AI下一步將邁向何方？一場(chǎng)正在發(fā)生的范式革命

文 | JHMS貝殼

2024年底，《美國(guó)天文學(xué)雜志》發(fā)表了一篇論文。論文只有一位作者，不是資深教授，不是博士后，而是一名18歲的高中生。他利用一顆已退役的小行星觀測(cè)衛(wèi)星留下的舊數(shù)據(jù)重新分析，最終發(fā)現(xiàn)了近150萬(wàn)個(gè)此前從未被編目的天體。而這顆衛(wèi)星當(dāng)初的設(shè)計(jì)用途，甚至不是為了尋找這些天體。

這是阿里云創(chuàng)始人王堅(jiān)在2026WAIC（世界人工智能大會(huì)）上講述的一個(gè)真實(shí)案例。

開篇這個(gè)案例，跟大多數(shù)人理解的“AI”似乎沒什么關(guān)系——不涉及大模型、不涉及算力、不涉及任何我們熟悉的AI標(biāo)簽。但正是這個(gè)看似不相干的故事，指向了當(dāng)前人工智能發(fā)展中最容易被忽視、也最可能引發(fā)下一輪變革的重要方向。

一、驚人速度：但AI遠(yuǎn)未觸及“智能”本質(zhì)

今天，討論人工智能幾乎不會(huì)讓任何人感到陌生。它可以回答問(wèn)題、創(chuàng)作內(nèi)容、編寫代碼、輔助辦公。

CNNIC數(shù)據(jù)顯示，截至2025年12月，中國(guó)生成式人工智能用戶已達(dá)6.02億人，普及率42.8%。

從2023年ChatGPT引爆公眾認(rèn)知到42.8%的普及率，這條路只走了2年左右。在國(guó)內(nèi)，從DeepSeek-R1模型問(wèn)世算起，這個(gè)時(shí)間跨度更短，僅僅1年。

回顧科技進(jìn)程史，盡管革命性技術(shù)從問(wèn)世到普遍應(yīng)用的周期持續(xù)縮短，但同樣42%普及率，中國(guó)從1997年正式接入互聯(lián)網(wǎng)到2012年達(dá)到這個(gè)水平，用了整整15年。

AI的普及速度不可謂不驚人。

然而，一個(gè)值得正視的問(wèn)題是：我們?nèi)缃袢粘Ｊ褂玫腁I，真的“智能”嗎？

答案恐怕沒那么樂觀。

當(dāng)前多數(shù)人所接觸和使用的AI，并非真正意義上的“大模型”，更準(zhǔn)確說(shuō)應(yīng)叫“大語(yǔ)言模型”——一個(gè)搭建在文本數(shù)據(jù)之上的基礎(chǔ)模型。它在做的事情，本質(zhì)上是讓機(jī)器更高效地處理人類已經(jīng)寫好的文字。

文本處理并非AI時(shí)代的新生事物。古代漢語(yǔ)沒有標(biāo)點(diǎn)符號(hào)，文字之間也沒有空格，這給閱讀帶來(lái)極大挑戰(zhàn)。后來(lái)人們給文本加上標(biāo)點(diǎn)、在適當(dāng)位置予以分隔，這就是文本處理的原始形態(tài)。

今天的AI模型以文本數(shù)據(jù)為根基，它處理任務(wù)的上限，仍停留在人類已有知識(shí)體系之內(nèi)。它通過(guò)電算加快了處理速度，卻無(wú)法主動(dòng)探究那些尚未被人類用文字描述過(guò)的信息。

二、邊界顯現(xiàn)：大語(yǔ)言模型的“已知”困境

回到開篇的案例。

NASA用那顆衛(wèi)星進(jìn)行近地天體廣域紅外巡天探測(cè)，掃描全域天空。而那名高中生用同樣的數(shù)據(jù)、不同的分析方向，發(fā)現(xiàn)了海量未被編目的天體。類似情況并非孤例，伽利略當(dāng)年使用的觀測(cè)數(shù)據(jù)，大多來(lái)自前人的整理留存，他并未專門采集全新數(shù)據(jù)。

面對(duì)這類“原生數(shù)據(jù)”，今天的大語(yǔ)言模型并不能自主產(chǎn)生探究方向。除非人類給它一個(gè)清晰的任務(wù)指令、一個(gè)明確的篩選依據(jù)，否則它只會(huì)停留在“處理已知”的層面，無(wú)法跨越到“發(fā)現(xiàn)未知”。

這就是當(dāng)前AI的智能上限，也是將需要被打破的能力邊界。

王堅(jiān)在2026WAIC演講中指出的，也正是目前AI需要面臨的挑戰(zhàn)與革新，他稱之為——范式變革。

過(guò)去的基礎(chǔ)模型只把語(yǔ)言和代碼作為核心訓(xùn)練素材，科學(xué)數(shù)據(jù)長(zhǎng)期被邊緣化。他認(rèn)為，未來(lái)真正重要的不是訓(xùn)練更大的語(yǔ)言模型，而是讓科學(xué)數(shù)據(jù)成為基礎(chǔ)模型里的 “原住民（First-class Citizen）” 。

