2026年3月23日，上海人工智能实验室主任、首席科学家周伯文出席中国发展高层论坛2026年年会，并在“人工智能产业化应用专题研讨会”上分享前沿思考。

本次研讨会由国务院发展研究中心创新发展研究部部长马名杰主持。国家发展和改革委员会党组成员、国家数据局局长刘烈宏作主题发言。

会上，周伯文详细阐述了AI未来三大发展趋势：技术路径从“二元对立”走向“通专融合”；应用能力从“会做题”走向“会办事”；科学发现是对智能的终极考验 。围绕人工智能产业化落地实践，他还分享了上海人工智能实验室（上海AI实验室）近两年来深入推进“人工智能+”行动，所培育形成的一批新产业模式。

针对深化拓展“人工智能+”过程中面临的现实挑战，发言进一步提出系统性破题思路：要统筹谋划、扎实推进 “四度”、“三量”与“四个如何”。“四度”即在宽度、深度、密度、速度上持续发力、协同提升，以人工智能全面赋能新质生产力发展。随着“四度”水平不断跃升，人工智能将迎来新一轮发展爆发期，其核心价值将通过增量效应、变量效应、分量效应这“三量”充分释放。面向未来，唯有锚定如何“加得上、加得深、加得顺、加得稳”这“四个如何”精准发力，方能推动“人工智能+”向更广范围、更深层次、更高水平迈进。

以下为演讲全文：

今天很高兴有机会以“通用人工智能创新驱动发展”为主题与大家分享。我们正站在一个历史性的转折点上，人工智能带来的变革，其深度与广度可能远超我们的想象。历史经验表明，颠覆性技术的影响往往难以预判，因为它在诞生之初，常常披着旧有技术的外衣，容易被视作对过往的简单延续。纵观历史案例：

在工业革命初期，蒸汽机最初只是被用来替代原来水边的工厂的水轮，生产力提升很有限。直到人们摆脱“动力必须依水而行”的旧思维，围绕蒸汽机彻底重构了工厂的选址、布局与生产流程，生产力才出现质的飞跃。

同样，发动机最初被称为“无马的马车”。当我们如今回望并感慨彼时认知局限时，不妨反思：就在去年，绝大多数人仍仅仅将人工智能当作更强大的搜索引擎，用以完成简单问答。

历史往往会重复，但也告诉我们，一项技术的价值释放，存在两个关键变量：一个是技术本身的成熟与就绪，另外更重要的是围绕新技术进行的系统性产业和思维重构。这两个变量相互影响、相互作用。今天，人工智能第一次处在两个变量历史的交汇点处，我们的视角不应该局限于AI如何作为工具提升现有流程（应用定义AI）， 更应该前瞻性的去思考，如何以AI为核心原生驱动，以AI去定义全新的业务模式、产业形态（AI定义业务）。这种原生思维，是迈向全面智能化的起点。

关于技术就绪的思考需要大家不断持续的研判。人工智能将如何持续演进，不仅着眼于现在，更着眼于未来。如何驱动这种深刻的系统性重构？基于过往观察和实践，可概括为三个趋势。

趋势一：技术路径从“二元对立”走向“通专融合”

上图左边是我在2023年初绘制的二维路线图。过去70年，人工智能的研究常在“专用”与“通用”之间摇摆。 我们认为未来在于两者的融合，因此在2023年初提出了“通专融合”的系统性思考，并随后推出了具体的SAGE技术框架。 这一研判随后得到了Yoshua Bengio、Yann LeCun等顶尖专家的验证。 该架构现已成为上海AI实验室“书生”（Intern）系列多模态大模型的技术底座。

趋势二：应用能力从“会做题”走向“会办事”

