【演講】王堅：科學基礎模型非大模型變體，而是全新方向

這場演講有幾個值得說的點。第一，他替大語言模型重新定性，認為它本質上只是文本工具，用來做科學研究有根本的侷限；第二，他提出科學數據需要脫殼，這個過程極其困難，光是 AlphaFold（DeepMind 開發的蛋白質結構預測模型，2020 年代震動生物醫學界）從第一代到第二代，單一類數據的處理就花了六年；第三，他認為 AI 正在進入一個以原始數據為核心的新周期；第四，也是最有意思的一點，他主張科學的學科邊界是人造的，科學基礎模型有機會讓人類第一次把科學當作一個整體來理解。合起來看，這不是一場AI 很厲害的讚美演講，而是一個在說現在的 AI 還不夠厲害，差在哪裡，下一步要往哪走的路線圖。

◎大語言模型是文本工具，不是科學工具

王堅說得很直接：今天的大模型之所以能大行其道，是因為它把人類對文字的理解推到了從未有過的高度。但這恰恰也是它的邊界。用 AI 讀論文，讀的是論文裡的文字，不是文字背後的科學數據本身。地震波，磁場，光譜，DNA，蛋白質結構——這些東西不是文字，也不是圖片，更不是影片。他引了一篇美國藝術與科學院會刊的文章，標題的意思是：語言不是你想要的全部。這句話他顯然等了一段時間才等到有人公開說出來。

◎科學數據需要脫殼，而且非常難

他用了一個很具體的比喻：今天的科學數據像是裹了稻殼的稻，模型吃進去的是殼，不是米。要讓基礎模型真正用上科學數據，得先把殼剝掉。有多難？他舉了 AlphaFold 的例子：從 1.0 升級到 2.0，光是蛋白質結構這一類數據的脫殼，就花了六年。整個科學領域的數據種類遠不止蛋白質，要一項一項走過這個過程，工程量之大，他說任重道远，但用他的語氣聽起來更像是這條路沒有捷徑，得認命走。之江實驗室的 021 模型目前已做到千億參數規模，涵蓋跨學科知識，跨領域推理，跨語言理解三個方向，但他說這個過程刻骨銘心，言下之意就是做得相當痛苦。

◎AI 讓人重新發現舊數據裡的問題，而不只是找新數據

他在演講裡講了一個案例：之江實驗室的研究員用 AI 模型預測幾種分子的沸點，發現結果跟一個有七十五年歷史的參考資料庫對不上。起初他以為是模型算錯了，回頭查原始文獻，發現是那個七十五年的資料庫本身就記錯了。這件事今年八月被《自然》期刊報導。王堅在這裡搬出了科學哲學家托馬斯·庫恩（Thomas Kuhn）的《科學革命的結構》，裡頭說科學革命始於發現反常——不是你採到了新數據，而是在舊數據裡看出了以前沒人注意到的問題。王堅的意思是：AI 現在幫我們做的，正是這件事。

◎學科邊界是人造的，科學基礎模型有機會打通它

這是整場演講裡最大的一個主張。他說，物理，化學，生物，地球科學之所以被分開，是因為人的認識有邊界，不是因為科學本身需要被分開。科學基礎模型的潛力在於：它能把不同領域的原始科學數據放進同一個模型，在同一個高維空間裡找出跨領域的潛在關聯，這是現在跨領域合作做不到的事——因為人與人的合作終究還是在各自的學科框架裡談話。他舉了固態電解質材料設計的實驗：模型不只從材料學給建議，還從物理，化學，生物，甚至天文學給出了意想不到的提示。結果是生成效率提高了。他自己說這不是正式的科學研究，比較像自由探索——但這個探索的方向，才是他認為值得全力押注的。

王堅這場演講最後落在一件事上：人工智能正在進入一個以數據為核心推動力的新周期，而那個數據不是網路上的文章，是地震波，光譜，分子結構這些科研現場長出來的原始訊號。這個方向能不能真的改變科研範式，現在還看不到終點，021 模型的進展也才剛起步。但有一點是確定的：誰先把這些數據的殼剝乾淨，誰就有機會把科學當一個整體來算——這個機會，比讓 AI 讀更多論文要根本得多。