新华财经上海9月25日电（记者杜康）“当一个领域变得炙手可热时，我们往往会想起一句老话：人们总是高估一项技术在短期内的影响，导致出现泡沫；但从长远来看，却又容易低估其革命性的潜力——这便是‘阿玛拉定律’。”上海人工智能实验室主任、首席科学家周伯文以此为引，抛出了自己对AGI for Science的“六问”。

　　随着人工智能技术加速演进，人工智能与各交叉领域的科学研究也在紧密结合，服务于生物医药、材料科学、电子技术等实体经济方面的科技创新，这种人工智能驱动科学创新（研究）的模式，在业界被称作“AI for Science”，一般简称为“AI4S”，也可以称为“科学智能”。而具有泛化智能的AGI（Artificial General Intelligence），也即通用人工智能，则是AI的下一阶段目标。

　　AI for Science的价值已得到学界公认。前不久举办的2025浦江创新论坛人工智能赋能科学研究专题论坛上，有十项成果发布，包括上海人工智能实验室、清华大学、南京师范大学、香港城市大学联合发布首个通专基座联合驱动的蛋白质设计AI科学家Amix-Agent；上海交通大学发布多模态环肽合成深度学习通用模型DeepPeptide，首次实现人工智能指导下的非天然氨基酸环肽全合成等。

　　当AI在科学研究领域展现出巨大潜力的同时，周伯文以“六问”的形式，给出了自己对AGI for Science的观察与反思。

　　第一问是边界之问：所有科学问题是否都能被人工智能解决？“如果我们对这一点缺乏清晰的认知，很容易陷入‘AGI万能’的误区。”周伯文说。他表示，类似的思辨早在百年前的数学界就已展开。或许关于这一问题，当下并没有人能给出确定的答案，但“从大胆假设、到被证伪、再到新的突破，期间曲折的过程恰恰是科学发展的魅力所在”。

　　第二问是预测之问：AGI的预测能力是否全面超越现有计算方法？“我们不应高估当前的大语言模型或数据驱动方法，认为它们能准确预测一切科学现象。当前的大模型训练方法仍受限于人类已有认知，我们‘喂’给模型的数据本身已被人为约束。若不能突破原有认知框架，则仅依赖大模型难以真正精准揭示科学规律。”周伯文说。

　　第三问是语言之问：对于科学表征，如何超越自然语言？周伯文提出，自然语言是难以表征所有的科学现象。“从表达的角度来看，自然语言本身远远晚于世界本质的诞生。自然语言无疑有助于人类理解和传播科学知识，但这种理解却并不一定最准确。”他认为，人工智能将从纯粹依赖自然语言，走向自然语言与符号语言等多种表示形式的融合。

　　第四问是交叉之问：除了AGI 与其他科学交叉，AGI for Science是否能带来新融合？在这里，周伯文提出，AGI for Science 最具魅力的地方，远不止于AI 对单一学科的赋能，更在于它如何促进不同学科之间的深度融合，激发出新的交叉学科与多学科激励效应。“帮助我们看见人类尚未看见的联系，构建人类尚未构建的科学范式。”

　　第五问是验证之问：如何判断AGI有能力做出重大科学发现？周伯文给出一个思想实验作为判断标准——“将该系统‘送回’1905 年（那一年爱因斯坦刚刚提出狭义相对论），仅基于1905年之前的所有科学论文与已知观测结果，它能否自主推导出广义相对论？我认为，这是衡量‘AGI for Science’能否实现终极突破的关键设问。”他表示，不能仅满足于宣称某个模型“达到了博士水平”，而是应朝着更远大的目标持续探索。

　　第六问是新科学之问。周伯文表示，AI正在重构研究者、研究对象与研究工具三者之间的关系，未来其不仅可以用于科学探索，在社会学研究、工程研究等诸多领域也有巨大应用空间。目前，实验室已经教会模型如何理解徐悲鸿笔下的马、如何鉴赏留白的意境。这带来了新的启示，比如从非结构化的原始数据中，识别出具有研究价值的模式与特征。

　　“AI正在加速拓展知识边界，但科学探索的罗盘始终是由人类的心灵、好奇心与价值观来指引。”周伯文提出，把握被高估的当下，投身被低估的未来，预测未来最好的方法就是创造未来。

　　2025浦江创新论坛上，上海人工智能实验室也展示出了“把握当下、投身未来”的具体行动，联合多家科研机构共同发起“科学智能战略科技力量联盟”，该联盟将推动生物制造、量子科技、脑科学、化学材料、气候能源等学科领域与人工智能领域深度融合，实现从理论突破到应用落地的全链条闭环。