WAIC 开幕第一天，我闻到了换赛道的味儿 | 前沿在线

编辑：前沿在线 编辑部

WAIC 开幕第一天，我闻到了换赛道的味儿

萨顿说人类数据吃完了，印奇说智能体要进物理世界，两场演讲听完方向突然清晰了

萨顿官宣 "经验时代"，印奇押注智能体第三浪，中国连发三项全球 AI 倡议。开幕第一天，风向变了。

今天 WAIC 开场，阵容是真的硬。

2024 图灵奖萨顿、2025 图灵奖布拉萨德、2025 诺贝尔化学奖亚吉，再加上鄂维南院士和邱锡鹏教授 ——AI、量子、化学、数学四个领域的顶流凑一桌，这规格放全球 AI 会议里也是第一梯队。

但嘉宾阵容只是面子，里子是几个信号放得非常明确：

强化学习之父直接说人类数据的范式摸到顶了，下一站是 "经验时代"； 印奇上来就给 AI 产业划了三波浪，第三波就是智能体进物理世界； 最后连发三项重磅成果，从智能体标准到伦理治理全覆盖。

技术路线、产业方向、全球规则，一场开幕式全交代了。

萨顿泼冷水：现在的 AI，还不算真智能

"AI 的进步被夸大了。"

2026 年 7 月 17 日，上海世博中心，2024 年图灵奖得主、"强化学习之父" 理查德・萨顿站在 WAIC 2026 主论坛的讲台上，说出这句话时，全场都安静了下来。

大语言模型看似强大，但萨顿提醒所有人：它们只是在 "使用人类已有的知识"，而非 "自己发现新知识"—— 它们 "还比较弱"" 不可靠 ""会产生很多错觉"。

但他随即话锋一转，引用维克多・雨果的名言："恰逢其时的思想，势不可挡。"他正式宣告：人类数据时代即将走到尽头，AI 正迈入真正的 "经验时代"。

先搞清楚：什么才是真正的智能？

萨顿整个演讲的起点，是一个非常基础但很少有人认真想的问题：智能到底是什么？

说实话，这个问题挺有意思的。做 AI 的人天天挂在嘴边，但真要给个准确定义，没几个人能说清楚。

萨顿列了好几种定义，挨个拆解：

威廉・詹姆斯（心理学奠基人）说，心智就是 "用不同手段达成同一个目标"—— 核心是目标导向； 图灵说的是 "模仿游戏"（注意，图灵本人从来没提过 "图灵测试" 这个说法）—— 像人一样行为； 字典里的定义是 "获得和运用知识与技能的能力"—— 重点在获取和使用； 人工智能之父麦卡锡的定义是 "通过计算达成目标的能力"—— 又回到了目标 + 计算。

萨顿自己的版本是：通过行为的适应来实现目标的能力。

关键词两个：适应、目标。

而且他提出了一个更大的构想 —— 我们需要一门 "心智科学"，不是心理学、不是 AI、不是认知科学，而是一门涵盖人类、动物、机器所有心智的综合性科学。因为不管是人、动物还是机器，只要是心智，本质上都是 "随着时间推移，采取行动实现目标"。

强化学习，就是这门新科学的起点。

为什么说现在的 AI 还不够智能？

按萨顿的标准卡，今天的大语言模型差得远。

第一，它没有目标。LLM 的训练目标就是预测下一个词，这跟 "实现某个真实世界的目标" 完全是两码事。它不知道自己说这句话是为了什么，只是机械地按概率输出。

第二，它没有奖励信号。你不知道一个行为是好是坏，就没法调整和改进。大语言模型生成一个答案，对了还是错了，它自己根本不知道 —— 因为它不跟真实世界交互，没有反馈回路。

第三，它分不清真假。这就是幻觉的根源。没有经验作为校验，它怎么可能知道自己说的是事实还是胡说八道？它的 "知识" 都是从训练数据里扒来的二手信息，从来没有亲自 "验证" 过任何事。

萨顿的原话很直接：

"这些系统主要是在使用人类知识的力量，并且把它再交付给我们，它们并没有能力发现自己的知识。"

说白了，现在的 AI 本质还是个高级复读机 + 重组器。它能搬运和重组人类知识，但创造不出新知识。

而且萨顿特别强调了一件事：别把智能和计算搞混了。

大家觉得 AI 进步快，很多时候进步的其实是计算能力 —— 芯片越来越强、数据越来越多、模型越来越大，但对 "智能" 本身的理解，进展没那么快。

这话挺扎心的，但确实是实话。

下一站：经验时代

那突破方向在哪？萨顿给出的答案是 ——从人类数据时代，进入经验时代。

过去这波 AI 浪潮，吃的是互联网几十年积累的人类数据红利。所有的 LLM 都是在预测人类的下一个词、学习人类标注的标签、靠人类专家微调。本质上是知识从人转移到机器。

