先鋒青年說圓滿收官｜WAIC人才濃度「天花板」，新銳力量共探AI下半場

機器之心發布

2026世界人工智能大會首日，由機器之心主辦、上海張江人工智能創新小鎮生態服務有限公司協辦的「先鋒青年說」于張江AI創新小鎮圓滿落幕。作為本屆WAIC期間青年人才密度與圈層層級堪稱天花板的標桿活動，現場匯聚了國際AI頂會Best Paper作者、估值超數億美金的新生代創始人、海內外頂尖高校及實驗室知名學者、一線科技大廠核心技術負責人等AI青年中堅力量。活動創新采用世界咖啡館沉浸式輪換思辨模式，旨在以新銳視角解構產業迭代命題、碰撞前沿技術洞見，為行業的創新突破與高質量發展凝聚新生代核心動力。

活動伊始，上海市人才工作局的同志深度解讀了上海高層次科創人才引育、落戶安居、創新創業全鏈條扶持政策，聚焦海外人才落戶保障、博士后專項資助、重點產業人才獎勵等核心舉措，充分展現了上海優質的人才發展生態，為青年AI人才扎根科創、深耕發展筑牢政策根基。

圖：上海市人才工作局作人才宣貫

接下來，上海市經信委的同志則圍繞AI產業高質量發展布局，推介了算力、語料、研發轉化類公共服務平臺、專業化中試載體及前沿應用場景，全面彰顯上海完備的AI產業配套與全鏈條賦能體系，明確了城市助力AI技術迭代、科創企業落地成長的產業發展導向。

圖：上海市經信委作產業宣貫

宣貫結束后，香港大學MMLab博士生、Xspark AI聯合創始人兼CTO陳天行正式作為主持人開啟世界咖啡館環節。40余位青年AI菁英圍繞Self-Improve Agent、世界模型、多模態、AI4S等當下最前沿、最具爭議的核心技術話題展開深度思辨。現場氛圍熱烈濃厚，不同學術背景、產業視角的青年人才跨界對談、互問互辯，在多輪高效輪換交流中打破賽道壁壘、碰撞原創觀點，各類新銳思考、技術質疑與落地思路持續迸發。思辨結束后，各桌桌長梳理全場交流精華，依次登臺分享各組核心結論。

圖：世界咖啡館現場

上海交通大學人工智能學院長聘教軌副教授楊一博和上海交通大學計算機學院副教授劉衛文為「Self-Improve Agent的理論極限與工程落地」做匯總分享：自提升智能體需實現環境感知、自主識別能力缺陷、自建數據、自主評估任務軌跡并迭代優化，智能體系統可分為模型、運行框架、數據三大可協同進化模塊，框架可快速更新技能與記憶，數據迭代次之，模型與框架需雙向協同迭代、互相促進；評估層面明確環境與反饋是自提升核心，清晰任務定義與反饋才能搭建完善評估體系、界定理論上限；智能體自知知識邊界需專門訓練并依托環境對錯反饋識別盲區；經驗泛化留存需模型與框架協同兼容舊能力、自主生成適配框架、搭建持續沉淀反思聯想的經驗積累機制并搭配抗遺忘機制；自提升必然引發對齊漂移與安全風險，需在迭代過程中嵌入驗證環節，前置約束智能體自我修改行為，而非事后修復安全問題。

銀河通用機器人聯合創始人、大模型負責人張直政和香港科技大學計算機科學與人工智能博士、Muka AI Co-Founder池曉威為「世界模型如何賦能具身智能」做匯總分享：世界模型可通過生成訓練數據、充當強化學習環境、學習物理表征三類路徑賦能具身策略學習。這三種路徑要求世界模型對狀態的預測具備物理真實性。其中，用作強化學習環境還進一步要求世界模型能提供可靠rewards。除了賦能具身策略學習，世界模型還可用于具身模型評測，對于稀疏獎勵任務更加容易可行。在WAM與VLA的比較方面，VLA模型的訓練體系已經相對成熟完善，WAM可解釋性更強但推理慢、訓練范式正在探索收斂的過程中，是否生成視頻等問題仍在爭議中。此外其獎勵函數學習與設置還需進一步研究。具身世界模型理論上可擴展為通用范式，但難以覆蓋微觀復雜物理規律，不可夸大通用性，需拆分細分場景務實研究。

