2026世界人工智能大会今日在上海正式开幕。浦江实验室主任、首席科学家周伯文在大会现场提出了一个值得关注的重要判断：科学研究，很可能成为AI发展的下一个“代码”，并有望成为推动人工智能持续突破的新引擎。

这句话听上去像是一种前瞻性预判，但其背后其实有着明确而完整的逻辑。周伯文指出，人工智能正处于一场关键转型之中——从“会做题”逐步迈向“会办事”。这并非简单意义上的能力升级，而是建立在智能体演进与代码能力持续迭代基础上的深层变化。在他看来，真正能够推动AI迈向更高阶段的，未必只是更多代码，而可能是科学研究本身。

应该如何理解这一判断？简单来说，过去代码是驱动AI能力跨越式提升的核心动力，而未来科学研究有望接替这一角色，成为人工智能发展的新“底层引擎”。通过深入进入科研场景，AI基础模型的智力密度、认知能力和复杂问题处理水平，都有机会进一步提升，类似于当年代码技术对AI能力的系统性赋能。当然，这条路径并不容易。周伯文也坦言，科学研究在数据采集、高密度反馈以及验证机制方面的难度，明显高于代码开发。但也正因为门槛更高、挑战更大，这一方向才更具投入价值——它不仅可能成为AI技术演进的重要方向，也是一条极具潜力的前沿赛道。

换句话说，当AI逐渐学会“办事”之后，下一步要解决的关键问题，就是如何让它真正“理解”世界，并进一步推动知识边界拓展。而科学研究，正是检验人工智能能力、释放AI创新潜力的最硬核试验场。