但这条路已经快走到头了：

• 高质量的人类数据快被用完了

• 靠生成式数据补？会带来模型退化的问题

• 更关键的是 —— 这个范式从根上就产生不了新知识

经验时代是什么样的？

AI 不再靠静态数据集训练，而是像婴儿一样，通过自己和世界互动来学习。数据不是别人喂给它的，是它自己在行动中产生的 —— 第一视角的感知、行为带来的结果、奖励信号的反馈。

萨顿放了一段婴儿玩玩具的视频，这个例子特别传神： 你看小孩玩玩具，他的数据从哪来？从他自己的动作来。他伸手抓这个，不对味，换下一个。每一个动作都在产生数据，而且这些数据刚好匹配他当下的认知水平，不多也不少。

这才是最高效的学习方式。

AlphaGo 下棋是这条路 —— 自己跟自己下，产生海量对局数据； AlphaProof 做数学也是这条路 —— 自己尝试、自己验证，在奥数比赛里拿了好成绩。

萨顿翻出了图灵 1947 年的原话，那时候连 "人工智能" 这个词都还没有：

"我们需要的是一台机器，它可以从经验当中来自主学习。"

一个 80 年前就有人想到的方向，直到今天，技术条件才终于成熟。

现在的 AI：弱小，但有用

最后萨顿的总结很公允，既不吹也不黑：

现在的 AI，弱小、不可靠、会产生错觉—— 但同时，非常有用。它催生了一整个新产业，每个人都能用，所有人都为之激动。

我们还远远没有到达真正的自主智能、超级智能的时代，但我们确实正在迈向那里。这是人类第一次跟 "准智能" 打交道，一切都才刚刚开始。

"欢迎大家来到经验时代。"

这是萨顿演讲的最后一句话。分量很重。

这里有个潜台词很值得品：如果经验时代真的到来，今天所有靠 "吃人类数据存量" 建立起来的大模型优势，都得重新算。

谁先让 AI 真正具备跟世界交互、从经验中学习的能力，谁才攥着下一张门票。

印奇：当智能体走进物理世界

如果说萨顿是在底层理论上 "换赛道"，印奇的演讲就是把智能体这件事，从技术到产业到治理，完整地铺了一遍。

作为 AI 创业老兵，印奇的切入点很有意思 —— 他先复盘了 AI 爆发的规律。

每一波 AI 浪潮，都是模型 + 应用双轮驱动

过去 5 年 AI 为什么能一波接一波地炸？印奇的观察是：每一次爆发，都是超级模型和超级应用两种力量叠加的结果。

• 第一波：Transformer 大语言模型 + Chatbot 聊天机器人 = ChatGPT 时刻

• 第二波：强化学习推理模型 + 辅助编程 = AI Coding 全面爆发

那第三波是什么？他的答案很明确：智能体模型 + 下一代终端产品。

这个判断背后还有一个很妙的观察 ——AI 的里程碑总是跟 "语言" 绑在一起。

最早的图灵测试，衡量标准是机器能不能掌握人类自然语言； 后来大模型出现，大家一开始觉得预测下一个 token 不算智能，结果发现这反而打开了通往智能的大门； 到了 2026 年的今天，AI 不光掌握了自然语言，还在编程 —— 人类最重要的智力劳动语言 —— 上快速追赶甚至超越人类。

印奇把这个叫做"图灵测试 2.0 版本"：在编程语言这个更通用的框架下，机器能不能超越人？

他还引用了维特根斯坦的一句话："语言的边界，就是世界的边界。" AI 的世界似乎也遵循这个规律 —— 每掌握一种新语言，能力边界就扩大一圈。

而下一个关键问题就是：当 AI 要进入物理世界，我们该为它设计一套什么样的新语言体系？

这个切入点挺绝的，一下子把技术问题拔高了一个维度。

智能体正在成为生产力的最小单元

印奇的核心判断是：智能体，正在成为生产力的最小单元。

这话怎么理解？

过去，生产力的基本单位是 "人"。一个工程师、一个设计师、一个研究员，各自干活。 未来，每个人身边都会有专业的智能体 —— 工程师有代码智能体，设计师有创意智能体，研究员有分析智能体。一个人加上一堆智能体，就等于一支团队。

