1月20日至27日，第四十届AAAI在新加坡举行。AAAI官方论文集给出了会议时间和地点。据上观新闻报道，这是AAAI首次走出北美、在亚洲举办。
1月22日下午，上海人工智能实验室主任、首席科学家周伯文作特邀报告，题目是《从推理到科学发现：探索通专融合的AI之路》。标题中的“从……到……”很容易被读成一次赛道切换，但从公开内容看，推理并没有退场。科学发现被放到了更难的位置，用来检验通用模型能否真正走进专业领域。
换句话说，“会推理”的标准被抬高了。
一场报告，把“通才”和“专家”接到一起
据上海人工智能实验室发布的信息，周伯文提出：如果AGI指向通专融合（Specialized Generalist），那么可深度专业化通用模型（Specializable Generalist）是一条可行路线。
两个英文概念看起来相近，重点落在“可深度专业化”上。通用模型可以处理许多任务，不等于它已经具备专家水平。周伯文讨论的问题更具体：一个保有通用性的模型，能不能继续向某个专业领域深入。
上观新闻用ChatGPT和AlphaFold作了直观对照：前者被比作“通才”，后者被比作“专家”。这不是一次产品高下比较，而是在指出两种不同的长处。接下来要补上的，是两者之间的连接。
问题由此变得具体。
同一个系统，能否既保有处理不同任务的广度，又在科学问题上形成足够深的专业判断？“通专融合”要回答的正是这一点。
快慢思考，关键是能否协同
据报道，上海AI实验室正在构建相关基础设施，希望AI既有直觉式的“快思考”，也能进行严谨的“慢思考”。
这里有一个词值得留意：正在构建。现有公开摘要没有展开具体的系统架构和实现方式，因此还不能把这套思路写成已经成熟的技术管线。目前可以确认的是目标——模型需要迅速形成判断，也要在必要时进入更严谨的推导过程。
科学发现之所以被推到台前，正是因为一个听起来合理的答案远远不够。按照上观新闻对报告的转述，周伯文将科学发现称为推理智能的“终极试炼场”。在这样的场景里，快思考可以给出方向，慢思考则关系到结论能否经受专业检验。
这也让“推理”从演示效果变成了一项更难交账的能力。
别急着把一场报告写成全场转向
但尺度要收住。
一场特邀报告可以释放研究信号，却不能直接代表整个AAAI已经转向AI for Science。AAAI官方档案确认了第四十届大会及其论文集，现有材料足以支持周伯文提出的路线，却不足以证明大会所有技术方向都在集体换轨。
同样，AAAI首次在亚洲举办，说明大会的地域版图发生了变化。这件事本身不能用来证明人工智能的研究主线已经改变。
更稳妥的判断是：科学发现正在AGI讨论中获得更显眼的位置。它既是一个研究方向，也被用来检验通用模型能否深入专业问题。
跑道更宽，门槛也更高
回到最初的问题，AI的跑道确实有了变化，但更像向外延伸了一段。推理仍是起点，科学发现成了更苛刻的落点。
沿着周伯文的思路，通用模型接下来要证明三件事：它能保有广度，也能在具体领域向下深挖；它能快速判断，也能严谨推导；它给出的结果可以接受专业检验。这里没有一项能靠换个标签完成。
目前，公开材料支持的是一条路线和正在进行的探索，还不是已经得到验证的终局。所谓“可精专通才”能否成立，最终仍要看后续系统和可检查的结果。
AAAI 2026留下的信号可以收得很窄：科学发现把推理带进了更深的专业场景。模型答得快、答得像已经不够，它还要证明自己能走得深。
