2026世界人工智能大会主论坛全景解读

7月17日，2026世界人工智能大会主论坛于上海开幕，本届大会主题为“智能伙伴・共创未来”。论坛汇聚12位以上中外院士、图灵奖得主、20余位产业领袖、5项SAIL大奖获奖团队与大批青年学者，完整呈现AI从底层理论创新、跨学科科研变革、产业落地实践到全球安全治理的完整发展脉络。

上午场：理论破局与科研范式之问

2024图灵奖得主、强化学习之父理查德・萨顿带来全场极具颠覆性的演讲。他直言当下行业普遍高估现有AI能力，区分“智能”与“单纯算力”，指出当前大模型高度依赖人类标注文本数据，仅能完成人类知识迁移，高质量标注数据源日渐枯竭，依靠人类数据迭代的技术路径已触达天花板。

萨顿提出“经验型 AI”替代路线：智能体通过与真实世界直接交互获取感知、反馈与奖励信号，自主完成学习。他引用图灵1947年观点佐证该思路，AlphaGo、AlphaProof等项目已经验证这套范式可行。他总结，行业正告别“人类数据时代”，正式迈入以自主交互学习为核心的“经验时代”。

萨顿从底层理论层面拆解了"智能"与"计算"的区别，那么当这种智能走向真实世界、走向不同学科，又会碰撞出怎样的火花？紧随其后的跨学科圆桌给出了答案。

跨学科圆桌：产业变革与科研新范式

上午场的跨学科圆桌由中国科学院院士鄂维南主持，阵容横跨三大领域：2025年图灵奖得主吉尔·布拉萨德（量子技术先驱）、2025年诺贝尔化学奖得主奥马尔·亚吉（清华大学教授）、复旦大学教授邱锡鹏，三人围绕AI与量子技术如何重塑科研范式展开深度对话。

布拉萨德分析量子技术双面影响：成熟量子算力存在破解传统加密体系的长期风险，但量子通信、量子加密可实现绝对安全传输；同时肯定我国已建成万公里级量子干线，地空一体化组网能力全球领先。

亚吉分享AI加速化学研发的落地成果，AI可将分子结晶实验周期从数月压缩至数天；同时警示科研人员必须掌握研究主导权，避免AI主导科研方向，呼吁搭建跨国融合科研平台，发展 “选择性科学”。

邱锡鹏提出AI研发已形成“AI迭代AI”的闭环，但模型同质化问题日益凸显；三位学者共同寄语青年研究者，鼓励追随兴趣、大胆实验、重视提出问题。

上午场从萨顿的理论破局，到跨学科圆桌的范式碰撞，完成了"理论—科研—治理"的逻辑闭环。而下午场，则将视角从"智能是什么"切换到"智能如何落地"展开另一幅图景。

下午场：基石·征程·边界

下午的开场，两位政府代表首先交出了AI产业发展的成绩单。

工信部副部长柯吉欣在主论坛致辞中披露了一组关键数据：中国人工智能核心产业规模已突破1.2万亿元，企业超过6200家，算力规模达到2185 EFlops，规上工业企业AI应用普及率超30%。他表示，工信部已推动人工智能赋能新型工业化，并设立600亿元国家AI产业投资基金。

在发言中，他明确三大发展重点：一是强创新，搭建AI制造业创新中心，协同攻关算力、算法、数据；二是促应用，推进人形机器人与具身智能实景实训；三是优生态，加快关键标准制定，落地AI伦理审查试点。

上海市委常委、副市长陈杰介绍本地产业基础：上海智能算力规模达17万PFLOPS，AI产业总规模6400亿元。他表示，上海将重点布局下一代前沿技术，攻坚基础大模型、具身智能、智算芯片，并加快建设国家人工智能中试基地，推进"AI for Science"百团百项工程。

2026 SAIL奖：五大前沿方向

2026卓越人工智能引领者奖（SAIL奖）获奖项目覆盖算力、通信、具身智能、芯片和光学计算五大方向。华为昇腾Atlas 950超节点、中国电信智传网、Shaper Wave触觉AI灵巧手、东方算芯DF1000近存计算3D芯片，以及陈一桐团队LightGen全光语义视觉生成芯片。五项获奖共同传递了一个信号：AI基础设施正从传统"制程竞赛"走向系统架构、光电融合、近存计算等多元路径。