這意味著AI將不再局限于“閱讀人類寫好的知識(shí)”，而是能夠直接理解那些從未被文字記錄過(guò)的信息——光譜、地震波、基因序列、天文觀測(cè)信號(hào)、地層化石記錄……

三、科學(xué)數(shù)據(jù)：應(yīng)納入大模型的“原住民”

舉例來(lái)說(shuō)。

在自古生物學(xué)領(lǐng)域，地層中的化石記錄永遠(yuǎn)無(wú)法做到完整，我們能觀測(cè)到的化石出現(xiàn)與消失區(qū)間和物種真實(shí)存續(xù)范圍之間存在天然偏差。過(guò)去，科學(xué)家主要依賴人工統(tǒng)計(jì)和地層對(duì)比來(lái)推算物種滅絕時(shí)間，精度長(zhǎng)期停留在“百萬(wàn)年”量級(jí)。中國(guó)科學(xué)家團(tuán)隊(duì)用模型整合了10萬(wàn)個(gè)生物屬、近2萬(wàn)個(gè)物種的化石數(shù)據(jù)，做出了目前世界上最完整、最精確的地質(zhì)時(shí)間軸，把時(shí)間標(biāo)定的精度從百萬(wàn)年級(jí)別提升到了萬(wàn)年級(jí)別。這項(xiàng)工作剛剛?cè)脒x了聯(lián)合國(guó)“科學(xué)促進(jìn)可持續(xù)發(fā)展十年”的政策清單。

“萬(wàn)年”與“百萬(wàn)年”之別不是簡(jiǎn)單誤差修正，而是兩個(gè)數(shù)量級(jí)的跨越。

對(duì)科學(xué)數(shù)據(jù)的歸納與分析并沒有想象的簡(jiǎn)單，這些碎片化的原生數(shù)據(jù)往往是不完整、不連續(xù)的，存在數(shù)據(jù)斷層和噪聲干擾。

對(duì)這類涉及多個(gè)維度的碎片化信息處理，傳統(tǒng)人工分析難以理清，而當(dāng)今的大語(yǔ)言模型也并不具備這個(gè)能力。如果將科學(xué)數(shù)據(jù)同文本、代碼納入同一語(yǔ)義空間的通用基礎(chǔ)模型，讓科學(xué)擁有同等核心地位。

未來(lái)，在同一邏輯框架下，AI將有能力直接處理深空無(wú)線信號(hào)、大氣環(huán)流數(shù)據(jù)、古生物化石記錄、基因序列信息，從中發(fā)現(xiàn)人類肉眼無(wú)法識(shí)別的隱藏關(guān)聯(lián)。

這并不是空洞的展望，一些前沿實(shí)踐已經(jīng)開始驗(yàn)證這個(gè)方向的可能性。

2026年3月，之江實(shí)驗(yàn)室與瑞士聯(lián)邦理工聯(lián)合舉辦的“AI+天文學(xué)”研討會(huì)，已經(jīng)印證了這種范式轉(zhuǎn)移的可行性。事實(shí)上，之江實(shí)驗(yàn)室?guī)啄昵熬鸵褑?dòng)了 “科學(xué)基礎(chǔ)模型” 項(xiàng)目，內(nèi)部代號(hào) “021”（Zero to One），寓意從0到1的突破。

四、人工智能：從“變革”到“革命”的可期

如果“范式變革”如預(yù)期獲得突破，我們將迎來(lái)一個(gè)全然不同的AI時(shí)代。

這并非漸進(jìn)式改良，而是從根目錄出發(fā)的重新定義。

屆時(shí)，在同一邏輯框架下，AI將有能力直接處理深空無(wú)線信號(hào)、大氣環(huán)流數(shù)據(jù)、古生物化石記錄、基因序列信息，從中發(fā)現(xiàn)人類肉眼無(wú)法識(shí)別的隱藏關(guān)聯(lián)。

當(dāng)一名18歲的高中生能夠用退役衛(wèi)星的數(shù)據(jù)做出頂級(jí)科研發(fā)現(xiàn)，當(dāng)AI開始替代人類完成高維數(shù)據(jù)空間中“肉眼無(wú)法看見”的模式識(shí)別，一場(chǎng)涉及科研方法、教育模式、產(chǎn)業(yè)邏輯乃至社會(huì)結(jié)構(gòu)的深層次變革，已經(jīng)開始發(fā)酵。

一段時(shí)間后再回溯AI的革新進(jìn)程，這或許可以被稱之為——“范式革命”。

當(dāng)這場(chǎng)范式革命真正到來(lái)時(shí)，人類對(duì)“智能”的理解將被徹底刷新，它不再是快速執(zhí)行命令的工具，而是能主動(dòng)思考和未知探索的大腦。

到那時(shí)，我們?cè)倩仡^看今天的大模型競(jìng)賽，或許就像今天回頭看當(dāng)年的功能機(jī)之爭(zhēng)，聲勢(shì)浩大，卻遠(yuǎn)不是終局。