我刚才听了专家的一个报告，特别有意思。他说AI想要变成那种全能的智能，得把那个专业推理能力这块儿短板给补上才行。这也是现在科技竞争越来越激烈的原因，大家都在抢着往前冲。 这次在美国开的那个第四十届人工智能协会年会，也就是AAAI 2026，上海人工智能实验室的周伯文主任做了个报告。周伯文以前在IBM工作，他提出了个三阶段发展框架，就是说狭义人工智能（ANI）、广义人工智能（ABI），还有通用人工智能（AGI）。现在AI已经到了AGI的前夜了，但那些大模型在专业领域还是不行，这就成了瓶颈。 周伯文分析说，现在的AI分成两类，一类像AlphaFold那样的“专家”，在蛋白质结构预测上特别强，但别的不行；另一类是像ChatGPT这种大语言模型，知道的东西很多，但处理复杂任务的时候深度不够。他觉得真正的AGI得把这两方面的能力结合起来。 他还提出了一个“智者”（SAGE）技术架构，就是想弄个统一的认知系统，把广度和深度融合起来。至于怎么检验这个智能行不行？周伯文把目光投向了科学发现。因为做科研不光是为了造福人类，更是对AI最大的考验。做科研的时候要处理很多未知的东西，还要应对实验反馈慢、奖励少的情况。这些都是现在AI不太擅长的。 最近《自然》杂志上也有文章说了，光靠海量数据训练的深度学习模型可能会限制新的科学发现。所以他觉得未来要推动AI for Science从1.0阶段（AI4S）升级到2.0阶段（AGI4S）。这本质上就是让AI从靠“感知理解”转向靠“推理创造”。 周伯文总结说，现在的竞赛不光是看模型有多大、数据有多全，更要看推理和创造有多深。把专业推理能力补上，实现“通”与“专”的动态融合，这才是走向通用人工智能的必经之路。把科学发现当作试金石不仅是为了技术突破，更是为了让AI变成解决全球性问题的革命性力量。这条路虽然难走，但指明了未来十年的方向。