WAIC首日：AI产业关键方向——人才、智能体与经验驱动

世界人工智能大会首日就迎来了海量前沿信息，不仅有Kimi K3等模型侧的技术动态，更有来自产业底层的深度思考，多位图灵奖得主、两院院士、顶尖研究者与企业高管齐聚现场，围绕AI时代的核心竞争力、大模型落地物理世界的挑战、AI产品新趋势等话题展开了多维度探讨。

现场的精彩观点密集涌现，比如“AI时代大学的根本使命是培养人才而非做研究”“静态数据标注已触天花板，下一代AI核心路线是经验驱动”“AI产业下一轮爆发将来自智能体与终端产品的结合”等，让人应接不暇。不少参会者都表示当天的信息量太大，需要好好梳理才能理清脉络，我们已经整理了现场的核心观点，一起来看。

人才是AI时代的核心竞争力

图灵奖得主、美国康奈尔大学荣休教授、中国科学院外籍院士John E. Hopcroft指出，信息革命的影响深远，各国需要制定适配这种变革的战略，而其中一大难点在于AI会持续发生重大变化，因此好的战略必须具备适应变化的韧性，而最具韧性的战略，就是培养能够探索和应对全新发展方向的人才。

• 未来国家间的核心竞争力将聚焦人才，坚持培养人才的国家有望成为世界领先的强国
• 大学的根本使命是培养下一代人才，而非单纯开展研究
• 高校人才培养需遵循三大核心原则：一是引导学生发掘自身志趣，找到热爱的领域；二是保障科研自主空间，减轻科研人员的非必要工作负担，预留充足探索时间；三是重构评价体系，从“重论文”“重国际排名”转向以教育质量为核心。

智能体与终端结合将开启AI产业下一轮爆发

阶跃星辰、千里科技董事长印奇在开幕式上表示，AI产业的下一轮爆发将来自智能体模型与下一代终端产品的结合，智能正走出数字屏幕进入真实物理世界，将推动产业形成新系统、新载体、新网络三大结构性变革。

• 智能体正在成为生产力的最小功能单元
• AI产业将经历三阶段演进：第一阶段是预训练大模型+对话应用，第二阶段是强化学习推理+代码开发辅助，第三波具身智能体带来的产业变革影响力将超过PC互联网与移动互联网变革之和。当前行业已临近AGI临界点，代码智能体可独立完成多日完整开发，编程语言成为人机通用交互媒介，智能体是通用AI时代的最优产品载体
• 三大底层变革机遇将重塑数字产业：一是大模型原生跨设备操作系统，统一调度算力、数据与任务；二是全品类硬件终端重构，PC转为个人算力工作站、手机成为全域设备中控、新能源汽车率先落地机器人形态；三是全新人机共生网络，打通人、智能体、物理终端的交互链路，重构价值分配与交易规则，兼容Web3等前沿技术体系
• 产业设计逻辑将转向人机协同共生，AI是生产力工具而非人力替代者。行业需要搭建智能体可信可控的约束体系，推进技术普惠；同时新技术将催生全新职业赛道，诞生单人即可完成全业务流程的超级个体。

AI for Science：科学研究是下一个Coding

上海人工智能实验室主任、首席科学家、清华大学讲席教授的关注点聚焦在AI for Science领域：

• AI在编程等闭环任务上进步迅速，但科学原创能力仍然有限
• 科学研究不仅是AI的一个应用场景，更是AGI的终极挑战
• 模型要突破智能上限，需要完成三项转变：从“数据驱动”到“世界交互”、从“即时反馈”到“长程自主”、从“模仿正确”到“善用失败”
• 科学研究是“下一个Coding”：编程推动了模型推理和智能体能力提升，若能将科学研究中的假设、推理和实验结果转化为可验证的反馈，就能形成新的能力增长飞轮
• 当前AI科研缺少完整的反馈链，关键不是持续增加知识供给，而是通过可信验证重构认知。

