如果说大语言模型开启了人工智能的新纪元，那么下一场革命将由什么驱动？在2026世界人工智能大会主旨论坛上，中国工程院院士、之江实验室主任、阿里云创始人王坚给出的答案：科学数据。

他指出，人工智能正迎来历史转折点，未来推动AI发展的关键不再仅仅是算力和算法，而是让科学数据成为基础模型的“核心要素”（First Class Data），从而推动人工智能从“理解文本”迈向“驱动科学发现”。

中国工程院院士、之江实验室主任、阿里云创始人王坚 新民晚报记者李永生 摄

未来基础模型应直接面向科学数据

当前广受关注的大语言模型（LLM），本质上是建立在海量文本数据之上的基础模型。王坚院士指出，人类对文本的处理古已有之。”正如中国古文和古拉丁文原本没有标点和空格，为文本添加标点和空格的过程在本质上与今天大语言模型中核心的Tokenize（分词）逻辑有异曲同工之妙。大语言模型将人类对文本数据的理解和使用推向了前所未有的高度。”

然而，科学研究中的大量关键信息并不以文本形式存在。如果人工智能的视野始终停留在分析由人类写成的论文和代码层面，就难以真正触及科学的本质。王坚以地球科学为例指出，超过70%的地学关键信息来源于光谱、地震波等原始物理数据，而非学术论文中的文字。“一张图胜过千言万语，而一段光谱可能胜过千万张图。”

王坚表示，未来的基础模型应当直接面向科学数据，实现文本、代码和科学数据的统一建模。

科学突破或许存在于对已知数据的重新挖掘

近期，一名18岁的高中生，利用一颗原本用于监测小行星的退役卫星遗留下来的数据，成功发现了近150万个此前未被识别的太空天体。这一突破性成果作为单作者论文发表在顶级天文期刊上。“科学突破不仅来自新的实验，也可能来自对已有数据的重新挖掘。”王坚强调，从旧数据中发现新问题，正是科学变革的基本逻辑。“面对浩瀚的科学数据，人类目前的认知和利用程度还远远不够。”

为打破文本数据的局限，之江实验室近年来率先提出了“科学基础模型”的理念，并开展了代号为“021（Zero to One）”的前沿探索，力求将科学数据作为模型的“一等公民”。在地球科学领域，石头是不会“说话”的，且地质演化的时间尺度往往以“百万年”计。为了厘清生命演化的精确时间，之江实验室与南京大学沈树忠院士团队深度合作，打造了地球科学基础模型。面对古生物化石记录中著名的“西格诺—里普斯效应”（Signor-Lipps Effect，即化石记录不完整导致的物种灭绝时间认知偏差），人工智能发挥了破局作用。通过对10万余种生物化石和2万余条地层断层数据进行统一建模处理，该模型成功将生命演化的时间轴精度从“百万年”级别跨越式提升至“万年”级别，构建出目前全球最完整、最精确的地球生命演化时间轴。据悉，该项目已于近期成功入选联合国“海洋科学促进可持续发展十年”的认可清单。

“随着科学基础模型的发展，人工智能正从一个单纯的计算机科学分支，演变为支撑所有科学研究的重要基础设施。”王坚说，人工智能将变得跟数学一样基础了，它不再是一个独立的垂直技术领域。“未来50年里，人工智能一定会像数学在人类科学历史上所起的作用一样，对我们科学研究起作用。”