为了突破通用人工智能发展的难关，咱们国家的科研团队琢磨出了新路子。全球人工智能顶级盛会AAAI 2026刚在新加坡开完，在这个聚集了世界顶级学者的会上，上海人工智能实验室的主任、首席科学家周伯文博士做了个特邀报告。他把主题定成了《从推理到科学发现：探索通专融合的AI之路》，系统讲了咱们对通用人工智能发展的新想法和实践办法，让大家看到了咱们在这方面有多深的探索和多远的眼光。周伯文在报告里说，几百年来大家习惯的科学发现方法现在正经历大变化。人工智能特别是通用人工智能的发展，不光能让科学研究变得更厉害，它自己在解决复杂科学问题时也能变得更强。他特别强调了一点，科学发现这个过程里有很多特别之处，比如去探索没人知道的东西、处理大量的可能性、还要应对反馈慢等问题。这些特点刚好能全面考验人工智能的认知和推理能力，所以说这就是通向通用人工智能的最关键也是最难的“考试场”。现在的大语言模型虽然挺能聊、懂的东西也多，但一碰到专业的科学问题还是不行。上海人工智能实验室联合一百多个跨领域的科学家做过评估发现，现在最顶尖的模型在普通的科学推理任务里还凑合，可一旦要用到深专业知识的专项任务，表现立马就差了很多。这说明现在的系统在“广度”和“深度”、“知识”和“推理”之间还没能好好配合起来。针对这个问题，咱们提出了“通专融合”的战略。这个战略就是要打破以前“通用”和“专用”老死不相往来的局面，打算造一个既能懂很多东西又能在具体领域变得很专业的智能系统。为了实现这个目标，上海人工智能实验室搞了个叫“智者（SAGE）”的新架构。这个架构想从底层把系统优化一下，把“知识存储”和“推理过程”分得清清楚楚，还搞了个能让系统一直保持好奇心的激励机制。它的核心就是想让人工智能通过在各种任务场景里玩、跟现实世界打交道来自我改进进化。为了给“用科学发现来驱动AGI”打好基础，实验室还搭了个“书生”科学多模态大模型和“书生”科学发现平台这两个大台子。这两个东西在好几个前沿领域都挺有用的。比如在气候科学研究里，“书生”平台自己分析了二十年的多模态数据，用了好多专业工具找到了以前没人注意到的大气水汽联动规律还推导出了新方程，给改进降水模型提供了新点子。在生物医学领域，它模拟生物学家的思维找到了有临床价值的新药物靶点并验证成功。评测数据显示，“书生”模型在保持普通能力强的同时，在化学、生物、材料这些九个核心领域的专业表现上，已经全面超过了国际上的主流模型。这些进展说明咱们的“通专融合”路子已经从想法变成了实实在在的本事。从有了想法到建起台子，咱们在通用人工智能这个全球最尖端的领域里有了清晰的布局和实打实的动作。把科学智能当成关键突破口这个选择不光是为了提高核心认知能力，也反映了咱们想让人工智能技术跟科学发现互相促进、一起进步的深谋远虑。通往科学发现驱动通用人工智能的那张图已经画好了，但路还难走着呢。咱们国内的科研机构敞开大门跟全球学者合作共享成果代码，邀请大家一起来填知识空白这就体现出了咱们负责任的态度。走这条路肯定能给技术发展和人类科学边界拓展贡献力量。