北京
“如果人类思考一道难题花100年，AI需要多久？”
9月12日下午，2026浦江创新论坛（第十九届）主论坛在上海举行。上海人工智能实验室主任、首席科学家周伯文受邀发表主旨演讲，分享人工智能赋能科学研究的新进展与前沿思考。
周伯文表示，AI与科学的关系正从“AI for Science”走向“AI in Science”乃至“AI and Science”，AGI4S将推动科技创新和产业创新迈向新纪元。
AI究竟如何改变了人类解决问题的效率？
对于这个问题，周伯文用三个时间坐标作答。
单克隆抗体1975年问世，从患者体内找到对症抗体，传统流程要走四年；2020年，AI与生物学家协作，从机器筛选到给药患者只用了90天，时间压缩到6%。蛋白质折叠问题1969年被提出，人类历经51年求索仍难以破解，AlphaFold仅用2年基本解决，约为人类时间的4%。
纳维-斯托克斯方程1827年被提出，是千禧年七大数学难题之一，不久前一万个AI智能体连续工作88小时，给出了存在性与光滑性的证明。人类思考近200年的问题，AI用万分之零点五的时间在逼近。
周伯文指出，三张图连在一起看，规律清晰可见：问题越古老、越基础，AI提效的空间越大。但他同时强调，三个案例均为“人类主导、AI参与”——由人类定义科学问题、构建数据集、设计提示词与思维链，才是突破得以实现的根基。
周伯文表示，AI与科学的互动关系可分为四个层级：从工具互用，到效率互增，再到结构互赖，最终走向体系互构。
在他看来，“AI for Science”的提法暗含“AI是服务于科学的工具”的预设——当时的AI如同站在门外的访客，正叩响科学的大门。
当下行业已进入“AI in Science”阶段，AI成为科研殿堂里的常驻参与者，能够端到端参与甚至驱动完整科研流程；未来则将走向“AI and Science”，二者共同建构科学体系，在交互中持续迭代、越用越强。
2024年上海人工智能实验室提出的AGI4S（AGI for Science）概念，正是对这一共生范式的定义。周伯文表示，AGI4S正处在这一范式跃迁的临界点，既要具备低使用门槛，也要筑牢可信赖的底座，更要拥有协同进阶的能力。
周伯文认为，AI能够全链路重塑科技创新范式。在“从0-1”的原始创新阶段，AGI4S能将科研中隐性、散落的碎片化思考转化为清晰可落地的科学假设，让跨领域交叉创新成为常态；在“从1-10”的技术迭代阶段，将过去偶然性、个体化的发明探索升级为标准化、可迭代的创新工程；在“从10-100”的产业规模化阶段，可缩短甚至替代传统小试、中试流程，实现科技创新与产业创新双链融合。
在他看来，科学研究是下一个编程——编程是当前AI落地规模最大、生产力提升最为显著的应用赛道，其成功根源在于代码任务具备信号密集的反馈机制：评判标准清晰明确，反馈即时，验证可自动化执行，失败经验能够沉淀复用，全程可追溯。
在周伯文看来，AGI4S有望实现三大价值：
第一是创新体系大扩容。也就是说，AGI4S将极大放大个体科研人员的研究能力，降低科研参与门槛，让过去受各类条件限制、难以入局的研究者，能够深度参与科研探索。
第二是创新链条全贯通。AGI4S有一个独特优势：它既提升个体科研效率，也赋能有组织科研。它助力跨大学科融通，打通从创意构思到实验验证的路径，串联产学研用各环节，实现创新全链条贯通。
第三是创新活力全面激发。我认为科研团队最有可能成为AI原生的组织。AI原生组织，意味着从问题设定、思维方式到研究方法，都以“如果AI来做，它会如何开展”为标尺重新审视。科研的本质就是持续探索未知，当科研团队成长为AI原生组织，创新活力将被充分释放，AI也将真正成为科学家的可靠伙伴。
“科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”周伯文表示。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
