以下为演讲全文。

各位来宾下午好！欢迎大家出席科学前沿全体会议。我今天报告的主题是《无尽的前沿：AGI与科学的交叉口》。当前，我们正处于一个独特的时代——人工智能与科学探索同时展现出无尽的可能边界，当两者开始交汇，正激发出无限想象。把握这一历史性机遇，或将推动人类认知边界的突破。

有关AGI的讨论一直是业界焦点。还记得一年前的，在WAIC上，大家热烈地都在讨论Scaling Law和预训练，将之奉为圭臬。

过去一年，是否发生了新变化？去年年底，Ilya Sutskever 提出，训练大模型所依赖的数据不再增长，预训练时代即将终结。业界广泛讨论：Scaling Law以外，如何进一步探索智能极限？

国际上有多种观点，例如，英伟达CEO黄仁勋认为Scaling Law已经扩展到了单个阶段：从预训练到后训练再到Test-time Scaling（测试时间扩展）的“三幕论”——他的观点在硅谷得到了广泛认可；Geoffrey Hinton提出神经架构革新——他稍后会来到会场和大家见面；Yann LeCun提出世界模型构想；Demis Hassabis则主张交叉融合与强化学习路径。

这些关于AGI实现方法的探索路径，不尽相同，但并非相互排斥，而是从不同侧面揭示了通向终极智能的复杂性与可能性，也预示着未来AGI的最终形态很可能是多种技术路线的融合与创新。

借此机会，我也想和大家分享自己近十年来对AGI的思考收获与感悟。

2016年我开始思考通用人工智能，并提出狭义人工智能（ANI）、广义人工智能（ABI）以及通用人工智能（AGI）三个发展阶段。2022年，在大模型尚未爆发之际，我认为语言模型能够被独立提出，并且相信这是AGI非常重要的一步（此时ChatGPT尚未出现）。2023年，我提出下一代大模型操作系统应该是融合语言能力的工具平台，与现在的Agent不谋而合。

这些思考促使我又回到AGI本身的定义。很多人会用不同的角度定义AGI，我的定义其实很简单：AGI系统须同时具备卓越的专业能力、强大的推理能力与长链条思维能力，以及覆盖多领域的泛化能力——专业深度及泛化广度共同构成 AGI 的根本特征，要能力全面和专业精通两条腿走路。

回顾人工智能七十余年的发展历程，行业各方都在持续向此目标迈进，但是都无法解决通用性与泛化性难以兼得这一核心矛盾。大模型出现之前，研究多呈现专业性强而泛化不足的现象；大模型问世后，伴随“三幕论”的提出，以及长链推理技术的出现，其泛化能力得到显著提升，但每次切入新领域均需付出高昂的数据与计算成本。我们离AGI的红色顶点一直在往前走，但还没有看到曙光。

是否存在这样一种可能：如果通用和专业能力是AGI本质特征，能否从一开始设计这个路线的时候，就瞄准通用和专业能力的兼得去设计我们的思想。基于这一思考，实验室开始通过有组织的科研，把AGI能力映射至科学发现场景，让人工智能不再止于工具层面的革命，而是成为驱动科学范式革新的“革命的工具”。

去年的科学前沿全体会议上，我们提出了“通专融合”技术方案。与“三幕论”的线性推进不同，“通专融合”技术方案强调协同演进、同步发生，且对外部世界的探索进化需更高效率地回馈至基座模型。今年，我们把“通专融合”理念的技术路线正式命名为SAGE（Synergistic Architecture for Generalized Expertise，中文含义为“智者”）。SAGE分为三个层级：基础模型层、融合协同层和探索进化层。

今年以来，SAGE相关技术理念陆续被技术专家印证。5月24日，Hassabis指出“要推动下一代AGI，需要将通用模型与专业知识相结合”，对应了第一、第二层相关技术理念；本次会议上，Richard Sutton以《Welcome to the Era of Experience》为题演讲，提出AI正在从“人类数据时代”进入“经验时代”，对应了第二层持续学习机制和第三层与环境交互机制；4月10日，OpenAI研究员姚顺雨发布文章，指出AI下半场将聚焦问题定义与评估体系重构，对应了第三层可泛化评估和奖励机制。

