“借助AI，一个18岁高中生能在顶尖天文学期刊发表文章，完成专业天文学家的工作，这标志着科学革命的开始。”之江实验室主任、阿里云创始人王坚，聚焦“计算与人工智能：无尽的前沿与探索”（Computing and AI:Endless Frontiers and Exploration），强调了AI与计算的深度融合正成为科学发现的新范式，重点讨论了AI如何推动地质学、天文学等领域的科研突破，并展望了太空计算与全球协作的未来愿景。
图灵奖得主、VERIMAG实验室主任约瑟夫·希发基思（Joseph Sifakis）围绕“AI赋能自主系统”（Bringing AI to Autonomous Systems），提出了一种用于自主网络的新型智能体参考架构，并介绍该架构的核心设计及具体实现形式。在回顾当前多智能体系统时，他指出由大型语言模型（LLM）协调的多智能体应用所面临的挑战，并警告不应简单地通过堆砌更多的数据与功能来提升多智能体的系统能力。
“我们发现，将大语言模型和智能体相结合，用机器学习的方法，能够攻克数据科学的问题。”伦敦大学学院教授、首席科学家汪军以“智能体大语言模型：通向通用人工智能的路线图”（Agentic LLM: A roadmap towards AGI）为题，探讨了智能体大语言模型展现出超越传统机器学习理论的反思和链式思维能力，借鉴人类认知科学理论人们可以为智能体大语言模型提供新的学习范式，朝通用人工智能迈进。
以“机器学习之思辨”（My considerations on Machine Learning）为题，诺贝尔物理学奖得主、北京航空航天大学讲席教授乔治·帕里西（Giorgio Parisi）提出，现代人工智能如同热力学诞生前的蒸汽机，虽具备实用功能却缺乏基础理论框架，尽管深度学习网络模型取得进展，关键缺陷依然存在。援引《物理评论X》（Physical Review X）近期发表的一篇基于统计物理的长序列理论研究的文章，他主张通过组建跨学科团队，构建"人工智能的热力学理论框架”。