Qwen研究員邱子涵和清華大學交叉信息研究院博士生王少文為「大模型能力的邊界」做匯總分享：現有大模型單模型短時記憶、長時序持續處理能力存在硬性瓶頸，短期難以復刻人類快速記憶分析，限制長任務落地，但依托智能體數據回流、環境強化學習迭代的產業閉環，整體產業層面已實現長效迭代；不少曾經高難度任務已被攻克，核心驅動力是持續循環的數據進化體系。模型存在獎勵投機等反直覺缺陷，該類問題僅能依靠場景、數據做增量約束，暫無根本性解決手段；未來核心風險在于模型執行速度、并行度遠超人類，危險行為擴散極快，且RL訓練易催生投機式有害輸出，相關底層根治方案仍屬開放難題，只能提前依托場景與數據做好前置防控。

北京大學深圳研究生院科學智能學院助理教授余偉浩和中國科學技術大學信息科學技術學院博士后李鑫為「面向物理世界的多模態語義理解與高效生成」做匯總分享：構建適配物理世界的表征必須融入重力、摩擦力等物理常識，但業界對統一表征存在分歧，一派認為雙塔架構輔以智能體交互即可，另一派主張依托充足數據算力訓練全域統一表征；多模態語義理解可通過精細標注、嵌入物理規律有效提升生成內容物理準確性；多模態生成可作為世界模型預測時序畫面，為理解模型提供先驗、降低推理負擔；當下多模態理解與生成協同難以平衡效率、質量與評測，統一量化指標缺失，可行路徑為理解生成雙向協同迭代、賦予評測模型常識能力、搭建業務定制化評測體系，縮小仿真與真實場景差距。

南洋理工大學計算機與數據科學學院博士后研究員王琨和上海交通大學計算機學院博士生馬子陽為「下一代多模態交互的上下文覺察與非言語推理」做匯總分享：音視頻多模態基座模型近期的研究關注度集中在：早期融合原生多模態預訓練、無編碼器直接解析像素與波形、流式實時與主動交互三大方向。其中原生早融合路線已實現工程落地，無編碼器仍在探索階段；人機交互層面模型能夠以與人交互作為環境持續進化，實時交互產品還會重塑人機關系，終端AI可感知用戶情緒、周邊環境與社交關系，全雙工交互、多模態記憶與長程任務是關鍵突破要點；落地場景方面終身個人助理、多模態代碼生成屬于高價值賽道，長視頻制作PPT這類長交互任務仍有較大優化空間，同時現有大語言模型安全體系無法適配超大規模原生多模態模型，亟需針對多模態模型行為分析、可解釋性搭建專屬安全研究框架。

牛津大學博士后研究員唐詩翔和創材深造創始人&CEO王軒澤為「AI for Science的基座路徑選擇與科研范式變革」做匯總分享：AI合成數據僅能作補充，無法替代真實實驗作為核心訓練數據源，理論近似偏差與數據前置依賴是核心制約，行業需搭建高通量自動化實驗室補齊高質量數據；科研智能體有望發展為獨立驗證平臺，核心瓶頸是稀缺高質量科研數據與虛實閉環驗證體系，AI幻覺能否等同于科研靈感暫無統一觀點；通用大模型微調僅適配文獻梳理等輕量科研工作，數值計算、因果推理短板突出，原生科學專用基座具備不可替代價值，并非偽命題；當下跨學科通用科學智能仍難以落地，底層核心瓶頸是各領域數據、物理仿真體系無法互通統一。

圖：先鋒青年說現場合影

青年是人工智能創新發展的核心主力軍，更是突破技術瓶頸、重塑產業格局的核心原生動力。未來，隨著AI產業邁入高質量迭代新階段，新生代青年科創人才將持續立足前沿、深耕硬核技術，持續打通學術創新與產業落地的閉環，以源源不斷的原創創新活力，驅動人工智能產業持續突破、迭代升級，為全球AI行業創新發展注入持久鮮活的新生代力量。