智能体不再只是屏幕里聊天的机器人，它能感知物理世界、记住你的偏好、做决策、执行任务。

这不是一个单点应用的机会，而是整个产业结构的三层重构：新系统、新载体、新网络。

第一层：智能体原生操作系统

过去四十年，每换一次计算平台就换一次操作系统。PC 时代管软件，移动时代管 APP，智能体时代要管的是一堆能理解目标、规划路径、调用工具、执行任务的智能体。

印奇给了一个很精炼的公式：

智能体能力 = 模型能力 × 智能体操作系统能力

模型决定智能体 "想多远"，Agentic OS 决定智能体 "走多远"。操作系统连接模型与数据、工具、接口、设备，让智能体不光能 "想"，还能真正 "动手做"。

这个智能体原生操作系统，会成为下一代人机交互和产业生态的基础设施。3-5 年内一定会诞生，而且它会是历史上第一个不绑定单一设备的操作系统。

第二层：终端从 "以人为本" 到 "人机共生"

智能体走进物理世界，首先改变的就是终端硬件的设计逻辑。

过去的终端是围绕人的操作方式设计的 —— 你点它才动； 未来的终端是围绕人与智能的协作方式设计的 —— 它能感知环境、理解情境、主动采取行动。

印奇描绘了几个具体的终端形态：

• 电脑 → Agent 工作站，24 小时不关机跑任务

• 手机 → 随身智能中枢，控制所有设备和智能体

• 汽车 → 移动智能空间，第一个大规模落地的 Robot 形态

• 机器人 → 人类身边的智能伙伴

最关键的一点是：这些终端不是孤立的。

电脑、手机、汽车、机器人，本质上是同一个智能体在不同场景下的不同 "身体"。智能可以在多个终端之间连续存在、自由迁移、协同干活。

未来的终端竞争，不再是比谁的硬件参数好，而是比谁能让智能体更好地感知环境、采取行动。

第三层：A2A 网络 —— 智能体之间的价值网络

互联网连接的是人和信息、人和服务；智能体时代，连接的是智能体和智能体。这就是 A2A（Agent to Agent）网络。

这可不只是个通信协议的事，这是一张由人和智能体共同构成的价值网络。未来几十亿人、几百亿设备和智能体都是节点，协作效率和规模都会上一个量级。

创业者的机会在哪？ 智能体会有自己的身份和信用 —— 你能找到它、知道它擅长啥、可以给它派活、干完了评价付费、还能跟它合作。

当智能体能自己找伙伴、组织协作、完成交易，A2A 就从技术协议变成了智能体经济的基础设施。

智能体的治理三问

讲完机会，印奇也直面了问题。

智能体正在进入组织、网络、设备和真实世界，这不只是能力跃迁，更是秩序重构。有三个问题必须回答：

它可以代表谁行动？行动产生后果，谁来负责？连接数据、设备和真实环境，怎样确保身份可信、权限可控、行为可追溯？

这些以前只在科幻里讨论的命题，现在变成了真问题。阶跃已经在和姚期智先生领衔的期智研究院做前沿研究，但答案显然需要整个行业一起找。

印奇的态度很明确：我们这代 AI 创业者，既是技术浪潮的参与者，也是下一阶段秩序的建设者。有责任让智能体更可信、更安全、更普惠。

AI Native：不是会用 AI，而是基因里就是 AI

最后印奇提了一个很值得创业者思考的概念 ——AI Native。

什么叫 AI Native？不是说你会用 AI 工具就行，而是从第一天起，就把 AI 写进产品、系统和组织的基因里。

对个人，AI Native 让一个人拥有一支团队的能力； 对创业者，AI Native 意味着创造新产品、新组织，甚至全新的产业。

每一次技术革命都会催生新一代伟大企业。AI 时代的超级建设者，一定会从 AI Native 组织里诞生。

阶跃的使命很朴素：智能阶跃，十倍每个人的可能。

印奇说，AI 行业最有意思的地方就是 —— 技术还年轻，产业还年轻，很多问题没有标准答案。大家不是在一条铺好的路上竞速，而是在一起把这条路修出来。

"未来不是机器替代人的世界，而是人与智能共同进化的世界。"

神仙打架的圆桌：AI + 量子 + 化学，科研的玩法变了

圆桌这个阵容，说一句 "神仙打架" 不过分。

鄂维南院士主持，一边是 2025 图灵奖的量子大佬布拉萨德，一边是 2025 诺奖化学得主亚吉，还有大模型顶流邱锡鹏 —— 四个领域的大脑凑一起聊 "AI 怎么改变科研"，信息量很大。