从应用角度来看，AI正在从确定性计算迈向不确定性的推理，突破规则的边界。从模型的底层能力层来看，它的演进路非常的清晰：从最初解决围棋这类完全信息博弈问题，到应对拥有标准答案的知识问答、标准化考试与传统搜索任务，再进阶到虽无标准答案、但结果易于验证的场景，如智能代码生成。下一阶段进化，将是迈向模糊任务（Fuzzy Tasks），其核心特征是开放世界、开放边界，且结果难以直接验证。例如企业战略推演，结论往往难以证伪；科研人员的科学发现在短期内也难以充分验证。这一切都对人工智能底层核心能力提出了更高要求，推动其持续迭代升级。

趋势三：科学发现是对智能的终极考验 

第三个判断是：在处理模糊任务与进行智能的终极验证方面，科学发现是最佳的应用场景与终极考验 。这一论断看似简洁，但在今年年初于新加坡举行的世界人工智能大会（AAAI 2026）特邀报告中，我曾面向全球9000名人工智能专家，就“为什么科学发现是人工智能的终极考验”这一主题进行了深度阐述。

科学发现之所以被视为终极考验，是因为它完整涵盖了从假设生成、实验验证到理论总结的全过程 。这一思考始于我2022年设计的一个思想实验：如果在1905年，人工智能读到了爱因斯坦的狭义相对论，它是否有可能结合黎曼几何，独立推导出广义相对论？

这正是全球所追求的通用人工智能（AGI） ，它具备长程任务推理能力，在执行的每一个环节都能实现步骤级的深度专业化，并拥有极强的自我进化能力 。这种模式将彻底颠覆人类科研创新的根本范式 。

这也正是上海AI实验室聚焦于面向科学发现的人工智能（AGI4S）的核心原因 。长程任务推理要求在每一个执行步骤中都实现极致的深度专业化，同时模型需具备自我进化与持续学习的能力，从而能够不断积累新知识，并持续适应跨领域的动态环境。这种面向科学发现的通用人工智能（AGI4S），不仅是当今工具的革命，更将演变为“革命性的工具”。

当然，人工智能的产业化落地作为另一项核心支撑，同样至关重要 。过去两年，上海AI实验室积极响应国家号召，深入实施“人工智能+”行动 ，推动了一大批新产业模式的涌现。

在“人工智能+科学技术”领域，发布并开源了全球首个万亿参数的科学多模态大模型Intern-S1-Pro以及面向农业领域的“丰登”大模型。

在“人工智能+产业发展”方面，成功打造了“书生·智链”供应链大模型 。该模型具备卓越的产业洞察力，能够精准预测大宗商品的产量与定价，并实现多式联运物流的实时调度与动态调整。

在“人工智能+消费提质”方面，人工智能正有力引领消费领域形成“存量替代”与“增量创新”并进的新格局 。例如，实验室在《Nature》正刊发表的研究成果——新一代裸眼3D显示系统书生·瞳真EyeReal，系全球首次通过人工智能算法实现高清晰度、实时的裸眼3D视觉生成效果 。这一突破性技术将引发新一轮消费级电子产业革命。

在“人工智能+民生福祉”方面，发布了全球首个医学循证推理智能体——“DeepRare”，能以极高的精确度诊断罕见病，有效推动优质医疗资源的下沉，相关成果被国际学术顶刊收录。

在“人工智能+治理能力”方面，正在催生“可感知、善决策、能进化、有温度”的智慧治理新模式。例如，实验室发布的“Medbench”医疗大模型评测体系，为提升行业治理的专业性与科学性提供了权威保障。

在“人工智能+全球合作”方面，灵活多样的“中国方案”正日益成为许多国家的重要选择。例如，实验室推出的“DeepLink”跨域异构芯片远距离混合训练与推理计算系统，为全球算力资源的协同利用与价值协同提供了创新的解决方案。

当然，未来深化拓展“人工智能+”仍面临挑战。行业需深度思考如何系统性地做好“四度”、“三量”与“四如何” 。所谓“四度”，是指通过在四个维度上的持续提升，进一步推动人工智能赋能新质生产力：

