破新药 " 三十定律 "，助粮食从吃饱到吃好

作者／   IT 时报记者  孙永会

编辑／   潘少颖

"AGI（通用人工智能）的前沿，毫无疑问就是我们下一步该怎么触达？" 在 2025 世界人工智能大会上举行的 " 科学前沿全体会议 " 现场，上海人工智能实验室主任、首席科学家，清华大学惠妍讲席教授周伯文在作《无尽的前沿：AGI 与科学的交叉口》主旨演讲时表示。

周伯文对 AGI 有着清晰的定义：" 一个 AGI 系统首先应该具备非常强的专业能力、推理能力和长链条思维能力，同时也需要非常强的泛化能力。" 他认为这种泛化和深度的专业性是 AGI 最本质的特征。

MiniMax 创始人兼首席执行官闫俊杰早前在演讲中表示，AGI 一定会实现，这是一件服务大众、普惠大众的事，而且一定是 AI 企业和用户一起实现。

那么，要怎么才能实现周伯文所说的 " 触达 "AGI？

破新药 " 三十定律 "  

助粮食从吃饱到吃好

关于 "AGI 与科学的交叉 " 这一问题，国内某 AI 大模型这样通俗地回答：" 就是把 AGI 和科学研究凑到一起，互相帮忙，一起做大事。" 一方面，AGI 能帮科学 " 开挂 "，既能解决复杂问题、处理海量数据，还能做实验；另一方面，科学帮 AGI" 进化 "，让其更懂逻辑，更像 " 人 " ……

有个不争的事实是，人类社会正处于人工智能与科学研究的交叉点，人工智能的飞速进步正逐渐打破传统的学科界限。

" 新药研发是一条漫长且充满挑战的道路，业界常以‘三十定律’来概括其难度：需 10 年时间、10 亿美元投入，且成功率仅 10%，但实际情况往往比这更严峻。" 上海创新药物研发中心主任孙勇奎表示，这一现状若依赖传统研发模式，很难得到改善。

他还透露了业内一个值得关注的现象，尽管国内外基础科学水平出色，但在新药研发过程中，二期临床的失败率极高，达到 70%~85%。" 这是非常可怕的数字。" 孙勇奎说，这意味着在立项并确定靶标后，可能已经耗费了五年甚至更久的时间，却在此时发现靶标无效，产生的成本损失巨大。因此，对生命科学及新药研发而言，如何利用 AI 在研发早期规避风险、提高二期临床成功率，尤为重要。目前，上海创新药物研发中心已在该领域布局，通过相关工具协助生物学家攻克新药创制中这一最突出、最棘手的难题。

民以食为天，当农业研究与 AI 结合后，同样产生了奇妙的 " 化学反应 "。位于海南省三亚市崖州湾科技城的崖州湾国家实验室，是种业创新高地。

" ‘杂交水稻之父’袁隆平先生当年为研究水稻，长年在田间劳作，凭借肉眼观察和思考培育高产水稻，最终实现了让大家吃饱的目标。未来，除了要‘吃饱’，还要‘吃好’，这就需要找到新的解决路径。" 崖州湾实验室副主任陈凡思考着，能否借助 AI，将袁隆平的选育思路转化为更快速的选育过程，把原本需要 15 年的品种选育周期缩短？此外，要结合光、温、水、土等不同环境条件，实现水稻优良性状的快速耦合，从而改善 " 高产不好吃，好吃不高产 " 的现状。

陈凡认为，AI 与 BT（生物技术）结合，能够有效解决这些难题。目前，崖州湾实验室已与其他相关实验室展开了合作。" 从育种角度来说，培育优良品种并非易事，但目前我们已在进行精准设计，作物设计上已着手实现提升营养价值、保障食用健康、实现按需定制这三个目标。" 陈凡介绍，AI 设计加快了整个研发过程，其团队甚至已将种子送上空间站，以求让百姓吃饱、吃好、吃得健康。

泛化与深度专业性的 AGI

" 我们这一代人既面临历史机遇，也承担历史使命，AGI 很可能在我们这一代中实现，如何 Think Bold，Contribute Big（大胆思考，贡献大功）？如何能推动 AGI 的前沿？如何站在 AGI 的肩膀上获得突破性的创新？" 周伯文抛出 " 三连问 "，他说，衡量 AGI 的标准，不是能不能对话，而是能不能像爱因斯坦那样，发现广义相对论。

