“拿捏”编程之后，AI的下一个“主场”会是科研吗？
“拿捏”编程之后，AI的下一个“主场”会是科研吗？
AI在Coding（编程）上展现的能力和成熟应用已然对众多产业逻辑实现了重构，而当下AI for Science（科学智能，又称AI4S）的发展也正推进科研范式的变革。那么在科研上，AI能够展现出与编程同等的能力吗？
9月12日，上海人工智能实验室主任周伯文在浦江创新论坛主论坛进行主旨演讲。主办方供图
大概两个月前在世界人工智能大会上，上海人工智能实验室主任周伯文就提出“Research is the next Coding”，大意是科研会成为下一个像编程一样展现AI能力的前沿领域。9月12日在2026浦江创新论坛主论坛上，他再次重申这一判断并分享了自己对于AGI4S（AGI for Science，通用人工智能驱动的科研）的思考。
近年来，AI和科学已经深度交织。从AI4S到AGI4S，周伯文指出其中的变革在于AI和科学之间关系的演进，是从最初的AI for Science向AI in Sience和AI and Science转变，也就是AI在科学中常驻、AI和科学实现共建。这是一个将科研门槛不断降低，甚至最终达到“无门槛”程度的过程。
一年前，周伯文在2025浦江创新论坛提出了“AGI4S六问”，包括边界之问、预测之问、交叉之问、形式化之问、验证之问、新科学之问。如今回头再看，周伯文表示人工智能和科学研究的互生关系越来越深入人心，六问整体都在向前突破，但发展速度有所分化。其中，预测、交叉和验证三问进展较快，其他更底层的三问则进展较慢。
要更好地帮助科学家进行探索，AI的能力还需进一步提升。周伯文提出，当下科研取得更大突破面临五个挑战：论文数据和模型快速增长，但对未知的判断和认知依然稀缺；假设不断涌现，但验证周期和成本偏高；研究工具很多，但彼此割裂；研究过程中的失败样本和隐性经验难以积累；研究过程追溯困难。
这五个困境实质上指向的是同一个结构性问题，要解决需要的不是某个方法论，而是一个科学系统。周伯文指出，AGI4S可以一起解决这些问题。编程可以说是目前AI落地规模最大、对生产力提升最快的赛道，之所以AI在编程中能够首先跑通，是因为编程反馈即时、验证自动、失败可积累、全程可追溯，而科研同样具有这些特征。
他勾勒了对于AGI4S的想象：科学家可以通过自然语言表达科学意图，AI协同调用文献、数据、科学知识、计算工具和自主实验室，完成问题定义、假设提出、方案设计、模拟预测、干湿实验闭环、结果迭代的全过程。
周伯文表示，AI需要更深入地进入科学。目前在文献理解、实验设计、数据分析等方面的加速已然成为现实，但更关键的第二步是做到自主发现，也就是在人类未触及的搜索空间中找到新规律、新机理。再更进一步是在真正意义上开辟新的科研范式，目前还没有发生。
在演讲最后，周伯文认为科学家团队极有可能成为AI原生组织，让AI真正成为科研伙伴，全面激发创新活力。当然，他也特别强调：“AGI会不断改写人的知识边界，也必将加速人类的科学发现，但科学探索的罗盘始终应该由人类的好奇心和价值判断来掌握。”