直击全球最强AI大会：图灵奖、诺奖和AI大佬不谈AI，只讲「人」 好的

7 月 17 日至 20 日，2026 世界人工智能大会暨人工智能全球治理高级别会议主论坛（WAIC 2026）正式召开。作为一年一度的 AI 行业盛会，今年大会依然聚集了国内外大模型公司、AI 应用和硬件厂商，雷科技（ID：leitech）旗下 AI 新媒体「雷科技 AGI（leikejiagi）」也派出报道团，赴上海进行现场报道。

在大会首日，台上谈论最多的当然还是模型、智能体、世界模型和具身智能。但当这些专家、学者和商业领袖把话题继续往前推，最后反复撞上的却是同一个问题：

机器越来越能干之后，人要做什么？这可能也是普通人今天最想问，却最难从一场技术大会上得到答案的问题。

图片来源：雷科技

过去几年，业界最常给出的回答是「AI 不会替代人，会使用 AI 的人会替代不会使用 AI 的人」。这句话不能说错，但到了智能体可以连续执行任务、AI 开始进入科研和物理世界的 2026 年，它已经有点不够用了。真正的变化早已超出多学一个工具，越来越多原本需要人完成的回答、操作乃至决策，都可以被机器接过去。

人当然不可能在每一个环节都赢过机器。但这也不意味着，普通人只能一边学习最新工具，一边等待自己的工作被重新定价。翻完 WAIC 的公开演讲、圆桌和现场对话，我更愿意把答案概括为四件事：

1. 不再和机器比赛答案，守住问题和目标；
2. 不把自动化省下的时间全部还给工作；
3. 可以授权 AI 执行任务，但不能外包价值与责任；
4. 最后，始终给自己留一条可以转向的路。

人类不用再和机器比赛答案

「要提好的问题，这可能是非常重要的，甚至比有答案更加重要。」

在 WAIC 的 AI for Science 圆桌上，复旦大学教授邱锡鹏把给年轻人的建议压缩成了这一句话。听上去有些老生常谈，但放在 AI 已经能够写代码、做研究、调用工具的今天，这句话有了新的分量。

过去，很多职业的门槛建立在「知道答案」上。你记得更多知识、熟悉更多流程、能更快产出一份文档，就能在组织里获得更高的位置。但大模型做的第一件事，就是让标准答案和标准产出迅速变便宜。

图灵奖得主理查德·萨顿也提醒，今天的 AI 主要还是在使用人类知识，再把这些知识交付给人。它会写、会画、会计算，却仍然缺少围绕目标行动并通过现实反馈不断修正的第一视角经验。他甚至直言，现在的 AI 依然「比较弱小而且是不可靠的」。

图片来源：WAIC

问题是，萨顿并不认为这种局限会一直存在。AI 正从静态的「人类数据时代」走向能够在行动中学习的「经验时代」。一旦机器可以自己预测、行动、获得反馈和调整，普通人只靠记忆知识、熟练执行流程建立的优势还会继续变薄。

这时候，人最值得训练的能力就要往前挪一步：先决定要解决什么问题，结果应该满足哪些条件，哪些代价不能接受，再判断机器给出的答案到底有没有意义。

这也解释了为什么同一场圆桌上，诺贝尔化学奖得主奥马尔·M·亚吉一边肯定 AI 把一些过去耗时数周、数月的化学研究大幅加速，一边又担心，如果科学家不主动尝试和检验，最后可能变成由智能体告诉人「科学应该怎么做」。

AI 带来了更多答案，但也把困难转移到了选择上：什么值得问，哪个方向值得投入，哪个结果应该进入现实世界。

中国工程院院士、阿里云创始人、之江实验室主任王坚从另一条路径讲了类似的变化。今天的大模型读过大量论文、书籍和网页，但自然世界的大量知识其实藏在光谱、遥感、地震波、基因序列和实验数据里。

王坚，图片来源：WAIC

下一代科学基础模型如果能直接理解这些数据，AI 就不只是在复述人类写过的结论，也可能从旧数据中发现新问题。

到了那一天，人类也许不再垄断发现。但至少在相当长时间里，哪些发现值得追求、如何验证、应该用在什么地方，仍然需要人来回答。

所以普通人面对 AI 的第一种自处，是放下把自己训练成更快机器的焦虑，从「我会不会做」往前走到「这件事为什么要做」。会写一份方案当然有用，能定义方案要解决的真实问题更重要；会让 AI 生成十个答案很容易，知道第十一个问题是什么，才越来越稀缺。

被解放的时间，不能只用来接更多工作

「物理智能的使命，是把人还给人。」复旦大学通用物理智能研究院院长苏昊如是说。

在他的设想里，机器人承担的是老人翻身、重物搬运，以及高空、井下、高温环境里的危险作业；人退到安全线之后，继续承担陪伴、关怀、判断和创造。这个分工很理想，也很容易得到认同。

但换到今天的办公室，事情往往是另一种走向。AI 帮人节省一小时，组织不一定把这一小时还给生活，更可能顺手再塞进两项任务。一个人借助智能体拥有过去一个团队的产出能力，公司也可能反过来追问，为什么还需要原来那支团队。

这就是「AI 解放人」最容易被忽略的另一面。技术可以消灭一部分重复劳动，却不会自动决定省下来的时间归谁，更不会自动保证劳动者因此过得更好。

阶跃星辰董事长印奇判断，未来工程师、设计师和研究员都可能拥有专属智能体，「一个人具备一个团队的能力。」作为商业领袖，他看到了个人能力被十倍放大的机会。但从普通人的角度看，这个判断还需要补上后半句：

