王坚:AI对科研的冲击,与程序员被影响逻辑一致

6 月 12 日, 在 2026 第八届北京智源大会上 , 之江实验室主任、阿里云创始人王坚就人工智能对科学研究的影响发表了观点。他指出,AI 对科研的影响已经发生了质的变化, 其深远程度远超以往。王坚强调,AI 之所以能改变科研, 核心在于它突破了早期只能理解文本的局限, 如今已能理解多模态数据甚至代码。

📌 AI 理解数据的能力是质变关键

王坚在演讲中回顾了 AI 能力的发展轨迹: 从最初的大语言模型仅能处理文本, 到如今可以理解图像、音频等多模态数据 , 甚至能区分语言文本与代码文本。他认为, 这种对数据类型的广泛理解能力, 是 AI 对科学产生深远影响的根本原因。他直言:“所有科学的数据都会因为人工智能的出现被重新理解, 你可以想象这个时候的变化会有多大。”

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

🔍 科研人员面临类似程序员的冲击

王坚将 AI 对科研的影响与对程序员的影响进行了类比。他指出, 当 AI 开始理解代码时 , 程序员首先受到冲击; 而当 AI 能够理解科学研究中的数据时, 科研人员面临的冲击逻辑是一致的。这种冲击并非简单的替代, 而是工作方式的根本性变革。王坚认为,AI 正在改变程序员的工作方式, 同样也会重塑科研人员的研究范式。

💡 AI 改变科研的几个重点

• 数据理解能力提升 :AI 从单一文本扩展到多模态数据, 能够分析实验数据、文献、图像等, 加速科学发现。
• 研究范式转变 : 科研人员需要学会与 AI 协作, 利用 AI 进行假设生成、数据分析和结果验证。
• 行业影响广泛 : 从基础科学到应用研究,AI 的介入将提高效率, 但同时也要求科研人员更新技能。

📊 行业观察: 科研领域需主动适应

王坚的观点引发了业界对科研人员未来角色的讨论。 一些专家认为 ,AI 不会完全取代科研人员, 但会改变他们的工作重心——从重复性劳动转向创造性思考。科研机构需要调整培养体系, 帮助研究人员掌握 AI 工具, 以应对这一趋势。同时,AI 在科研中的应用也面临数据质量、算法可解释性等挑战。

🚀 总结

王坚的发言揭示了 AI 对科研的深层影响: 其本质是数据理解能力的飞跃, 这将推动科学研究进入新阶段 。科研人员应正视这一变化, 主动拥抱 AI, 否则可能面临与程序员类似的职业冲击。未来, 人机协作将成为科研的新常态。