WAIC 開幕第一天，我聞到了換賽道的味兒 | 前沿在線

編輯：前沿在線 編輯部

WAIC 開幕第一天，我聞到了換賽道的味兒

薩頓說人類數據吃完了，印奇說智能體要進物理世界，兩場演講聽完方向突然清晰了

薩頓官宣 "經驗時代"，印奇押注智能體第三浪，中國連發三項全球 AI 倡議。開幕第一天，風向變了。

今天 WAIC 開場，陣容是真的硬。

2024 圖靈獎薩頓、2025 圖靈獎布拉薩德、2025 諾貝爾化學獎亞吉，再加上鄂維南院士和邱錫鵬教授 ——AI、量子、化學、數學四個領域的頂流湊一桌，這規格放全球 AI 會議里也是第一梯隊。

但嘉賓陣容只是面子，里子是幾個信號放得非常明確：

強化學習之父直接說人類數據的范式摸到頂了，下一站是 "經驗時代"； 印奇上來就給 AI 產業劃了三波浪，第三波就是智能體進物理世界； 最后連發三項重磅成果，從智能體標準到倫理治理全覆蓋。

技術路線、產業方向、全球規則，一場開幕式全交代了。

薩頓潑冷水：現在的 AI，還不算真智能

"AI 的進步被夸大了。"

2026 年 7 月 17 日，上海世博中心，2024 年圖靈獎得主、"強化學習之父" 理查德?薩頓站在 WAIC 2026 主論壇的講臺上，說出這句話時，全場都安靜了下來。

大語言模型看似強大，但薩頓提醒所有人：它們只是在 "使用人類已有的知識"，而非 "自己發現新知識"—— 它們 "還比較弱"" 不可靠 ""會產生很多錯覺"。

但他隨即話鋒一轉，引用維克多?雨果的名言："恰逢其時的思想，勢不可擋。"他正式宣告：人類數據時代即將走到盡頭，AI 正邁入真正的 "經驗時代"。

先搞清楚：什么才是真正的智能？

薩頓整個演講的起點，是一個非常基礎但很少有人認真想的問題：智能到底是什么？

說實話，這個問題挺有意思的。做 AI 的人天天掛在嘴邊，但真要給個準確定義，沒幾個人能說清楚。

薩頓列了好幾種定義，挨個拆解：

威廉?詹姆斯（心理學奠基人）說，心智就是 "用不同手段達成同一個目標"—— 核心是目標導向； 圖靈說的是 "模仿游戲"（注意，圖靈本人從來沒提過 "圖靈測試" 這個說法）—— 像人一樣行為； 字典里的定義是 "獲得和運用知識與技能的能力"—— 重點在獲取和使用； 人工智能之父麥卡錫的定義是 "通過計算達成目標的能力"—— 又回到了目標 + 計算。

薩頓自己的版本是：通過行為的適應來實現目標的能力。

關鍵詞兩個：適應、目標。

而且他提出了一個更大的構想 —— 我們需要一門 "心智科學"，不是心理學、不是 AI、不是認知科學，而是一門涵蓋人類、動物、機器所有心智的綜合性科學。因為不管是人、動物還是機器，只要是心智，本質上都是 "隨著時間推移，采取行動實現目標"。

強化學習，就是這門新科學的起點。

為什么說現在的 AI 還不夠智能？

按薩頓的標準卡，今天的大語言模型差得遠。

第一，它沒有目標。LLM 的訓練目標就是預測下一個詞，這跟 "實現某個真實世界的目標" 完全是兩碼事。它不知道自己說這句話是為了什么，只是機械地按概率輸出。

第二，它沒有獎勵信號。你不知道一個行為是好是壞，就沒法調整和改進。大語言模型生成一個答案，對了還是錯了，它自己根本不知道 —— 因為它不跟真實世界交互，沒有反饋回路。

第三，它分不清真假。這就是幻覺的根源。沒有經驗作為校驗，它怎么可能知道自己說的是事實還是胡說八道？它的 "知識" 都是從訓練數據里扒來的二手信息，從來沒有親自 "驗證" 過任何事。

薩頓的原話很直接：

"這些系統主要是在使用人類知識的力量，并且把它再交付給我們，它們并沒有能力發現自己的知識。"

說白了，現在的 AI 本質還是個高級復讀機 + 重組器。它能搬運和重組人類知識，但創造不出新知識。

而且薩頓特別強調了一件事：別把智能和計算搞混了。

大家覺得 AI 進步快，很多時候進步的其實是計算能力 —— 芯片越來越強、數據越來越多、模型越來越大，但對 "智能" 本身的理解，進展沒那么快。

這話挺扎心的，但確實是實話。

下一站：經驗時代

那突破方向在哪？薩頓給出的答案是 ——從人類數據時代，進入經驗時代。

過去這波 AI 浪潮，吃的是互聯網幾十年積累的人類數據紅利。所有的 LLM 都是在預測人類的下一個詞、學習人類標注的標簽、靠人類專家微調。本質上是知識從人轉移到機器。

