7月17日，中国工程院院士、之江实验室主任王坚在2026世界人工智能大会（WAIC）主论坛演讲中提出，人工智能正在迎来一次新的范式转折，而这一次推动变化的，不再只是语言数据，而是科学数据。未来真正重要的，不是训练一个更大的语言模型，而是让科学数据成为基础模型的“原住民（First-class Citizen）”。

　　他表示，当前广受关注的大语言模型（LLM），本质上是建立在海量文本数据之上的基础模型。王坚院士指出，人类对文本的处理古已有之。“正如中国古文和古拉丁文原本没有标点和空格，为文本添加标点和空格的过程在本质上与今天大语言模型中核心的Tokenize（分词）逻辑有异曲同工之妙。大语言模型将人类对文本数据的理解和使用推向了前所未有的高度。”

　　然而，科学研究中的大量关键信息并不以文本形式存在。如果人工智能的视野始终停留在分析由人类写成的论文和代码层面，就难以真正触及科学的本质。王坚以地球科学为例指出，超过70%的地学关键信息来源于光谱、地震波等原始物理数据，而非学术论文中的文字。“一张图胜过千言万语，而一段光谱可能胜过千万张图。”

　　王坚表示，未来的基础模型应当直接面向科学数据，实现文本、代码和科学数据的统一建模。

　　王坚以天文学领域的案例说明“范式变革”。2024年11月，美国天文学家杂志发表了一篇仅有单作者的研究，发现了近150万个此前从未被编过目的太空物体，而这位唯一的作者是一名18岁的高中生，所用数据来自一颗已退役的监测小行星的卫星。王坚指出，我们对数据的理解远没有到这个程度。他援引《科学革命的结构》一书观点，强调"在旧数据里发现新问题"是科学变革的基本逻辑，正如伽利略使用的数据来自第谷的积累而非自己新采集。

　　“科学突破不仅来自新的实验，也可能来自对已有数据的重新挖掘。”王坚表示。

　　王坚回顾了“基础模型”概念的由来。2021年，斯坦福大学教授首次明确提出“Foundation Model”一词。他指出，大语言模型（LLM）本质上是建立在文本数据上的基础模型。他以中文古时没有标点符号、古拉丁文没有空格和标点为例，说明文本处理在人工智能出现之前就已存在，加空格、加标点与今天Tokenization（分词标记化）的逻辑相似。大语言模型将人类对文本的处理和使用带到了前所未有的高度。

　　回到科学领域，王坚提到12年前与地球科学家讨论如何用人工智能帮助地球科学时，科学家提出了三个朴素要求：获取所有科学数据、获取相关领域研究论文、拥有基础设施。他指出，今天的人工智能在第一个条件上仍远未满足，当前大部分AI for Science工作只是让AI阅读了科学论文的文本，远未触及科学数据本身。在地学领域，70%以上的信息不在文本中，而在光谱、地震波、声波等信号里。“一张图胜过千言万语，但一段光谱胜过千万张图。”王坚说。

　　王坚介绍，之江实验室几年前定义了“科学基础模型”，建立在科学数据基础上，而非科学论文文本上，目标是让科学数据成为大模型的原住民，该工作代号"021"（Zero to One）。他强调，科学基础模型要将文本、代码、科学数据放入同一空间、同一模型完成所有任务，它不是垂直领域的模型，而是独立的技术模型。

　　王坚以与南京大学沈树忠院士团队合作的GeoGPT为例。地球科学研究石头，目标是让"石头说话"，了解世界演进。地球约38亿年前诞生，时间尺度以百万年计。科学家希望将时间精度从百万年提升至一万年，这是几个数量级的提高。化石中存“"Signor-Lipps Effect”（模糊效应）——最后一个消失的物种不会变成化石，化石形成是随机的，找到的化石不意味着该物种在那一时刻最后消失，这使得时间确定极为困难。

　　今年7月1日，在第五届地层学大会上，沈树忠院士团队参考了10万种生物种类和近2万多个断层数据，利用GeoGPT将数据放到统一时间轴上，构建出目前世界上最完整最精确的地质时间轴。上周，GeoGPT入选"联合国科学促进可持续发展十年认可清单"。王坚指出，治理结构至关重要，该模型四年多前就建立了全球治理结构委员会，对工作的全球影响起了重要作用。

　　王坚还表示，科学基础模型使人工智能到了非常不一样的转折点——未来，人工智能变得跟数学一样基础，不再是一个独立的领域。他总结道，数学在人类科学史上所起的作用，一定会是人工智能在未来50年对科学研究所起的作用。