文 | JHMS 貝殼
2024 年底，《美國天文學(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 萬個此前從未被編目的天體。而這顆衛(wèi)星當(dāng)初的設(shè)計用途，甚至不是為了尋找這些天體。
這是阿里云創(chuàng)始人王堅在 2026WAIC（世界人工智能大會）上講述的一個真實案例。
開篇這個案例，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 標簽。但正是這個看似不相干的故事，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 遠未觸及 " 智能 " 本質(zhì)
今天，討論人工智能幾乎不會讓任何人感到陌生。它可以回答問題、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，中國生成式人工智能用戶已達 6.02 億人，普及率 42.8%。
從 2023 年 ChatGPT 引爆公眾認知到 42.8% 的普及率，這條路只走了 2 年左右。在國內(nèi)，從 DeepSeek-R1 模型問世算起，這個時間跨度更短，僅僅 1 年。
AI 的普及速度不可謂不驚人。
然而，一個值得正視的問題是：我們?nèi)缃袢粘Ｊ褂玫?AI，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 "，更準確說應(yīng)叫 " 大語言模型 " ——一個搭建在文本數(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 時代的新生事物。古代漢語沒有標點符號，文字之間也沒有空格，這給閱讀帶來極大挑戰(zhàn)。后來人們給文本加上標點、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體系之內(nèi)。它通過電算加快了處理速度，卻無法主動探究那些尚未被人類用文字描述過的信息。
二、邊界顯現(xiàn)：大語言模型的 " 已知 " 困境
回到開篇的案例。
NASA 用那顆衛(wèi)星進行近地天體廣域紅外巡天探測，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)年使用的觀測數(shù)據(jù)，大多來自前人的整理留存，他并未專門采集全新數(shù)據(jù)。
面對這類 " 原生數(shù)據(jù) "，今天的大語言模型并不能自主產(chǎn)生探究方向。除非人類給它一個清晰的任務(wù)指令、一個明確的篩選依據(jù)，否則它只會停留在 " 處理已知 " 的層面，無法跨越到 " 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。
過去的基礎(chǔ)模型只把語言和代碼作為核心訓(xùn)練素材，科學(xué)數(shù)據(jù)長期被邊緣化。他認為，未來真正重要的不是訓(xùn)練更大的語言模型，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 "，而是能夠直接理解那些從未被文字記錄過的信息——光譜、地震波、基因序列、天文觀測信號、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 "
舉例來說。
在自古生物學(xué)領(lǐng)域，地層中的化石記錄永遠無法做到完整，我們能觀測到的化石出現(xiàn)與消失區(qū)間和物種真實存續(xù)范圍之間存在天然偏差。過去，科學(xué)家主要依賴人工統(tǒng)計和地層對比來推算物種滅絕時間，精度長期停留在 " 百萬年 " 量級。中國科學(xué)家團隊用模型整合了 10 萬個生物屬、近 2 萬個物種的化石數(shù)據(jù)，做出了目前世界上最完整、最精確的地質(zhì)時間軸，把時間標定的精度從百萬年級別提升到了萬年級別。這項工作剛剛?cè)脒x了聯(lián)合國 " 科學(xué)促進可持續(xù)發(fā)展十年 " 的政策清單。
" 萬年 " 與 " 百萬年 " 之別不是簡單誤差修正，而是兩個數(shù)量級的跨越。
對科學(xué)數(shù)據(jù)的歸納與分析并沒有想象的簡單，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。
對這類涉及多個維度的碎片化信息處理，傳統(tǒng)人工分析難以理清，而當(dāng)今的大語言模型也并不具備這個能力。如果將科學(xué)數(shù)據(jù)同文本、代碼納入同一語義空間的通用基礎(chǔ)模型，讓科學(xué)擁有同等核心地位。
未來，在同一邏輯框架下，AI 將有能力直接處理深空無線信號、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)人類肉眼無法識別的隱藏關(guān)聯(lián)。
這并不是空洞的展望，一些前沿實踐已經(jīng)開始驗證這個方向的可能性。
2026 年 3 月，之江實驗室與瑞士聯(lián)邦理工聯(lián)合舉辦的 "AI+ 天文學(xué) " 研討會，已經(jīng)印證了這種范式轉(zhuǎn)移的可行性。事實上，之江實驗室?guī)啄昵熬鸵褑恿?" 科學(xué)基礎(chǔ)模型 " 項目，內(nèi)部代號 "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，我們將迎來一個全然不同的 AI 時代。
這并非漸進式改良，而是從根目錄出發(fā)的重新定義。
屆時，在同一邏輯框架下，AI 將有能力直接處理深空無線信號、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)人類肉眼無法識別的隱藏關(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 " 肉眼無法看見 " 的模式識別，一場涉及科研方法、教育模式、產(chǎn)業(yè)邏輯乃至社會結(jié)構(gòu)的深層次變革，已經(jīng)開始發(fā)酵。
一段時間后再回溯 AI 的革新進程，這或許可以被稱之為—— "范式革命"。
當(dāng)這場范式革命真正到來時，人類對 " 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，而是能主動思考和未知探索的大腦。
到那時，我們再回頭看今天的大模型競賽，或許就像今天回頭看當(dāng)年的功能機之爭，聲勢浩大，卻遠不是終局。