基于SAGE技术方案，我们尝试从通专融合的角度，提出L1-L5五级AGI分类，每一级均有对应的专业水平要求。

不同于OpenAI场景广度优先的分级，我们更聚焦于能力深度，以专业能力量化达标为升级前提：

上海AI实验室在提升AI能力的同时也非常关注AI安全。对应上述5级专业能力，我们进一步提出了5级安全标准：L1级需实现价值对齐，L2级要求具备可干预的思维链，L3级需达到模仿反思水平，L4级应拥有演化反思能力，L5级则最终实现可信反思。通过专业能力与安全标准的协同推进，保障AGI在技术演进中始终维持可靠性与可控性的平衡。

今天非常高兴能借这个机会，向大家汇报上海人工智能实验室在AGI路线图指引下的年度进展。

首先，是基础设施层，我们在着力打造开放共享、软硬件协同创新的数据、算力与训练基础设施，旨在解决数据供给、算力调度以及面向物理世界的基础设施构建等问题。其次，是中间的核心层。我们需要打造更强的通用和专业能力兼具的基础大模型，并坚持“内生安全”的原则。最后，是价值层。我们重点聚焦AI for Science相关科研与应用，也会联合其他产业及合作伙伴共探多元场景，但始终聚焦于根本科学问题。为了更好地布局AGI路线图，我们还同步打造了开放的社区和人才培养的体系以及评测体系。

接下来，我将分享我们在基础模型和AI for science领域的进展。

通专融合：开源领先的科学多模态模型，重构科研生产力

上海AI实验室今天将发布并开源『书生』科学多模态大模型Intern-S1。它具备多学科、多任务的深思考和多模态能力，是全能高手中的科学明星。

它是当之无愧的“全能高手”，作为当前最强的开源多模态模型，它的综合能力超越 InternVL3，Qwen2.5-VL 等最优开源项目。与众不同的是，它还富集多学科专业知识，重点强化了科学能力，在化学、材料、地球等多学科专业任务基准上超越了顶尖闭源模型Grok-4，是大模型里的“科学明星”。

同时，Intern-S1作为“通专融合”新范式的代表，通过大规模多任务强化学习齐头并进，在保持能力全面的同时实现多个专业的出类拔萃。

这正是我们特别值得骄傲的：以一个通用模型，实现了世界领先的多模态、深思考能力；在通用能力与科学能力二维评测中，Intern-S1领跑所有参与评测的开源模型（紫色标注）；在全模态性能对比中，Intern-S1的科学能力超越Claude、GPT系列等全部闭源模型。

在多学科专业任务上，多个学科超越Grok-4等主流顶级闭源模型。数学、物理、化学、材料、生命、地球等学科都是它的优势学科。它不仅在数学、物理上获得国际奥赛级的水平，在化学任务上的表现甚至超越Grok-4所代表的博士以上水平；在围棋方面，它具备专业棋手水准；在生命、地球等学科方面都得到良好的落地应用。

模型背后的“黑科技”是什么？这里我要重点给大家介绍Intern·Bootcamp，大家可以理解为这是一个大模型“加速训练营”，通过对评价建模，与大模型进行交互并提供反馈，从而使大模型持续进化，获得解决复杂推理任务的能力。其“训练即评测、评测即体验”的闭环设计，实现了“体验即进化”。当Richard Sutton于四月提出类似理念时，我们已发布了基于Intern·Bootcamp升级的书生·思客（Intern·Thinker）大模型，率先完成验证。

Intern·Bootcamp的诞生，还为大模型商业化落地模式提供了一条新的可行路径：用户只需掌握评估标准，即可通过它构建个人专属的专业大模型，且拥有大模型的所有权。通过SAGE技术方案，大模型成为了能棋书画、多才多艺的科学“书生”，不仅数理精通，还会工业设计、懂美学鉴赏，通晓下棋与探索科学发现——好比古代的士大夫精通六艺一样。

革命的工具：推动科研范式变革

回到科学的前沿，我们今天非常荣幸邀请到众多不同学科的科学家们来到会场。

2023年初，《Nature》刊载的一篇文章指出，过去七十年科学领域重大发现速度在快速下降。我在2023-2024年的相关报告中，也分析过这一现象。彼得·蒂尔还提出一个更大胆的说法：从上世纪七十年代以来，科学领域就没有特别重大的进步，飞机的速度几十年来并未提速，阿尔茨海默症依然无药可解……但另一方面，Hinton、Sutton等专家都指出，智能能力在持续增强。

