7月17日在2026世界人工智能大会科学前沿论坛上，上海人工智能实验室主任、首席科学家周伯文发表了题为《AGI的下一程：迎接科学元认知时刻》的主旨演讲。他提出，科学研究是突破当前AI智能上限的“终极考题”，并发布了旨在攻克这一难题的“书生·端砚”科学发现平台。

　　“一冷一热”：AI产业的新拐点

　　（周伯文在演讲中用“一冷一热”来形容当前AI发展的现状）

　　“热”的一面是AI编程（Coding）能力的爆发式增长。在过去一年半里，AI编程的成功率从不足5%飙升至超过88%，形成了代码生成、测试、优化的快速迭代闭环。

　　“冷”的一面则是AI在科学发现领域的进展停滞。Allen Institute发布的N2N（端到端科学研究发现）基准测试显示，过去18个月，顶尖大模型在该任务上的完成率始终停留在3%左右。上海AI实验室联合百位科学家建立的评测体系也显示，前沿模型得分普遍不及格。

　　“Coding能被攻克，是因为反馈及时、边界清晰；而科学研究是开放任务，反馈周期长、失败率高。”周伯文认为，这种差异恰恰揭示了AI突破智能上限的终极考题——让AI从“重述已知”跨越到“产出未知”。

　　AGI4S：不是应用，而是智能的终极考题

　　基于此，周伯文提出了一个核心论断：“科学研究是下一个Coding”。他认为，AI for Science（AI4S）不应被视为通用AI的应用场景，而是突破AI智能上限的必经之路。

　　要完成这一步跨越，AI需要实现三个维度的转变：

　　从“数据驱动”到“世界交互”：模型必须通过与物理世界的交互理解真实世界，构建世界模型。

　　从“及时反馈”到“长程推理”：模型需要学会在不确定性中学习，在没有秒级反馈的长周期任务中不迷失自我。

　　从“模仿正确”到“善用失败”：科学研究的常态是90%的失败，模型需要学会从失败中自我反思、自我校准、自我更新。

　　当这三个转变叠加，模型就能迎来“科学元认知时刻”，真正成为人类科学家探索未知的伙伴。

　　“书生·端砚”：打造科研的“反馈飞轮”

　　为破解科学研究的“反馈困境”，上海AI实验室推出了“书生·端砚”科学发现平台。该平台并非简单的科研工具集合，而是一套通过可信验证持续重构认知的闭环系统。

　　其核心创新在于三点：

　　Mobius架构：将知识记忆与逻辑推理分离，知识像“百科全书”全局共享，推理像“专家”按需调用，使模型具备可持续生长的专业能力。

　　干湿实验闭环：平台打通了计算推演（干实验）与真实实验（湿实验），能调度跨地域异构设备执行验证，并将结果反馈至模型，形成“假设-推演-实验-学习”的飞轮。

　　可信安全机制：通过全流程数据留痕、多智能体交叉验证、本地优先计算隔离三重设计，确保科研过程可追溯、结果可复核、数据可保密。

　　产业验证与开放生态

　　“书生·端砚”已在真实科研场景中验证了其价值。在蛋白质定向进化任务中，清华大学张数一课题组利用该平台，仅用两轮迭代就发现了新的突变组合，功能较此前《自然》报道的最佳结果提升77%，较野生型提高50倍。更关键的是，关键突变出现在传统认为的“非功能区”，展现了AI超越人类认知边界的潜力。

　　据悉，“书生·端砚”平台即日起开启内测，一个月后对全球科学家开放公测，两个月后发布桌面版。同时发布的还有新一代科学大模型Intern-S2-Preview和智能体系统Agents-A1。

　　周伯文的演讲和“书生·端砚”的发布，不仅为科研界提供了新科研范式，更向产业界释放了明确信号：AI的竞争焦点正从“应用落地”转向“基础突破”，谁能率先在科学发现这一“终极考题”上取得进展，谁就能在下一代AI竞争中占据制高点。（记者谢碧鹭）