如果说大语言模型为人工智能开启了一个全新的时代，那么AI的下一轮变革究竟将由什么驱动？中国工程院院士、之江实验室主任、阿里云创始人王坚给出的答案，明确指向了“科学数据”。在他看来，人工智能正处于一个关键的历史转折点：未来推动AI持续进化的核心，已不再只是算力提升或算法叠加，而是让科学数据真正成为基础模型的“原住民”，进而推动AI从“理解文本”走向“驱动科学发现”的新阶段。

如今大家熟知的LLM，也就是大语言模型，本质上是基于海量文本数据训练而成的基础模型。王坚院士提出了一个很有启发性的视角：人类对文本的处理方式其实由来已久。比如中国古文和古拉丁文在最初都没有标点、没有空格，后来人们逐步为其加入标点和分隔，这一过程在本质上与今天大语言模型核心的Tokenize（分词）逻辑非常相似。可以说，大语言模型把人类对文本数据的理解、组织与利用能力，提升到了前所未有的新高度。

但问题也非常明显，科学研究中的大量关键信息并不是以文本形式存在的。如果AI的能力边界始终停留在分析人类写出的论文、报告和代码上，它就很难真正触达科学问题的本质。王坚以地球科学为例指出：超过70%的地学关键信息，来自光谱、地震波等原始物理数据，而不是学术论文中的文字描述。他形象地比喻说：“一张图胜过千言万语，而一段光谱可能胜过千万张图。”

因此，未来的基础模型应当直接面向科学数据，实现文本、代码与科学数据的统一建模。只有这样，人工智能基础模型才能真正实现跨模态理解，并为科学研究带来实质性的突破。

一个近期的案例很能说明这一点：一位年仅18岁的高中生，借助一颗原本用于监测小行星的退役卫星留下的数据，竟然发现了近150万个此前从未被识别的太空天体。这项研究成果最终以单作者论文的形式，发表在顶级天文学术期刊上。王坚强调：“科学突破不仅来自新的实验，也可能来自对已有数据的重新挖掘。”从旧数据中发现新问题、获得新发现，这正是科学进步和科学革命的重要逻辑。面对海量且持续增长的科学数据，人类当前的认知深度和利用效率仍然远远不够。

随着科学基础模型不断发展，人工智能正在从单纯的计算机科学分支，逐步演变为支撑各类科学研究的重要基础设施。王坚的判断也颇具前瞻性：“人工智能将变得像数学一样基础，它不再只是一个独立的垂直技术领域。未来50年里，人工智能一定会像数学在人类科学发展历史上所发挥的作用一样，对科学研究产生深远而持久的影响。”