一方面是科学发展面临瓶颈，另一方面是智能技术的飞速进步，我们这一代人已经站在历史上从未有过的交叉路口—— 迈向下一步，科学能力作为通用智能的核心，是否正指引着一个时不我待的巨大机遇？

在这个充满想象力的未来图景中，上海人工智能实验室联合国内顶尖科研力量，利用“书生”通专融合大模型体系已经进行了一系列验证……

靶标发现是药物研发源头活水，其治疗潜力和可转化性的高低，决定了后续漫长研发周期与高昂投入的最终成败。在过去，一个靶点的发现需要耗费至少数年的时间，与数不尽的人力经济耗费。

而AGI与科学研究是交汇，让一切变得不同。我们和临港实验室、上交大、复旦大学、MIT等研究机构紧密协作合作，仅两个月就实现了两个癌症新靶点的发现验证，一个是新型肝癌靶点GRP160，一个是新型结肠癌靶点ARG2，并且已经获得临床样本、类器官、人源化动物实验的真实验证。肝细胞癌的5年生存率仅12%，结直肠癌是全球第三大常见癌症、第二大癌症死因。靶点发现从数年到两个月的进步，是守护全世界人类的生命安全的重要一步。

另一个化学反应方面的突破同样令人振奋。钯催化偶联反是现代有机合成中构建碳-碳键和碳-杂原子键最强大、应用最广泛的工具之一，几乎渗透到了所有需要复杂有机分子的高科技领域，从药物研发制药到高分子化学…… 然而，核心的Pd催化剂价格昂贵，对经济造成了巨大压力。我们联合同济大学的科研团队，基于 Intern-S1，把催化剂使用量在初始论就降到了1/10，产率从20%提高96%。

以上仅是我们在AI for Science方向携手合作伙伴探索的两个例子。

除了基础模型层面的突破，我们还跑通了科研全链路，成功地把基础模型和科学发现的流程打通，推出了“书生”科学发现平台Intern-Discovery。这就像为科学家团队提供了一个专业助理（Intern）团队，好像让100个、1000个 Intern帮科学家做科研。

“书生”科学发现平台就像是一个一站式的干湿结合AI实验室，模型共享、数据互通、设施互连，从数据到算力一应俱全，多智能体专业协同—— 把科研的软硬件准备工作充分做好，尤其适合安心科研的科学家，在这里一站式跑完从假设提出到实验验证的完整科研流程。平台目前提供覆盖六大学科领域的200余个科学发现智能体，整合了50家顶尖科研机构的专业数据，集成了200多个科学数据集。我们还创新推出科学智能上下文协议，可以帮助科学家接入百余种厂商设备标准接口。今天我们将正式发布Intern-Discovery，以及基于这一平台，上海人工智能实验室与合肥实验室、临港实验室、广州实验室、崖州湾实验室等顶尖科研机构、企业打造的十项科学智能联合创新成果。

安全可信：洞悉风险，构筑AI新防线

WAIC 2025开幕式上，很多国家政要都提到了安全的重要性。去年世界人工智能大会期间，上海人工智能实验室提出要统筹AI的发展和安全，提出“AI-45°平衡律”，通过安全与性能的内生平衡，使AI的安全不再是事后的“补丁”，而是内置的“基因”。

坦率讲，过去一年来我们取得了非常多的进展。但也愈发认识到传统AI安全方法的局限，不管是价值对齐还是红蓝对抗，都只能在短期解决人工智能的安全问题。在面对Geoffrey Hinton今天上午讲到的长期风险，特别是管理可能超越人类智能的智能体时，这些方法显得力不从心。因此，我们要转向“内生安全”的新思路。

“AI-45°平衡律”给我们带来的思考是：从“Make AI Safe”到“Make Safe AI”的范式转变。前者是后置性的安全补丁，缺乏敏捷性和韧性；后者则强调安全的内生性和原生性。基于这一思考，我们打造了SafeWork安全技术栈，它采用与模型本身无关的安全架构设计，不仅能为『书生』大模型提供安全加固，同样适用于千问、DeepSeek等其他主流模型。实测数据显示，经过SafeWork安全技术栈加固后，模型安全能力可提升46%，通用推理能力可提升13%，实现了安全与性能的协同提升。同时，我们还提出了 “安全即服务”（Safety as Service）的理念。这一理念的提出，源于一个重要发现：在AI安全领域，攻击或越狱的成本远低于防御和提升模型安全性的成本。基于这一现实困境，“安全即服务” 理念的提出，将是破解安全难题，推动产业健康发展的关键一步。

