AI竞赛正如火如荼，到底靠什么胜出？这篇文章将为你详细讲解8个关键要点。提到AI，你可能会想到它只是一个会和你闲聊的“聊天高手”，其实，AI的潜力远不止于此。全球AI竞赛已经进入下半场，赛道已经从比拼谁更会聊天，转到了比拼谁更能干活。我们拥有完整的工业体系、丰富的应用场景和超大规模的市场，这些都是我们手中的王牌。怎么才能打好这一手好牌呢？答案就是四个字：通专融合。通专融合简单来说，就是把AI的通用能力与专业知识结合起来。具体怎么做到这一点呢？上海人工智能实验室主任周伯文在他的深度长文中给了我们很多宝贵的经验。周伯文是上海人工智能实验室的首席科学家。上海人工智能实验室最近的一项研究显示，前沿模型在科学常识上可以得到50分（满分100分），但在专业推理任务中，得分急剧下降到了15到30分。这说明了一个深层次的问题：传统深度学习擅长处理定义明确、数据充足的任务，却难以应对科学发现中未知领域。 科学发现是检验通专融合效果的最前沿战场。通专融合将帮助AI从辅助工具升级为驱动科学进步的引擎。要实现这一目标，需要重构大模型训练机制。为此需要做三个突破：建立导师制反馈机制、激发主动探索欲、追求多样性解法。 通专融合给经济带来了实际效益。以电力现货市场智能报价为例，通用大模型虽然能写行业报告，但却无法给出精准报价。 2025全球工业互联网大会上展示了人形机器人的技术进展。这个人形机器人由新华社记者潘昱龙拍摄。 实现“从0到1”的创新需要解决复杂推理和科学决策问题。这就需要使用SAGE架构来提升AI的能力。SAGE架构不仅能理解政策文本，还能进行长链条数值推理。 在AGI4S阶段，AI不仅仅是一个工具，更是一个驱动科学研究的引擎。AGI4S要求AI具备自主性、跨领域整合能力和创造性。 这种自主性将帮助研究者产生跨领域的想法并判断假设价值，甚至可以自主构建新工具或实现已有工具的创新性组合。 AGI4S贯穿于创新的整个过程中，帮助拓展科学发现边界、转化共性技术和推动产业升级。 我们需要冷静思考AGI4S所面临的六方面问题：边界问题、预测问题、语言问题、交叉问题、验证问题和新科学问题。 这些问题不是质疑AGI4S前景的问题，而是对其长期价值的清晰定位。 为了让AI更好地融入行业真实场景，上海人工智能实验室采用了双轮驱动模式：FDE机制和“高手+高手”协同模式。FDE机制可以快速精准地将前沿AI能力部署到具体场景中，“高手+高手”协同模式则鼓励顶尖科学家们并肩合作。 最后的最后,需要强调一下,我们把上海人工智能实验室主任周伯文,给给我们提供了这么多宝贵经验,上海人工智能实验室也正在通过这样的方式打造一支顶尖团队,潘昱龙也在现场捕捉到了这一历史时刻.