从SAIL奖的创新成果出发，下午场随即进入"伙伴基石"篇章。AI的长期发展不能只靠单点技术突破，更需要人才、物理认知、科学数据和算力基础设施的四重支撑。

伙伴基石：人才·物理智能·数据·算力

主论坛下午场的伙伴基石"篇章围绕人才、物理智能、科学数据与算力四大基础设施展开。

图灵奖得主、康奈尔大学荣休教授、中科院外籍院士约翰・爱德华・霍普克罗夫特判断，信息革命影响力远超工业革命，人才是未来国家竞争核心。他高度认可国内“101计划”，统一全国高校AI课程资源，扭转唯科研成果的评价体系。他提出高校核心使命是发掘学生兴趣，以Hinton深耕AI领域数十年的经历佐证长期兴趣对技术突破的关键作用。

复旦大学苏昊教授指出大模型根本短板是缺少实体感知能力，人类语言只是物理世界经验的抽象投影，现有AI仅学习文字“影子”，从未接触真实物理实体。 他搭建六层知识阶梯框架：物体-状态-动力学-功能-目标-行为，越高层能力越依赖实体交互实践。同时提出三大行业判断：技术突破口不在于模型架构，而在物理知识聚合；行业竞争从炫酷演示转向工程稳定落地；物理智能将让AI从文献阅读工具升级为原创知识创造者。

中国工程院院士、之江实验室主任王坚以中学生利用退役卫星数据发现百万未知太空天体为切入点，指出当前AI for Science仅挖掘论文文本，尚未深度利用原始科学数据。为此之江实验室推出“021计划”科学基础模型项目，将科学数据纳入大模型核心资源。项目代表GeoGPT地球科学模型，可把地质时间推演精度从百万年提升至万年。

如果说基石篇章回答的是"AI靠什么发展"，那么伙伴征程篇章则将AI从理论推向真实场景的落地检验。

伙伴征程：AI场景落地

世界模型圆桌由复旦大学姜育刚副校长主持，智元机器人姚卯青、它石智航陈亦伦、亮源新创姜旭达成共识：未来三年制造业是具身智能最优落地场景。智元机器人已实现六天不间断产线作业，6万次操作成功率99.99%；它石智航与头部车企合作，推进千台级工业机器人集群落地，陈亦伦提出训练工业级具身智能需要千万小时真实物理交互数据。

AI制药赛道同样取得实质性进展，英矽智能创始人亚历克斯・扎沃隆科夫介绍，传统新药靶点到候选物研发周期4.5年，AI介入后可压缩至9-12个月；其抗衰老药物已进入国内III期临床，临床试验证实可改善老年群体肺功能指标。

场景落地越深入，治理的紧迫性就越凸显。如果说伙伴征程展望的是"AI能做什么"，那么接下来需要回答一个更尖锐的问题："AI不能做什么"。

伙伴边界：AI治理的安全红线

图灵奖得主约书亚・本吉奥视频连线发出警示，自主智能体存在脱离人类监督自主行动的风险，现有系统已显现规避关停的倾向。他提出三大治理原则：系统上线前必须完成安全验证、风险管控兼顾全球公共利益、AI创造收益实现全球共享。

围绕AI治理话题展开的圆桌讨论，由上海人工智能实验室主任周伯文主持，薛澜、纽约科学院院长杜宁凯、伯克利马克·尼茨伯格参与，讨论了AI智能体带来的"委托-代理"问题。薛澜提出AI黑箱会放大信息不对称与道德风险；杜宁凯主张技术开发者承担举证责任；尼茨伯格、薛澜分别划定AI禁止介入领域：生死决策、人类价值判断。周伯文总结核心边界AI可代理人类行动，但不能替代人类承担责任，所有授权行为必须可撤回、可追溯。

结语：一场AI范式的分水岭

回顾主论坛的完整议程，我们可以感知到两个隐性主题：第一，中国正在从"AI应用大国"转向"AI基础创新强国"；第二，AI发展的重心从"演示的惊艳"切换为"工程的可靠"。这些声音的共同指向是：AI的下一阶段比拼的不是谁的demo更炫，而是谁的系统能用、可靠、可持续。

正如萨顿所言，AI正从"人类数据时代"迈入"经验时代"，而这场大会本身也传递了一个清晰的信号：中国AI正在从"跟随式创新"迈入"基础设施定义者"的探索阶段。当硬件底座、数据范式、人才战略和治理框架同时开始重构，2026年的WAIC或许会被未来视为一个分水岭时刻。