随着大视场巡天、高时间分辨率监测和多信使观测的快速发展，天文学正面临数据规模、数据类型与观测频率同步增长的新局面；与此同时，人工智能正从面向单一任务的专用模型，拓展至基础模型和以大语言模型为核心的科研智能体。《科技导报》邀请宁波大学基础物理与量子科技研究院蔡荣根院士团队撰写文章，综述了近5年上述方法在天体物理中的代表性进展，重点比较了专用模型、基础模型与科研智能体在训练目标、数据组织、迁移方式和科学角色等方面的功能边界。结果表明，专用模型在定义明确、数据分布稳定的任务中仍最为成熟有效；基础模型通过大规模异构数据预训练，已在图像、光谱和时间序列等跨任务迁移中展现出统一表征的潜力；而科研智能体尚处于早期探索阶段，其在文献归纳、工具调用和多步骤科研流程组织中的作用仍需审慎评估。通过进一步分析当前面临的数据质量、泛化能力、物理解释性、不确定性量化及可重复性等关键问题，指出未来应优先推进高质量数据基础设施建设、跨巡天外部验证规范、软件工具链固化以及交叉人才培养等方向。『天体物理人工智能：基础模型与科研智能体』网页链接