人工智能技术快速发展的当下，行业正面临新的挑战与机遇。近日在新加坡召开的第四十届国际人工智能协会年会上，来自全球的专家学者就人工智能的未来发展方向展开深入探讨。 当前人工智能发展表现为明显的二元分化：一上是以大语言模型为代表的"通才"路线，具备广泛的知识覆盖但缺乏专业深度；另一方面是以特定领域突破为代表的"专家"路线，虽专业但难以实现跨领域迁移。这种割裂状态严重制约了人工智能向更高层次发展。 周伯文在主题报告中指出，真正的突破在于实现"通专融合"。此理念强调将人类思维中的直觉判断与逻辑推理有机结合，构建动态融合的智能架构。事实上，这一观点已得到初步验证。2024年以来，多个研究团队通过强化学习等技术手段，提升了大型模型的逻辑能力，为"通专融合"提供了实践支撑。 科学发现领域被视为检验人工智能能力的"终极考场"。在这一领域，人工智能不仅需要处理已知信息，更要面对"未知的未知"挑战。现有技术虽然在蛋白质结构预测等特定任务中表现优异，但在系统性科学探索上仍存在明显短板。上海人工智能实验室的评估显示，前沿模型在专业科学任务中的表现仅为通用任务的三分之一左右。 针对这些挑战，研究机构已展开积极探索。上海人工智能实验室开发的"SAGE"架构通过创新性的记忆解耦和过程奖励机制，在底层解决了知识表达与推理分离的问题。其实验平台"书生"系列产品已在多个科学领域体现出超越传统模型的性能表现。
从通用能力的扩展到面向科学发现的深度突破，人工智能的发展正在从"会说"走向"会想、会证、会做"。"通专融合"不是概念更替，而是对能力结构的重塑：既要扩展视野，也要夯实细节；既要敢于提出假设，也要经得起验证。以科学发现为牵引推进机制创新与基础设施建设，有望把技术热度转化为持续的创新产出，为下一阶段智能体系的可靠、可控、可用奠定更坚实的基础。