之江实验室薛贵荣：当AI开始做科研，我看到了大语言模型的天花板丨GAIR 2025

12月12日，第八届GAIR全球人工智能与机器人大会在深圳正式启幕。 本次大会为期两天，由GAIR研究院与雷峰网联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教授任大会主席。 作为观测AI技术演进与生态变迁的重要窗口，GAIR大会自2016年创办以来以来，始终与全球AI发展的脉搏同频共振，见证了技术浪潮从实验室涌向产业深海。2025年，是大模型从“技术破壁”迈向“价值深耕”的关键节点，值此之际GAIR如期而至，携手智者触摸AI最前沿脉动，洞见产业深层逻辑。 大会上，之江实验室科学模型总体组技术总师，天壤智能CEO薛贵荣博士亲临现场，为参会者带来了一场精彩纷呈的演讲分享。 薛贵荣博士指出，以大语言模型为代表的AI技术虽已在多个学科研究中展现出潜力，但其本质上仍受限于“语言的边界”，难以真正理解高维度、多类型的科学数据，更无法独立完成可验证的科学发现。 基于此，薛贵荣博士系统分析了大语言模型与科学基础模型之间的本质差异，并详细阐述了之江实验室所研发出的021科学基础模型在突破语言维度、统一化科学数据、科学推理与发现，跨学科知识融合等方面的关键优势。同时，他提出一些关于面向“AI+科学”新范式的思考： 1、大语言模型在解决科学问题上还存在很大的局限，在覆盖100多个学科的高难度HLE测试中，表现最优的模型目前也只达到了25.4%的准确率。 2、要想解决科学问题，大科学基础模型的需要超越语言空间，做到真正理解化学、天文学、地球科学、生命科学、材料科学等各类科学知识。 3、科学基础模型与当前的大语言模型之间的主要差别是，大语言模型以文本数据作为Token化的基础，而科学基础模型所对应表达的Token是跨学科、多类型的科学数据。 4、要想把科学数据Token化得先解决OneTokenizer的问题，就是把光谱、化学结构、DNA数据等结构化之后统一到一个高维空间中。 5、将科学数据Token化对齐后可以建立起不同类型数据之间的关联，就可以在解决不同学科、不同专业的科学问题时做出全链路解析。 6、为打破大语言模型解决科学问题的局限性，之江实验室推出了021科学基础模型，在对科学世界形成客观认知的基础上，具备迅速、精准、高泛化性的科学知识问答