开源了Step 3.7 Flash模型。官方介绍，Step 3.7 Flas采用稀疏MoE架构，总参数196B加1.8B视觉编码器，激活参数仅11B，最高生成速度400词元/秒，特别适合高频、多轮的Agent应用场景。值得关注的是，模型针对生产级Agent场景需求优化了关键能力：原生多模态理解与执行、联网与视觉搜索增强、高可靠工具调用与编排及Agent生态兼容优化。

两天后，MiniMax发布新一代模型M3。核心创新在于自研的稀疏注意力架构MSA。传统全注意力机制计算量随序列长度呈平方级增长。MSA通过更精准的KV分块实现更高有效上下文覆盖，在100万token上下文下，M3的单token计算量仅为上代模型的约1/20。记者了解到，M3是国内首个同时具备“前沿Coding能力、1M超长上下文、原生多模态”三项核心能力的开源模型。

“三家企业的技术路线各有侧重，但共享同一个底层逻辑：不再迷信参数的线性增长，而是在架构和效率上寻找真正的‘质变’。”专家分析。

作答考卷

有恒心更有能力答好每一问

“AI三问”背后，其实还藏着一个更根本的问题：谁来回答这三问？

上海创智学院 摄影：陶磊

AI领域高层次拔尖创新人才培养改革的“试验区”——上海创智学院，成立不到两年，孵化26家AI企业、估值超40亿元，其中17家由学生创办；博士生以独立第一作者身份在《自然》发表裸眼3D显示突破性成果，打破50多年来在“大尺寸”和“宽视角”之间的被动折中，论文下载量达6.3万余人次……

创智学院构建了“研创型人才”全过程培育体系，打造前沿研究、工程化训练、价值创造三位一体的培养阵地。学院不要求“六边形战士”，关键看“抱负、认知迭代速度快、敢于冒险、对价值敏感”。导师不是学生的“老板”而是“合伙人”——师生一起调参数、拧螺丝。评价体系也打破传统：看研究影响力、开发影响力、产业影响力、社会影响力。

目前，上海已有14所高校成立人工智能创新学院、19所高校开设人工智能相关专业，全市人工智能人才规模近30万人，约占全国三分之一。

一年前的盛夏，当“AI三问”被提出时，很多人把它看作一次学术层面的思想实验。一年后的今天再看，那三问更像是张“考卷”——上海没有急于交卷，而是用一整年的基础研究实践，一笔一画地作答。

即将召开的大会，“三问”或许将转向“三共”，人们关心的已不仅是“模型能做得多好”，更是“如何让智能伙伴与人类共处、共创、共治”。过去一年间，上海把根扎进数学、科学和人才的土壤里，回答了“三问”。那么面对今年提出的“共治”命题，这座城市的路径清晰可辨：把“智能向善”从理念转化为规则，从共识转化为行动。

这注定又是一场更复杂的“慢功夫”，但上海从来不怕慢。

来源：新民晚报