当个人产出被放大十倍，收益如何分配，工作强度会不会也被放大十倍？

图片来源：阶跃

好的 AI 应该增强人的能力、拓展人的边界，让人在使用中获得知识、能力和成长，而不是让人对产品形成依赖。这条尺度不只适合判断产品，也适合判断自己的工作。使用 AI 一段时间后，可以回头问三个很具体的问题：

离开这个工具，我是否更理解原来的问题？我有没有因此掌握一套可迁移的方法？它省下来的时间，究竟变成了新的创造、关系和休息，还是只换来了更多任务？

如果答案始终是后者，那么 AI 确实提高了效率，却没有把人还给人。

图灵奖得主约翰·霍普克罗夫特在现场谈教育时也讲到，大学最根本的使命，是帮助学生发现自己的志趣，并找到能够彰显自我价值的职业道路。在一个无法准确预测下一次技术转向的时代，比追逐短期热门技能更稳妥的策略，是培养能够适应变化的人。

兴趣在这里不是什么文艺说法。它意味着当一项熟练技能被迅速自动化之后，你还有动力继续追问、学习和重新组织自己的工作。AI 可以替人完成越来越多过程，但一个人愿意把长期注意力放在哪里，仍然会决定他最终积累出什么。

可以让 AI 执行，但别把责任一起交出去

如果说大模型主要改变的是「谁来回答」，智能体改变的就是「谁来执行」。印奇在演讲中提出，电脑、手机、汽车和机器人会成为同一智能体在不同场景里的「身体」。智能体不仅能调用工具，还可能拥有身份、能力和信用，自主寻找伙伴、组织协作甚至完成交易。

问题是：智能体代表谁行动，后果由谁负责，身份是否可信，权限能否控制，行为能否追溯。

这些问题听起来很像行业治理，落到普通人身上并不远。让 AI 改一段文字，错了可以重来；让它代发一封邮件、操作账户、提交申请、安排医疗建议，错误就可能进入真实关系、金钱和制度，甚至很难撤回。

清华大学苏世民书院院长、清华大学人工智能国际治理研究院院长薛澜在主论坛上说得更直接：「涉及价值判断的问题不能交给 AI。」

人犯错之后，可以区分故意和过失，也可以被追责、受罚；AI 本身没有能够承担法律和道德后果的主体人格。出了事故，责任最终仍然要沿着开发、部署、运营和使用的完整链条，落回具体的人与组织。

所以普通人使用智能体，提示词写得多漂亮没那么重要，更该看有没有设置边界。涉及公开发布、身份、隐私、金钱、医疗和法律时，权限应该尽量小，关键步骤应该保留确认，过程应该能够查看，操作应该可以撤销。

这并非对技术过度谨慎。习近平主席就在大会开幕演讲上指出，智能体是人工智能产品和服务的新形态，应当明确决策权限和行为边界，建立行为追溯和风险提示机制，着力提升智能体内生安全能力，化解应用衍生风险。

说到底，授权只是把一项任务交给机器，不能顺手把判断和责任也丢进去。AI 越像一个可以替你办事的伙伴，人越要清楚什么时候必须亲自出现。

始终给自己留一条可以转向的路

普通人当然还是要学 AI。

但真正值得学的，不是某个模型的按钮、某一种提示词格式，甚至不只是眼下最热门的一套工作流。工具迭代越来越快，把自己绑定在单一平台和单一流程上，可能刚熟练就迎来下一次重做。

「所有既有的惯性、对原始经验的依赖性现在都在降低。」北京智源人工智能研究院研究员、Sand.ai 创始人曹越将新一代人的特点概括为更善于放弃旧经验，年轻人在使用新工具时的深度和能力，很大程度上取决于他们是否「愿意相信、敢于相信」。

青年科学家对话，图片来源：WAIC

WAIC 青年科学家对话中，清华大学人工智能学院助理教授兼元环智能首席科学家刘子鸣补充说：「新一代」和年龄无关，关键是会不会拿已经失效的经验机械处理新问题。Recursive 创始成员诸葛鸣晨也指出，五年前的 AI 和今天已经完全不同，「要让自己始终保留一条新路径」，不要等到新事物产生影响时再被动应对。

所谓留一条新路径，不一定是辞职转行。它可以是主动把 AI 接进一项真实工作，看它哪里能用、哪里会错；可以是在主业之外保留一种持续学习的能力；也可以是不把资料、流程和个人知识全部锁进一个平台，给自己留下更换工具的余地。

更重要的是，别只在对话框里学习 AI。萨顿把经验看作智能的来源，苏昊说物理世界是「最诚实的考官」，背后其实是同一个道理：任何看起来漂亮的输出，最后都要交给现实检验。

方案有没有人愿意用，代码能不能运行，内容是否经得起事实核查，决策会不会伤害具体的人，这些反馈无法靠多问模型几轮完全替代。

AI 时代，普通人的安全感不会来自掌握所有新工具，这也不可能。它更可能来自一套不容易过期的能力——能提出问题，能核查结果，能在现实中试错，知道哪些判断不能外包，也能在旧经验失效时重新选路。

这当然不能保证每个人都不受技术冲击。但在宏观答案到来之前，普通人仍然可以先守住自己的位置。不必证明自己比机器更像机器，也不要因为机器能做更多事，就把目标、责任和生活一并交出去。让 AI 接过那些重复、危险和消耗人的工作，把省下来的时间还给关系、判断、创造和重新选择。

这可能才是「把人还给人」对普通人最现实的意义。

主题为「智能伙伴·共创未来」的WAIC2026正在火热开展中！
AI叙事路线从模型参数堆叠，转变到Agent生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理AI变为现实。
雷科技WAIC探展团已抵达上海，直击AI产业化落地年度巅峰时刻，敬请关注！