2016 年，时任 IBM 总部人工智能基础研究院负责人的周伯文公开分享对 AGI 发展路径的思考，即人工智能的发展会经历三个阶段，分别为 ANI（狭义人工智能）、ABI（广义人工智能）以及 AGI。

随着研究深入，周伯文逐渐明确了 AGI 的核心定义，其最本质的特征是泛化与深度专业性的结合。对照这一定义，回望 AI 七十年发展史，他进一步指出，大模型出现前的研究 " 专业有余而泛化不足 "，大模型虽提升了泛化性，但切换领域时需付出极高的数据与计算成本。" 专业性与泛化性始终难以平衡，业界一直在前进，但尚未看到曙光。" 周伯文坦言。

在该场会议中，2024 年图灵奖得主、美国阿尔伯塔大学计算机科学系教授 Richard Sutton（理查德•萨顿）分享道，AI 发展的下一代是 " 体验时代 "，所谓体验，即从经验中学习。

自 2023 年初以来，周伯文团队便提出了具体的通专融合实现路径，并设计了三层实现方案：其一，基础模型层，这一层需要大量工作来改变现有架构。其中，最重要的是如何实现知识与推理的有效解耦与组合，同时实现高智力密度的监督信号，并在架构方面实现长期记忆。在基础模型的能力之上，具备通用架构和学习能力，还需要高效的学习方法，才能更好地实现通专融合，这便进入了第二层 " 融合协同层 "。

" 人类看再多的书和视频也无法学会游泳，要获得关于游泳的智能，就必须与物理世界互动，让物理世界的反馈影响肌肉记忆，直至大脑皮层。" 周伯文解读道，这种反馈自主学习与发现，就是第三层 " 探索进化层 "，这层的关键在于高效地获取反馈和奖励，即从真实环境中获得可持续、高置信的反馈信号。同时，还需要跨媒介可交互的世界模型来对物理环境进行建模。

" 该路径需要三个层次相互依赖、同时发生，而非仅依靠单一模型或算法。" 周伯文强调。

不只 " 专精 " 更擅 " 融通 "

基于 " 书生 " 科学多模态大模型 Intern-S1 打造的 " 书生 " 科学发现平台 Intern-Discovery，是上海人工智能实验室 " 通专融合 " 技术路线的具体实践，平台整合了专业智能体、海量科研数据及实验设备，搭载了 200 余个跨学科智能体。此外，开放 50 家顶尖机构的 200 余个 PB 级权威数据集，能够打破数据孤岛瓶颈。

上海人工智能实验室青年领军科学家陈恺接受《IT 时报》记者采访时表示，该模型的核心优势在于 " 科学能力 " 的强化：一方面，它能精准理解化学分子式、蛋白质序列、地震波、天文图像等专业科学数据，弥补了传统模型在科学数据处理上的短板；另一方面，依托丰富的科学语料，其在化学、生命科学、材料、地球科学等领域的专业任务表现已领先于常规大模型。

陈恺认为，垂类模型在特定领域的深度应用价值毋庸置疑，但通专融合模型在成本与跨领域能力上更具优势。" 基于通专融合模型衍生垂类能力，成本可大幅降低；而在制药、科学发现等跨学科场景中，通专融合模型的‘融会贯通’能力更是单一垂类模型无法替代的。"

" 干细胞癌五年的生存率仅 12%，早发现早治疗非常重要。此外，结直肠癌也是全球第三大常见癌和第二大癌症死因的制造者。所以如何寻找标靶，是药物研发的源头活水，但往往这些药物研发需要大量的时间和精力。" 周伯文举例道，团队联合临港实验室、上海交通大学、复旦大学、MIT 等研究机构，发布的国际首个专注于靶标发现与临床转化价值评估的多智能体虚拟疾病学家系统 " 元生 "（OriGene），仅在两个月内就找到了两个癌症新靶点，并且这些靶点已经在临床样本、类器官和动物实验中获得了验证。 

陈恺预测，未来大模型将呈现 " 垂类深耕 " 与 " 通专融合 " 并行的态势，而对科学能力、跨模态推理能力的追求，将成为技术创新的重要方向。

排版／   季嘉颖

图片／   WAIC   豆包 AI  

来源／《IT 时报》公众号 vittimes

E   N   D