但這條路已經快走到頭了：

• 高質量的人類數據快被用完了

• 靠生成式數據補？會帶來模型退化的問題

• 更關鍵的是 —— 這個范式從根上就產生不了新知識

經驗時代是什么樣的？

AI 不再靠靜態數據集訓練，而是像嬰兒一樣，通過自己和世界互動來學習。數據不是別人喂給它的，是它自己在行動中產生的 —— 第一視角的感知、行為帶來的結果、獎勵信號的反饋。

薩頓放了一段嬰兒玩玩具的視頻，這個例子特別傳神： 你看小孩玩玩具，他的數據從哪來？從他自己的動作來。他伸手抓這個，不對味，換下一個。每一個動作都在產生數據，而且這些數據剛好匹配他當下的認知水平，不多也不少。

這才是最高效的學習方式。

AlphaGo 下棋是這條路 —— 自己跟自己下，產生海量對局數據； AlphaProof 做數學也是這條路 —— 自己嘗試、自己驗證，在奧數比賽里拿了好成績。

薩頓翻出了圖靈 1947 年的原話，那時候連 "人工智能" 這個詞都還沒有：

"我們需要的是一臺機器，它可以從經驗當中來自主學習。"

一個 80 年前就有人想到的方向，直到今天，技術條件才終于成熟。

現在的 AI：弱小，但有用

最后薩頓的總結很公允，既不吹也不黑：

現在的 AI，弱小、不可靠、會產生錯覺—— 但同時，非常有用。它催生了一整個新產業，每個人都能用，所有人都為之激動。

我們還遠遠沒有到達真正的自主智能、超級智能的時代，但我們確實正在邁向那里。這是人類第一次跟 "準智能" 打交道，一切都才剛剛開始。

"歡迎大家來到經驗時代。"

這是薩頓演講的最后一句話。分量很重。

這里有個潛臺詞很值得品：如果經驗時代真的到來，今天所有靠 "吃人類數據存量" 建立起來的大模型優勢，都得重新算。

誰先讓 AI 真正具備跟世界交互、從經驗中學習的能力，誰才攥著下一張門票。

印奇：當智能體走進物理世界

如果說薩頓是在底層理論上 "換賽道"，印奇的演講就是把智能體這件事，從技術到產業到治理，完整地鋪了一遍。

作為 AI 創業老兵，印奇的切入點很有意思 —— 他先復盤了 AI 爆發的規律。

每一波 AI 浪潮，都是模型 + 應用雙輪驅動

過去 5 年 AI 為什么能一波接一波地炸？印奇的觀察是：每一次爆發，都是超級模型和超級應用兩種力量疊加的結果。

• 第一波：Transformer 大語言模型 + Chatbot 聊天機器人 = ChatGPT 時刻

• 第二波：強化學習推理模型 + 輔助編程 = AI Coding 全面爆發

那第三波是什么？他的答案很明確：智能體模型 + 下一代終端產品。

這個判斷背后還有一個很妙的觀察 ——AI 的里程碑總是跟 "語言" 綁在一起。

最早的圖靈測試，衡量標準是機器能不能掌握人類自然語言； 后來大模型出現，大家一開始覺得預測下一個 token 不算智能，結果發現這反而打開了通往智能的大門； 到了 2026 年的今天，AI 不光掌握了自然語言，還在編程 —— 人類最重要的智力勞動語言 —— 上快速追趕甚至超越人類。

印奇把這個叫做"圖靈測試 2.0 版本"：在編程語言這個更通用的框架下，機器能不能超越人？

他還引用了維特根斯坦的一句話："語言的邊界，就是世界的邊界。" AI 的世界似乎也遵循這個規律 —— 每掌握一種新語言，能力邊界就擴大一圈。

而下一個關鍵問題就是：當 AI 要進入物理世界，我們該為它設計一套什么樣的新語言體系？

這個切入點挺絕的，一下子把技術問題拔高了一個維度。

智能體正在成為生產力的最小單元

印奇的核心判斷是：智能體，正在成為生產力的最小單元。

這話怎么理解？

過去，生產力的基本單位是 "人"。一個工程師、一個設計師、一個研究員，各自干活。 未來，每個人身邊都會有專業的智能體 —— 工程師有代碼智能體，設計師有創意智能體，研究員有分析智能體。一個人加上一堆智能體，就等于一支團隊。

