01、
过去几年，AI越来越像人。
它写代码、做PPT、分析财报、生成视频，正一步步走进工厂、医院，甚至家庭。不少人觉得，通用人工智能（AGI）已经触手可及。
可就在前两天，图灵奖得主、强化学习之父理查德·萨顿泼了盆冷水：“现在的大模型，谈不上原生智能。”
2026世界人工智能大会（WAIC）在上海如期举行。这是过去九年规格最高的一届，也是全球AI领域年度最重要的盛会之一。
有人在展会上走动，亲手试用最新的AI产品；有人盯着头部企业，紧盯新发布的大模型、应用成果；小巴关注的，则是这些顶级人物聚在一起，到底在聊什么。
文章配图-1
02、
本次大会吸引了上千位来自全球的顶尖科学家、专家、企业家和投资人。除了理查德·萨顿，还有“深度学习三巨头”之一的约书亚·本吉奥，图灵奖得主吉勒斯·布拉萨德、姚期智，诺贝尔奖得主奥马尔·M·亚吉，“硅谷精神之父”凯文·凯利等。
小巴梳理了大会四天的演讲与论坛后发现，专家们的讨论，落在了五个关键词上：我们是否高估了今天的AI、AI如何获得经验、AI落地为何艰难、智能体的后果谁来担责、发展AI的终点究竟是什么。
03、
**我们高估了今天的AI**
这几年，AI的进步有目共睹。它替代了不少低级岗位，最直观的感受，是不断刷新人们对“智能”的认知。但一些顶尖学者心里清楚：我们可能高估了当前AI的智能水平。
问题藏在一个长期被模糊处理的命题里：知道很多事、会做很多事，就等于拥有真正的智能吗？
中国科学院院士姚期智说，AI虽强大，未必就是智能的终点。萨顿说得更直接——大语言模型虽读过海量文字、图片和视频，但它只是在复述人类已有的知识，而非创造新知。计算能力的提升，不等于智能的跃迁。
人之所以有智能，不只是因为读书、记下信息，更在于行动、犯错，从真实世界中获取反馈，并据此修正。
举个例子：一个人没拿稳杯子，杯子摔碎了，于是他记住了“玻璃杯落地会碎”。AI没有自己摔过杯子，它只是从人类写下的句子中“听说”了这件事。这是记忆，不是经验。
复旦大学浩清特聘教授苏昊指出，这正是大语言模型产生“幻觉”的根本原因：语言是世界的投影，不是世界本身。
萨顿的看法很明确：AI必须从“人类数据时代”迈入“经验时代”。
04、
**AI缺的是经验**
在这条认知之下，“智能体”与“物理智能”成了大会反复出现的两个词。
智能体让AI不再只是“回答问题”，而是“完成任务”——它能制定计划、调用工具、执行动作，并根据结果调整行为。物理智能则推动AI离开屏幕，进入由重力、摩擦、材料、空间构成的真实世界。
这也引出了今年大会频繁被提起的概念：世界模型（World Model）。
简单说，世界模型是AI在理解现实运行规律的基础上，在自己“脑中”对世界进行模拟：如果我这么做，接下来会发生什么。
比如人伸手拿杯子时，大脑早已预判：杯子会不会滑？该用多大力？手一松会掉地吗？
这种预判能力，无法仅靠“读更多书”实现。它依赖AI亲身参与真实世界的互动，通过智能体或物理智能获取反馈，积累经验，逐步建构属于自己的世界模型。
智能体和物理智能不完全一样，但都能让AI在行动中学习，在反馈中成长，持续完善对现实的理解。
北京银河通用机器人联合创始人张直政总结道，世界模型必须具备三项核心能力：建模与预测、规划与策略、评估与判断。通俗讲，就是AI要能预判自己行动带来的后果，据此决策、学习，还能判断是否达成目标。
文章配图-2
05、
**AI落地难，难在哪里**
通向经验的路，看似清晰，实则布满障碍。
大模型发展多年，仍难大规模进入真实场景，瓶颈不少。
智能体发展的首要难题，在于操作系统不健全。
如果说模型是大脑，操作系统就是让大脑“动手”的工具集——它决定AI能调用哪些设备、连接哪些系统、完成哪些任务。再聪明的大脑，没有手，也干不了活。
阶跃星辰董事长印奇说：“智能体能做什么，不只看模型多强，更看操作系统能打开多大空间。”他提出一个公式：智能体能力 = 模型能力 × 智能体操作系统能力。
此外，若未来有上万智能体并行运行，如何协作？能力如何共享？不同系统能否互通？
上海润科具能科技有限公司CEO周斌呼吁：行业应尽快建立统一标准与开放接口，让智能体真正“能对话”，能力可流动，形成“智能伙伴网络”，而不是一盘散沙的工具堆。
对物理智能来说，难点同样是突破口——知识聚合。
视频告诉AI世界长什么样，物理方程解释世界为何如此运转，机器人持续输出新数据……这些来自不同维度的知识，必须整合进同一模型中，互相校准、弥补盲区。
苏昊强调，这绝非单一企业能完成的事。它是一场面向整个行业、乃至全社会的科学工程——需共建数据、共立标准、共享仿真与评测基础设施。
不过，物理智能不必等“全通”才落地。
张直政认为，它可先在仓储、物流等结构化场景中稳定运行。未来，物理AI或许会像当年电气化一样，先点亮工厂与仓库，再进入商店、医院，最后走进千家万户。
文章配图-3
06、
**AI治理，规则还没跟上**
当智能体和物理智能真正走入日常生活，安全问题再也绕不过去。
印奇抛出三个问题：智能体能代表谁做事？行动后果该由谁负责？当它接入数据、设备与真实环境，如何保证身份可信、权限可控、行为可查？
上海人工智能实验室主任周伯文说，AI能代理人类行动，但不能代替人类担责。授权的速度，不能超过验证能力的速度。
纽约科学院院长兼首席执行官杜宁凯则强调：必须尽快建立新的问责机制，推动人工智能治理落地。
AI的能力越强，人类越需要配套的规则体系。但眼下，关于代理权、问责机制、治理框架的制度设计，仍显空缺。
07、
**AI的终点，是放大人的能力**
治理不是终点。它的意义，在于让AI更安全、更可靠地融入社会。
回头看看2026 WAIC，一个明显趋势浮现：讨论焦点正从“模型有多强”，转向“AI如何获取经验、如何进入真实世界、如何与人安全协作”。
这背后，触及最根本的问题：AI的发展，到底为了什么？
苏昊说：“物理智能的使命，是把人还给人。”
印奇说：“智能体时代，最大的价值是放大人。”
上海绘话智能科技有限公司CEO贾学锋说：“AI大发展的终极意义，应回归于人。”
商汤科技董事长兼首席执行官徐立说：“AI走向大众，不是靠替代，而是靠放大每个人的能力。”
图灵奖得主约翰・爱德华・霍普克罗夫特提醒：面对信息革命带来的变化，各国最该做的，是培养能应对这些变化的人才。
今天的大模型，或许谈不上真正智能。但如果AI能在真实世界中持续学习、积累经验，并始终与人协同，为个体、社会乃至全球创造更多可能——那么，它离真正的智能，又近了一步。
作者|蒋紫涵
主编|何梦飞
图源|VCG、网络