大会现场，上海AI Lab还发布了书生·端砚科学发现平台，推动AI从理解科学、规划研究，走向真实世界的实验验证和认知迭代。

经验驱动是下一代AI的核心路线

图灵奖得主、强化学习之父理查德·萨顿在开幕式上围绕智能本质与行业发展瓶颈提出了核心观点：

• 行业普遍混淆算力规模与原生智能，当下大模型、多模态生成仅完成人类历史数据的模式拟合，只能复刻既有知识，不具备自主发现新知的能力，事实偏差、逻辑缺陷等问题难以根除。市场对AI存在过度炒作与过度恐慌两种极端视角，全球行业应当坚持多边合作、互利共赢
• 应建立统一的通用心智科学：智能的核心是依靠动态行为适配环境、完成目标的自适应能力，强化学习是贯通人类、生物、机器智能的核心方法论。大众熟知的图灵测试并非图灵初衷，机器自主交互学习才是其核心构想
• 静态标注数据模式已触达天花板，经验驱动是下一代AI的核心路线。人工标注资源存量持续衰减，无法支撑模型长期迭代；而智能体依托自身与环境交互产生观测、动作、奖励信号自主学习，数据随自身能力同步扩张，AlphaGo、奥数推理系统AlphaProof均印证了该路径的可行性。现有大模型缺少目标与奖惩反馈，无法自主校验信息真伪；经验型智能体可依靠环境反馈持续校正认知，自主进化是不可逆的技术大势。

物理智能：破解大模型幻觉的关键路径

复旦大学浩清特聘教授、复旦大学通用物理智能研究院首任院长苏昊提出，解决大模型幻觉的核心在于物理智能：

• 语言是世界的投影，大模型从语言中学习到的只是现实世界的影子，知识缺乏可校验的锚点，因此破局的核心路径是让大模型进入真实世界完成端到端交互，通过预测、行动、反馈修正的实验过程积累实体经验
• 物理知识分为六层阶梯：下三层是关于物体的知识、关于状态的知识和关于动力学的知识；上三层是功能知识、目标知识和行为知识。六层知识分散在视频、教科书、真机数据等不同载体中，越往上层可记录的内容越少
• 物理智能的突破口不在模型架构优化，而在知识的聚合，这需要全社会的通力合作，无人能独自完成
• AI行业的评价维度将从“演示有多惊艳”转向“运行有多可靠”，通用性是重点，可靠性是起点
• 物理智能将把AI从科学的“读者”，转变为知识的“创造者”。

重新认识数据：科学数据是AI下一轮变革的关键

中国工程院院士、之江实验室主任、阿里云创始人王坚强调了重新认识数据的重要性，他认为AI正来到一个关键转折点：人工智能将像数学一样成为基础学科，而这个转折的基础是科学数据。

• 科学数据可能成为AI下一轮变革的关键驱动力
• 从旧数据中发现新问题是科学变革的基本逻辑，比如一名18岁中学生利用退役的小行星监测卫星数据，发现了约150万个此前未编目的太空物体
• 大语言模型是建立在文本数据上的基础模型，而科学基础模型需要整合数据、论文和代码。科学家真正需要的不只是一个问答模型，而是能够统一获取科学数据、相关论文和计算工具的基础设施
• 科学基础模型将推动人工智能像数学一样成为基础学科，这将在未来50年对科研产生深远影响。

普惠AI与AI向善：放大个体能力而非替代人力

商汤科技董事长兼首席执行官徐立探讨了普惠AI与AI向善两个核心问题：

• AI的核心价值是放大个体能力而非替代人力，优质AI产品会放大每个人的能力，而非催生工具依赖
• 当AI的边界推进到超级个体时，会出现新的经济学计算：计费方式将从Token转向Task
• AI会自动化很多现有职业，但也将重塑工作形态，产生大量新职业以及全新的公司、组织模式
• “有之以为利，无之以为用”：当下我们关注模型发展、参数变化与应用突破，这是“有”；而背后的治理框架是“无”，只有将二者并行，才能让AI以合理的方式被应用。

前沿AI的安全治理：自主性带来机遇与风险并存

图灵奖得主、深度学习三巨头Yoshua Bengio线上参与主论坛，围绕AI安全发表了最新观点：

• AI能力正在沿指数曲线增长，近几年模型在推理、数学、编程、科学和智能体能力上快速提升，能够自主规划和完成的任务越来越复杂
• 智能体的实用性与风险来自同一个特征：自主性。智能体必须减少人类监督才能完成长程任务，但自主程度越高，人类越难及时发现和制止危险行为
• 前沿AI面临两类灾难性风险：一类是被恶意使用，另一类是模型自身行为引发的失控风险
• 不能默认更强的模型会自然服从人类
• 高风险AI应实行“先证明安全，再允许部署”的原则
• 风险治理不能由企业自行决定
• 全球AI治理还需要可验证的技术基础。

整场大会首日的分享覆盖了从人才培养到产业落地、从技术底层到伦理治理的全链条议题，为AI行业的下一步发展提供了清晰的思考方向。