2024年末，《美国天文学杂志》刊登了一篇论文。这篇论文的作者是一位18岁的高中生，并非什么资深教授或博士后。他借助一颗退役的小行星观测卫星遗留的数据，重新进行分析，最终整理出了将近150万个此前未被收录的天体。而那颗卫星最初的设计目的，压根就与这些天体无关。
这是阿里云创始人王坚在2026WAIC（世界人工智能大会）上分享的一个真实故事。
开篇的这个案例，似乎与许多人对“AI”的认知相去甚远——不牵涉大模型，不关联算力，没有任何熟悉的AI标签。但是，正是通过这个故事，点明了一个关键方向：当前人工智能发展的最容易被忽视，且可能引发下一轮变革的重要领域。
一、速度惊人：但AI尚未触及“智能”真谛
如今，提及人工智能，几乎无人感到陌生。AI能够解答疑问，创作文章，编写程序，辅助工作。
CNNIC统计表明，到2025年12月，中国生成式人工智能的用户数量已达6.02亿，普及率达到42.8%。
从2023年ChatGPT引发公众广泛关注，到2025年普及率高达42.8%，这仅用了两年左右时间。在中国，假如以DeepSeek-R1模型的出现为起点，这个时间跨度更短，仅为一年。
回顾科技发展的历程，尽管重大革命性技术在问世后到普及应用的周期有所缩短，但同样是42%的普及率，中国从1997年正式接入互联网，到2012年达到这一普及程度，耗费了整整15年。
人工智能的普及速度确实令人瞩目。
不过，一个值得深思的问题是：我们目前所使用的AI，真的很“智能”吗？
答案恐怕并不容乐观。
当前多数人接触和应用的AI，并非真正意义上的“大模型”，更确切地说是“大语言模型”——一个建立在对文本数据进行处理的基础模型上。它所从事的工作，本质上在于让机器更高效地处理人类业已形成的文字。
文本处理并非人工智能时代的全新概念。古代汉语缺乏标点符号，文字之间也未留空格，这在一定程度上给阅读带来了困难。后来，人们开始在文本中添加标点，并在适当的地方进行分隔，这便是原始形态的文本处理。
今天的AI模型以文本数据为基础，其处理任务的上限，仍然受限于人类已有的知识体系。它借助电子计算提升了处理速度，却无法主动探索那些尚未被人类以文字形式描述过的信息。
二、边界初现：大语言模型的“已知”局限
再回到前面讲述的那个案例。
NASA曾使用那颗卫星执行近地天体广域红外巡天探测任务，扫描整个天空。而那位高中生利用同样的数据，采用不同的分析角度，发现了大量未曾被编目的天体。类似的情况并非偶然，伽利略当年利用的观测数据，大多来源于前人的整理和保存，他并非专门采集全新的数据。
面对这样一类“原生数据”，目前的大语言模型尚无法自主产生探究的方向。除非人类向它提供一个清晰的任务指令，一个明确的筛选标准，否则它将停留在“处理已知”的阶段，而无法跃迁至“发现未知”的层面。
这正是当前AI的智能边界，也是需要被突破的能力范围。
王坚在2026WAIC的演讲中指出的，正是目前AI所面临的挑战和革新方向，他将其称为——范式更迭。
过去的基础模型主要将语言和代码作为核心训练材料，而科学数据则长期处于边缘地位。他认为，未来真正重要的并非训练更加庞大的语言模型，而是让科学数据成为基础模型中的“原住民”。
这意味着AI将不再局限于“阅读人类写好的知识”，而能够直接领会那些从未被文字记载过的信息——光谱数据，地震波信号，基因序列，天文观测信号，地质层化石记录等等……
三、科学数据：应成为大模型的“原住民”
譬如说。
在古生物学领域，地层中的化石记录永远无法做到完整无缺，我们能够观测到的化石出现与消失时间区间，同物种真实存续范围之间存有天然差距。过去，科学家主要依靠人工统计和地层对比推算物种灭绝时间，精度长期维持在百万年级别。中国科学家