挑几个最有意思的点说：

诺奖得主亲测：AI 已经在改变化学实验了

亚吉讲了个很具体的例子：他们用大模型搞定了化学里老大难的晶体化问题。以前这一步纯靠经验和试错，几周几个月很正常，现在效率直接拉满。

他说论文发了之后很多学生跑来找他，说感觉自己多了个 "超能力"。

但老爷子也泼了盆冷水：别光爽，得主动掌握 AI。如果科研人员只是被动用 AI，哪天变成 "AI 告诉你该做什么实验"，那科研的味儿就不对了。

主动权这个事，很重要。

量子大佬的警告：你今天发的消息，十年后可能全被扒出来

布拉萨德讲了个让人后背发凉的点。

量子计算能破解现有加密，这个大家多少听过。但更恐怖的是 "回溯解密"—— 现在解不开没关系，先存着，等量子计算机够强了再回头解。

"历史上所有在互联网上跑过的加密信息，未来都可能被摊开。"

人类从来没面对过这种局面。你今天发的加密消息、签的加密合同，理论上十年后都可能被翻出来晒太阳。

当然也有解法 —— 量子加密，从物理层面保证绝对安全。布拉萨德特意提了一句：中国在这块走在前面，一万公里的量子骨干网已经建起来了。

邱锡鹏的隐忧：AI 研究会不会越来越 "卷同质化"？

邱锡鹏聊了个内行才会担心的问题：AI 现在都开始自己研究自己了，用 AI 做 AI，形成了一个闭环。

但问题是 —— 大家用的基础模型都差不多，训练数据也差不多，做出来的东西会不会越来越像？都在同一个局部最优里打转，真正突破性的东西反而出不来。

这个问题没有答案，但值得所有人警惕。

最后给年轻人提建议，三位大佬答案各有侧重但内核出奇一致：

• 布拉萨德：追你真正感兴趣的，别追钱和名声

• 亚吉：要有梦想，但更要动手做实验、拥抱变化

• 邱锡鹏：能提出好问题，比能给出好答案重要得多

连发三项重磅成果，中国 AI 的全球牌怎么打

主论坛最后是成果发布环节，三连发，每一项单看可能觉得就是常规操作，但放一起读，能读出完整的策略感。

第一项：合作路线图 + 普惠案例集

《人工智能合作发展行动计划》是框架，《中国智・惠世界（2026）》是实例 —— 一虚一实，讲的都是同一件事：AI 不是零和游戏，中国的成果愿意拿出来全球共享。

第二项：智能体 "三互" 全球倡议

就是前面印奇聊了一整场的智能体，这边直接配套出了全球合作倡议 —— 互信、互联、互操作。

时机卡得很准。智能体刚起来，各家都在闷头做自己的，如果标准不统一，最后各成孤岛，价值直接打折。但这种事又不能让某家公司说了算，必须有全球层面的协调。

在浪潮刚起来的时候就立规矩，这个节奏踩得不错。

第三项：伦理治理行动计划

对接联合国的《未来契约》和《全球数字契约》，搞全球协作的伦理治理框架。

技术跑越快，底线越得画清楚。哪些事能做、哪些不能碰、出了问题怎么算 —— 这些规则不提前说好，等出事了就晚了。

三件事连起来看：技术方向定了（智能体），合作机制建了，底线也划了，一套全球 AI 发展的 "中国方案"，框架已经搭出来了。

说两句

每年 WAIC 开幕，大家都爱猜年度关键词。

算力？具身智能？开源大模型？

今天这场听完，答案其实已经出来了 ——智能体。

萨顿讲的经验时代，是智能体的底层逻辑 —— 不跟世界交互就没有真正的智能； 印奇讲的三层重构，是智能体的产业形态 ——OS、终端、网络全链条刷新； 圆桌聊的 AI for Science，是智能体的落地场景 —— 科研会是第一批被改造的行业； 最后那三项全球倡议，是智能体的规则框架 —— 先立规矩，再谈发展。

从技术到产业，从应用到治理，一条线串得明明白白。

这不是哪家公司喊口号，是整个行业的共识在收敛。

WAIC 办了八年，前几年还在吵路线、比参数、猜时间表，今年是真的方向感最清晰的一届。

智能体的时代，不是 "将来时"，是 "现在进行时"。

接下来几天还有算力、具身智能、Token 经济、全球治理好几个硬菜，前沿在线会持续扒。

关注我们不迷路，咱们下篇见。

前沿动态前沿大会
前沿人物

点「在看」，给前前加鸡腿