2026年3月23日，上海人工智能实验室主任、首席科学家周伯文在中国发展高层论坛2026年年会上谈到，人工智能的技术路径正在从“二元对立”转向“通专融合”，应用能力也要从“会做题”走向“会办事”。
上海人工智能实验室此前给出的判断更直接：AGI落地存在一个高价值区域，处在这个区域的模型，需要同时具备较强的泛化能力和足够的专业性。
这套思路放进医疗和金融，问题很快会落到数据上。通用模型可以处理语言、知识和基础推理，但诊疗记录、医学影像、账户信息与交易特征不能随意流转。行业模型能不能投入使用，取决于数据如何调用、结果由谁复核，以及整个过程能否留下可审查的记录。
医疗AI需要进入诊疗流程
医疗场景对专业能力的要求，远高于一般问答。模型即使能够解释医学术语，也不等于可以直接参与影像判断或临床决策。要进入医院业务系统，它必须理解检查项目、病灶描述、诊疗规范和科室工作流，还要让医生看得懂模型依据。
数据边界同样明确。医学影像、病历和随访信息具有高度敏感性，简单把数据集中到外部平台训练，很难成为可持续的交付方式。更现实的路径，是让数据留在医院控制的环境中，通过院内部署、安全计算或受控的数据调用完成训练与推理。
这也改变了产品评价标准。医疗AI不能只展示一次回答是否准确，还要处理权限、日志、版本更新和人工复核。模型给出建议之后，医生如何确认，错误如何追溯，系统升级是否影响原有流程，这些环节共同决定产品能否进入临床。
金融风控看重实时性，也看重审计能力
金融机构面对的是另一类约束。支付、信贷和保险业务需要及时识别异常，同时又涉及客户身份、账户与交易信息。模型若依赖跨系统、跨机构的数据协作，数据用途和访问权限必须先被限定。
因此，金融行业采用通专融合，不能理解为把全部业务数据交给一个更大的模型。通用能力可以用于文本理解、规则整理和辅助分析，具体的风险判断则要结合机构内部数据、业务规则与人工审核机制。哪些信息可以进入模型、哪些结果能够直接触发业务动作，需要逐项确定。
合规要求还会落到工程细节上。训练数据来自哪里，模型版本如何变更，一次风控判断调用了哪些规则，都应具备记录和复查条件。对金融机构而言，模型表现只是准入条件之一，可解释、可追溯和可审计同样重要。
数据孤岛未必需要彻底消失
谈到行业大模型，人们常把“打破数据孤岛”理解为数据集中。医疗和金融恰好说明，隔离本身有合理性：它保护患者、客户和机构的核心信息，也限定了数据的使用范围。
通专融合更可行的做法，是重新设计模型与数据的接触方式。通用模型承担可复用的理解和推理任务，行业知识、内部规则及敏感数据留在受控环境中。系统按权限调用必要信息，并把输出送回原有业务流程，由专业人员或既有规则继续处理。
这条路线考验的并非单一模型的参数规模。医院的业务系统、金融机构的交易链路、权限管理、安全环境和审计机制都要参与设计。模型只有接入这些环节，才算真正从演示走向交付。
国家科技创新战略研究院相关材料指出，全球AI竞争的关注点正从对话生成转向解决实体产业中的复杂系统性问题。新华社2026年2月2日刊发的《中国人工智能双线进阶》也将当前路径概括为“技术向上突破、应用向下扎根”。对医疗和金融来说，所谓向下扎根，就是在数据不能随意流动、决策必须有人负责的条件下，把模型安稳地放进业务流程。
参考来源：
- 上海人工智能实验室：《周伯文：通专融合是通往AGI的战略路径》 https://www.shlab.org.cn/news/5443948
- 新华社、经济参考报：《中国人工智能双线进阶》，2026年2月2日 https://www.news.cn/tech/20260202/517d7ecbfc834ef684717df7f0318c0e/c.html
- 国家科技创新战略研究院：《通专融合：锻造服务新质生产力的新型智能》 https://www.ncsti.gov.cn/kjdt/kjrd/rgzn_kjrd/202603/t20260302_239456.html