智能體不再只是屏幕里聊天的機器人，它能感知物理世界、記住你的偏好、做決策、執行任務。

這不是一個單點應用的機會，而是整個產業結構的三層重構：新系統、新載體、新網絡。

第一層：智能體原生操作系統

過去四十年，每換一次計算平臺就換一次操作系統。PC 時代管軟件，移動時代管 APP，智能體時代要管的是一堆能理解目標、規劃路徑、調用工具、執行任務的智能體。

印奇給了一個很精煉的公式：

智能體能力 = 模型能力 × 智能體操作系統能力

模型決定智能體 "想多遠"，Agentic OS 決定智能體 "走多遠"。操作系統連接模型與數據、工具、接口、設備，讓智能體不光能 "想"，還能真正 "動手做"。

這個智能體原生操作系統，會成為下一代人機交互和產業生態的基礎設施。3-5 年內一定會誕生，而且它會是歷史上第一個不綁定單一設備的操作系統。

第二層：終端從 "以人為本" 到 "人機共生"

智能體走進物理世界，首先改變的就是終端硬件的設計邏輯。

過去的終端是圍繞人的操作方式設計的 —— 你點它才動； 未來的終端是圍繞人與智能的協作方式設計的 —— 它能感知環境、理解情境、主動采取行動。

印奇描繪了幾個具體的終端形態：

• 電腦 → Agent 工作站，24 小時不關機跑任務

• 手機 → 隨身智能中樞，控制所有設備和智能體

• 汽車 → 移動智能空間，第一個大規模落地的 Robot 形態

• 機器人 → 人類身邊的智能伙伴

最關鍵的一點是：這些終端不是孤立的。

電腦、手機、汽車、機器人，本質上是同一個智能體在不同場景下的不同 "身體"。智能可以在多個終端之間連續存在、自由遷移、協同干活。

未來的終端競爭，不再是比誰的硬件參數好，而是比誰能讓智能體更好地感知環境、采取行動。

第三層：A2A 網絡 —— 智能體之間的價值網絡

互聯網連接的是人和信息、人和服務；智能體時代，連接的是智能體和智能體。這就是 A2A（Agent to Agent）網絡。

這可不只是個通信協議的事，這是一張由人和智能體共同構成的價值網絡。未來幾十億人、幾百億設備和智能體都是節點，協作效率和規模都會上一個量級。

創業者的機會在哪？ 智能體會有自己的身份和信用 —— 你能找到它、知道它擅長啥、可以給它派活、干完了評價付費、還能跟它合作。

當智能體能自己找伙伴、組織協作、完成交易，A2A 就從技術協議變成了智能體經濟的基礎設施。

智能體的治理三問

講完機會，印奇也直面了問題。

智能體正在進入組織、網絡、設備和真實世界，這不只是能力躍遷，更是秩序重構。有三個問題必須回答：

它可以代表誰行動？行動產生后果，誰來負責？連接數據、設備和真實環境，怎樣確保身份可信、權限可控、行為可追溯？

這些以前只在科幻里討論的命題，現在變成了真問題。階躍已經在和姚期智先生領銜的期智研究院做前沿研究，但答案顯然需要整個行業一起找。

印奇的態度很明確：我們這代 AI 創業者，既是技術浪潮的參與者，也是下一階段秩序的建設者。有責任讓智能體更可信、更安全、更普惠。

AI Native：不是會用 AI，而是基因里就是 AI

最后印奇提了一個很值得創業者思考的概念 ——AI Native。

什么叫 AI Native？不是說你會用 AI 工具就行，而是從第一天起，就把 AI 寫進產品、系統和組織的基因里。

對個人，AI Native 讓一個人擁有一支團隊的能力； 對創業者，AI Native 意味著創造新產品、新組織，甚至全新的產業。

每一次技術革命都會催生新一代偉大企業。AI 時代的超級建設者，一定會從 AI Native 組織里誕生。

階躍的使命很樸素：智能階躍，十倍每個人的可能。

印奇說，AI 行業最有意思的地方就是 —— 技術還年輕，產業還年輕，很多問題沒有標準答案。大家不是在一條鋪好的路上競速，而是在一起把這條路修出來。

"未來不是機器替代人的世界，而是人與智能共同進化的世界。"

神仙打架的圓桌：AI + 量子 + 化學，科研的玩法變了

圓桌這個陣容，說一句 "神仙打架" 不過分。

鄂維南院士主持，一邊是 2025 圖靈獎的量子大佬布拉薩德，一邊是 2025 諾獎化學得主亞吉，還有大模型頂流邱錫鵬 —— 四個領域的大腦湊一起聊 "AI 怎么改變科研"，信息量很大。

