当前，大语言模型以文本、代码等二次加工信息为核心训练素材，无法直接处理光谱、地震波等产业与科研中的原始科学数据。而科学基础模型，可融合文本、代码、各类科学观测数据，其产业价值更多体现在赋能高端制造、基础科研、地球科学等硬核领域。
7月17日，2026世界人工智能大会（WAIC）在上海举办，在下午的主论坛上，中国工程院院士王坚发表了演讲。他认为，当前阶段下，AI解读基础科学，只是通过文字间接推导客观规律，距离直接读懂原始观测数据还有巨大发展空间。之江实验室提出科学基础模型研发方向，科学基础模型具备通用底层能力，可统一融合文本、代码、多类型科学观测数据，完成各类异构科学数据的Tokenization转化。
中国工程院院士王坚
01当前AI赋能实践多数停留文本层面
“基础模型（Foundation model）”这一专业名词，由斯坦福大学学者2021年正式提出，如今已成为人工智能领域核心概念。大众常说的大模型，完整定义是大语言模型，本质是依托文本数据构建的基础模型。
人类处理文本的历史远早于人工智能诞生。古代中文、古拉丁文字均无标点、无词语分隔，古人阅读时必须出声断句才能理解文意。王坚谈到，给文本添加空格、标点，和如今大模型的底层逻辑高度相通。大语言模型将人类文本处理能力提升至全新高度，Tokenization更是支撑模型运行的关键技术环节。
王坚介绍，除文本之外，计算机代码是另一类特殊文本数据。代码与自然语言的差异，远大于不同语种人类语言之间的区别，这也直观印证了数据类型对AI能力塑造的决定性作用。但当前绝大多数AI赋能科研的实践，仅停留在解析论文文本、程序代码层面，极少触及真正核心的原始科学数据。
王坚举例说明当前文本大模型的局限性：以地学领域为例，超过70%的地球科学信息不存在于文字论文中，光谱、地震波、声波等观测数据才是核心载体。行业常说“一张图胜过千言万语”，而一段光谱数据的信息密度，甚至远超千万张图像。
王坚在演讲中总结：当前阶段下，AI解读基础科学，只是通过论文文字间接推导客观规律，距离直接读懂原始观测数据还有巨大发展空间。之江实验室提出科学基础模型研发方向，科学基础模型具备通用底层能力，可统一融合文本、代码、多类型科学观测数据，完成各类异构科学数据的Tokenization转化。
为此，之江实验室提出科学基础模型研发方向，项目代号“021”，核心定位区别于行业常见的垂直行业专用模型：它不以论文文本为训练基底，而是以原始科学数据为核心训练素材，让科学数据在模型体系中拥有核心地位。
02科学基础模型对前沿基础科学具有巨大的赋能价值
在地质研究中，研究对象不会自主传递信息，其核心目标是还原地球数十亿年演化历程、厘清生命演化脉络。地球诞生于38亿年前，恐龙、人类演化的时间尺度均以百万年为单位，传统地质测年手段精度有限，存在天然瓶颈。
而在实践研究中，化石研究存在“信息缺失效应”，生物化石形成具有随机性，某物种化石最晚出现的地层年代，并不等同于该物种真实灭绝时间，大幅制约地质时间轴构建精度。
针对这一难题，之江实验室联合南京大学沈院士团队打造地球科学专用模型GeoGPT。
据王坚透露，在第五届国际地层学大会上，中国面向全球发布了首个地层学AI大模型及智能全球地层剖面对比系统等新工具。这意味着，地球46亿年的演化历史将首次拥有一个全球共享的数据库。这将把地质时间解析精度从百万年级别提升至一万年级别，实现多个数量级的突破。该成果近期入选联合国“科学促进可持续发展十年（20224—2033）”第三批认可计划清单，充分证明AI基础模型对前沿基础科学的赋能价值。
演讲最后，王坚总结，AI将成为和数学同等重要的底层基础学科。科学基础模型的出现，标志人工智能发展迎来关键转折点，AI不再是单一领域的工具，而是如同数学一般，成为支撑全学科发展的底层基础。
-END-
涉及六大行业！工信部等五部门联合启动工业5G独立专网试点
总编视点：MWC上海展成分水岭，Token时代运营商进入发展新周期
最新！三大运营商领导班子一览
责编/版式：孙 天
审校：梅雅鑫
监制：刘启诚
【媒体矩阵】
今日头条 | 微博 | 微软MSN | 百家号
网易号 | 人民号 | 腾讯新闻 | 搜狐
新浪看点 | 雪球号 | 知乎
【运营团队】
编辑｜梅雅鑫 孙天 朱文凤
审校 | 梅雅鑫
监制｜刘启诚
配资网提示：文章来自网络，不代表本站观点。
