WAIC王坚演讲实录:大"语言"模型没前途,科学数据才是AI突破口

今天的2026 世界人工智能大会上，中国工程院院士、之江实验室主任、阿里云创始人王坚在主题演讲中指出，下一代基础模型，不在语言，而在科学数据。

他直指行业误区称，如今大家一味做大语言模型，但AI历次跃迁核心驱动力从来是数据，而非算力、架构。

王坚提议打造科学基础模型，让科学数据成为模型“一等公民”，统一解析各类观测数据。

他说，长远看，“AI终将和数学一样，成为全学科通用基础科研工具”，打破当下文本内卷的行业困局。

以下为演讲全文——

各位来宾，大家上午好。

今天我们所有人都在讨论人工智能、大模型，行业里几乎形成了一个根深蒂固的思维惯性：把“大模型”直接等同于“大语言模型”。

但我今天想和大家分享一个核心判断——人工智能下一轮真正的革命驱动力，不会是更大参数、更强Agent的语言模型，而是科学数据。

回顾人工智能发展历史，每一次真正改变行业范式的突破，核心从来不是模型架构，而是数据。

2012年深度学习能彻底爆发，根源不是神经网络算法突然升级，而是ImageNet这套标准化图像数据集的诞生。

Transformer之所以能统一大模型赛道，底层逻辑是人类第一次把文本数据的分词、序列化处理做到标准化。

我们今天使用的所有大语言模型，本质只是依附“文本数据”而生的基础模型。

人类处理文字这件事，已经有几千年历史。中国古文、古拉丁文原本都没有标点、空格，古人诵读文章必须出声断句；现代人给文字加标点、分段落，这个朴素行为，和今天大模型的Token分词逻辑，底层逻辑完全相通。

可以说，大语言模型只是把人类几千年处理文本的能力，用算力放大到了极致。

但这里存在一个巨大瓶颈：如果AI理解世界的边界，只局限于人类写完、发表出来的论文、代码、文字，那科学创新的天花板会被彻底锁死。

绝大多数真实世界的科学信息，根本不以文字形式存在。

举个地学领域的例子：地球70%以上的核心科研信息，存储在光谱、地震波、地磁原始信号里，不会写进任何一篇论文。

我们常说“一张图胜过千言万语”，放到科研场景里，一段完整光谱数据，价值甚至超过千万张图像。

可现在绝大多数AI，根本无法直接读取、解析这类原生科学数据，只能依靠人类把数据翻译成文字，模型才能间接读懂。

这相当于让AI隔着一层玻璃观察世界，永远触碰不到自然规律的本源。

过去几年，之江实验室提出了“科学基础模型”（内部代号021），它不是某一个细分行业的垂直模型，而是一套通用基础底座。

我们的目标只有一个：让科学数据成为基础模型里的“一等公民（First-class Citizen）”，实现文本、代码、光谱、波形、观测原始数据在同一模型空间统一建模、统一分词、统一理解。

很多人会问，为什么这件事至关重要？

我举一个真实的天文案例：一颗早已退役的小行星观测卫星，它最初的设计目标根本不是搜寻未知天体。后来科研团队用全新AI模型，重新解析它留存几十年的原始观测数据，最终识别出150万个从未被人类编目、发现过的天体。

这个案例印证了科学研究的新逻辑：重大科学发现，不一定需要新设备、新实验，旧数据搭配新AI范式，就能诞生颠覆性结论。

而当前的语言大模型，完全做不到直接消化海量原始观测数据，这是行业当下最大的盲区。

我们现在讨论AI4S、科学智能，学界把它称作科研第五范式，但全球行业对这个概念至今没有统一标准。

这种认知上的分歧，恰恰说明我们正处在范式变革的起点。

开放科学不能只停留在论文免费阅读，真正的开放，是让全球研究者、尤其是发展中国家的科研人员，拥有平等使用原始科学数据、通用科学基础模型的权利，打破当下科研资源、数据资源高度垄断的壁垒。

站在更长周期看，人工智能正在迎来历史性转折点：未来50年，AI会变得和数学一样，成为所有自然科学、工程学科通用的底层基础工具，不再是一门独立的细分领域。

数学是人类描述世界的通用语言，而搭载科学数据能力的AI，会成为人类探索世界、推导自然规律的通用工具。

过去十年，大语言模型教会机器读懂人类；未来十年，科学基础模型会教会机器读懂自然。

我们不能永远停留在文本世界内卷算力、内卷参数，只有把AI的视野延伸到海量未被文字记录的原生科学数据里，人工智能才能真正驱动下一波基础科学革命。

我的分享到此结束，谢谢大家。