挑幾個最有意思的點說：

諾獎得主親測：AI 已經在改變化學實驗了

亞吉講了個很具體的例子：他們用大模型搞定了化學里老大難的晶體化問題。以前這一步純靠經驗和試錯，幾周幾個月很正常，現在效率直接拉滿。

他說論文發了之后很多學生跑來找他，說感覺自己多了個 "超能力"。

但老爺子也潑了盆冷水：別光爽，得主動掌握 AI。如果科研人員只是被動用 AI，哪天變成 "AI 告訴你該做什么實驗"，那科研的味兒就不對了。

主動權這個事，很重要。

量子大佬的警告：你今天發的消息，十年后可能全被扒出來

布拉薩德講了個讓人后背發涼的點。

量子計算能破解現有加密，這個大家多少聽過。但更恐怖的是 "回溯解密"—— 現在解不開沒關系，先存著，等量子計算機夠強了再回頭解。

"歷史上所有在互聯網上跑過的加密信息，未來都可能被攤開。"

人類從來沒面對過這種局面。你今天發的加密消息、簽的加密合同，理論上十年后都可能被翻出來曬太陽。

當然也有解法 —— 量子加密，從物理層面保證絕對安全。布拉薩德特意提了一句：中國在這塊走在前面，一萬公里的量子骨干網已經建起來了。

邱錫鵬的隱憂：AI 研究會不會越來越 "卷同質化"？

邱錫鵬聊了個內行才會擔心的問題：AI 現在都開始自己研究自己了，用 AI 做 AI，形成了一個閉環。

但問題是 —— 大家用的基礎模型都差不多，訓練數據也差不多，做出來的東西會不會越來越像？都在同一個局部最優里打轉，真正突破性的東西反而出不來。

這個問題沒有答案，但值得所有人警惕。

最后給年輕人提建議，三位大佬答案各有側重但內核出奇一致：

• 布拉薩德：追你真正感興趣的，別追錢和名聲

• 亞吉：要有夢想，但更要動手做實驗、擁抱變化

• 邱錫鵬：能提出好問題，比能給出好答案重要得多

連發三項重磅成果，中國 AI 的全球牌怎么打

主論壇最后是成果發布環節，三連發，每一項單看可能覺得就是常規操作，但放一起讀，能讀出完整的策略感。

第一項：合作路線圖 + 普惠案例集

《人工智能合作發展行動計劃》是框架，《中國智?惠世界（2026）》是實例 —— 一虛一實，講的都是同一件事：AI 不是零和游戲，中國的成果愿意拿出來全球共享。

第二項：智能體 "三互" 全球倡議

就是前面印奇聊了一整場的智能體，這邊直接配套出了全球合作倡議 —— 互信、互聯、互操作。

時機卡得很準。智能體剛起來，各家都在悶頭做自己的，如果標準不統一，最后各成孤島，價值直接打折。但這種事又不能讓某家公司說了算，必須有全球層面的協調。

在浪潮剛起來的時候就立規矩，這個節奏踩得不錯。

第三項：倫理治理行動計劃

對接聯合國的《未來契約》和《全球數字契約》，搞全球協作的倫理治理框架。

技術跑越快，底線越得畫清楚。哪些事能做、哪些不能碰、出了問題怎么算 —— 這些規則不提前說好，等出事了就晚了。

三件事連起來看：技術方向定了（智能體），合作機制建了，底線也劃了，一套全球 AI 發展的 "中國方案"，框架已經搭出來了。

說兩句

每年 WAIC 開幕，大家都愛猜年度關鍵詞。

算力？具身智能？開源大模型？

今天這場聽完，答案其實已經出來了 ——智能體。

薩頓講的經驗時代，是智能體的底層邏輯 —— 不跟世界交互就沒有真正的智能； 印奇講的三層重構，是智能體的產業形態 ——OS、終端、網絡全鏈條刷新； 圓桌聊的 AI for Science，是智能體的落地場景 —— 科研會是第一批被改造的行業； 最后那三項全球倡議，是智能體的規則框架 —— 先立規矩，再談發展。

從技術到產業，從應用到治理，一條線串得明明白白。

這不是哪家公司喊口號，是整個行業的共識在收斂。

WAIC 辦了八年，前幾年還在吵路線、比參數、猜時間表，今年是真的方向感最清晰的一屆。

智能體的時代，不是 "將來時"，是 "現在進行時"。

接下來幾天還有算力、具身智能、Token 經濟、全球治理好幾個硬菜，前沿在線會持續扒。

關注我們不迷路，咱們下篇見。

前沿動態前沿大會
前沿人物

點「在看」，給前前加雞腿