第一是拓展“宽度” 。当前技术正向长程推理迈进 ，这意味着通过赋予模型更长的上下文处理能力与更丰富的输入信息，能够更充分地发挥人工智能端到端系统性的变革价值。

第二是挖掘“深度”。必须确保大模型在长链条任务推理的每一个环节都能达到极高的专业性；只有实现每个节点的“深”与“专”，才能有效支撑复杂的系统性任务。

第三是提升“密度”。通过构建智能体之间高频交互的密集协同网络，实现高效的信息交付与决策流转，推动更多业务流程实现AI原生化，从而转动起高效的“数据飞轮”。

第四是加快“速度”。即提升AI自我进化的迭代速度与能力翻倍增长的速率，以适应产业发展的快速演进需求。

随着四个维度协同提升，人工智能将迎来新一轮爆发，其核心价值将通过“三量”效应进一步凸显：

一是产生增量效应：即实现“从不能到能”的突破，赋能传统产业与新兴领域，拓展新质生产力的应用边界 。例如，上海AI实验室联合崖州湾国家实验室、中国农业大学推出了“丰登”生物育种大模型。作为全球首个生物育种领域的“AI科学家”，它首次实现了全基因组水平的“基因—性状”关联推断。

二是带动变量效应。人工智能正深刻变革生产流程、决策机制与要素组合等生产关系，驱动产业转型升级。例如，上海AI实验室联合中国石油大学（北京）、中海储能研发的“分子电网”工业智能体，实现了“研发—中试—运行”全链路贯通，能够自主进行分子尺度的电解质设计。该智能体创新的电解质液已在兆瓦级电站得到验证，展现出巨大的经济价值。

三是增大分量效应。发挥人工智能自我学习与自我迭代的特性，使生产效率与创新速度实现指数级递增。例如，上海AI实验室研发“风乌”气象大模型已在新能源领域广泛应用。在内蒙古200余个能源站部署后，每年可降低运行成本4000多万元。

“十五五”规划建议指出，要全面实施“人工智能+”行动，全方位赋能千行百业。展望未来，锚定“四个如何”将有效推动“人工智能+”向纵深发展。

“如何”让人工智能“加得上”，推动通专融合的发展趋势。一方面，“用大模型提升大模型能力”已成为技术演进的主流趋势；另一方面，行业模型至关重要，这关系到能否深度解决行业实际问题。我们要依托中国庞大的市场和海量场景资源，找准应用场景，实现“厚基础、强专精”的双轮驱动。

“如何”让人工智能“加得深”，推动人工智能平台化机遇的出现。参考互联网产业的发展历程，正是应用走向平台化，才产生了标准化、规模化的产业集群。人工智能平台化将沿两条路径展开：一是形成金融、医疗、制造等垂直行业平台；二是形成智能体平台、企业级服务平台等横向共性平台。无论哪条路径率先规模化，都将重塑应用生态，形成大规模智能原生产业集群。

“如何”让人工智能“加得顺”，使场景服务价值凸显。从长期来看，要把握三个方面：一是建立各领域的准入规则；二是注重数据与模型的服务价值；三是鼓励耐心资本长期投入，关注非共识领域的差异化路线，陪伴技术迭代的创业周期。

“如何”让人工智能“加得稳”。在技术创新中，一方面需在鼓励创新与防范风险间找到平衡点；另一方面，面对复杂的应用场景，需持续构建行业特定的评价与验证系统。上海AI实验室打造了人工智能安全验证体系SafeWork，融合了“Make AI Safe”与“Make Safe AI”两条技术路线。此外，我们推出的司南（OpenCompass）评测体系，正成为引领技术突破与产品创新的“人工智能度量衡”。

回顾开头的历史启示：一项变革性技术的价值释放，既离不开技术本身的持续成熟，也离不开围绕其进行的系统性生产力重构。总结而言，我们要把握“三、四、三、四”逻辑：即三大技术发展趋势，并做好“四度、三量、四个如何”的融合。这需要产学研用政全链条协同，也希望继续推动国际合作。让我们共同以通用人工智能创新驱动新发展。

谢谢大家！

来源：上海人智能实验室