开放共享：加速物理智能跃迁

下一代的人工智能计算系统和基础设施也非常重要，这需要思考模型架构、模型系统和硬件并行训练系统之间的协同创新。因此，我们提出了软硬件协同设计（Co-Design）的理念。全国智算中心大规模兴建，但存在建设分散、采购芯片代次差异大、算力资源碎片化等问题，难以灵活、低成本的获取大算力。我们推出DeepLink超大规模跨域混训技术方案，支持千公里多智算中心跨域长稳混训千亿参数大模型，为智能时代筑牢核心技术根基。

在此基础上，我们近期与联通合作，跨越1500公里连接了上海和济南之间的智算中心，完成千亿参数大模型混训，等效算力达单芯片单集群算力的95%以上；与中国电信息壤算网合作，实现了北京、上海与贵州等多地智算中心的互联和大模型混训。

同时，我们也在具身物理智能领域打造基础设施，发布了『书生』具身全栈引擎Intern-Robotics，这里面包括基于世界模型的仿真引擎，基于仿真引擎的大量生成合成数据的数据引擎，并融合合成数据和真实数据，完成高效具身智能大模型训练的训测引擎，一站式破解具身智能从数据、训练到实际应用的全链条难题，推动具身大脑从 “碎片化开发” 迈向 “全栈化量产”时代。上海AI实验室还同步启动“具身智能光合计划”，加速智能机器人技术的突破和应用落地。目前该计划已吸引了智元机器人、宇树科技、银河通用、国地共建人形机器人创新中心等首批15家企业机构加入。

在AI领域，评测也非常重要。鉴于人类数据日益枯竭，未来模型训练、评测与使用将走向一体化。在这个理念下，我们推出全新升级的人工智能开放评测体系司南OpenCompass，从大模型评测扩展至AI计算系统、具身智能、安全可信及垂类行业应用等五大领域，构建起“五位一体”的全景评估范式，覆盖从底层算力到上层智能的全链路关键能力，为行业提供一站式、全景化的能力刻度。

回到主题，我们当前站在站在AI与科学的交叉口，探索无尽的前沿。AGI很可能在我们这一代实现，面对在座的科学家群体，我感到前所未有的历史使命与机遇。使命在于，我们如何Think Bold，Contribute Big，充分发挥更具大局观的战略思考力，以推动AGI的前沿？机遇在于，站在AGI的肩膀上，科学家们可以从具体问题的琐碎中摆脱出来，以更好的问题定义能力和科学品味，突破性大创新变得不那么遥不可及了。

这个交叉路口把AI与科学两个人群连接在一起，如何形成一个更紧密的人才科学社区，让两类人群一起探索“AGI+科学”的无尽前沿？上海人工智能实验室发起了明珠湖会议、星河论坛等学术活动，鼓励有志于挑战科学边界的科学家发现问题、提出问题，并结合实验室在人工智能领域的创新支持机制，帮助他们将前沿创新想法落地为可实施的技术方案。另一方面，为了促进人工智能和科学的深度结合，上海人工智能实验室发起了“AI4S攀登者行动计划”，为入选的“攀登者”们提供模型、数据、平台等资源支撑，与科学家携手共攀科学和AGI的高峰。我们一期已经收获500个首批提案，今天我讲述的不少合作案例也是攀登者行动计划的成果。呼吁大家加入我们第二期计划！

上海人工智能实验室的模型叫做“书生”，是因为我们非常欣赏中国传统知识分子，“书生”代表的是一代代理想主义者的群像。科技进步的英雄是群像，更是一代代前仆后继的理想担当者。上海人工智能实验室不仅希望成为全世界顶尖的人工智能实验室，更希望成为一代又一代人挥洒青春和理想的地方，与全世界理想主义者携手前行。我看到在座的各位科学家，我想到奥地利作家茨威格的《人类群星闪耀时》，恰能为当下做个注解——现在正是一个理想照耀中国的时刻。

谢谢大家！

实验室在WAIC 2025期间推出短片《因为热AI，所以年轻》，以此向推动AI及科学前沿突破的同行者致敬。