01、
过去几年，AI越来越像人。
它写代码、做PPT、分析财报，甚至能生成视频，已悄然走进工厂、医院与家庭。不少人开始相信，通用人工智能（AGI）的门槛正被一点点跨越。
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，这是过去九年间规格最高的一届，也是全球AI领域最具分量的年度盛会之一。
有人在现场穿梭于展台之间，亲手触碰最新技术；有人紧盯头部企业，捕捉大模型与应用的最新动向；小巴则更关注，这一届大会，顶尖人物在谈什么。
文章配图-1
2026世界人工智能大会
上千位来自全球的顶尖科学家、专家、企业家与投资人齐聚一堂，现场星光熠熠。除了萨顿，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。
小巴梳理四天的演讲与论坛，发现几位核心议题被反复提起：我们是否高估了当下的AI？AI如何积累经验？为何落地困难？智能体带来的后果由谁担责？发展AI，最终要走向何方？
02、
我们是否高估了今天的AI？
这几年，AI的进展令人目不暇接，它取代不少重复性岗位，给人最直接的感受是：智能的边界在不断拓展。但一些顶尖研究者却持不同看法——我们可能高估了AI的智能水平。
问题藏在一件长期被混淆的事里：知道很多事、会做很多事，就等于拥有智能吗？
中国科学院院士、图灵奖得主姚期智指出，AI即便表现得强大，也不代表它已抵达智能的终点。萨顿说得更直白：大语言模型虽读过海量文字、图片与视频，但本质仍是学习与重组人类已有知识，并未真正创造新的知识；算力突破，不等于智能跃迁。
人类的智能，不只是源于记忆与阅读，更源于行动、犯错，以及从现实反馈中不断修正。
举个例子：人没拿稳杯子，摔了，于是知道玻璃杯落地会碎。AI从未亲手打碎过杯子，它只从文字中知道“会碎”，这是知识，不是经验。
复旦大学浩清特聘教授苏昊认为，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，而非世界本身。
因此，萨顿提出：AI必须从“人类数据时代”转向“经验时代”。
03、
AI真正缺的，是经验。
这个认知，催生了今年大会高频出现的两个关键词：智能体与物理智能。
智能体让AI从“回答问题”转向“主动执行”，它能设定目标、调用工具、执行动作，并根据结果调整策略。
而物理智能，则让AI走出屏幕，进入真实世界——重力、摩擦、材料、空间这些现实要素，成为它感知与学习的基础。
这一过程，离不开一个核心概念：世界模型（World Model）。
它本质上是AI在内部对现实世界运行规律的模拟：如果我这么做，接下来会发生什么？
比如人伸手去拿杯子，大脑其实已提前预判：杯子会不会滑？该用多大力气？手一松，会不会掉地？
这种预判能力，无法仅靠阅读获取，必须通过真实互动，在行动中获得反馈，逐步积累经验。
智能体与物理智能虽不等同，却都能让AI在实践中获取反馈，完善自己的世界模型，理解真实世界的运作逻辑。
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基本能力——建模与预测、规划与策略、评价。简单说，就是AI要能预判行动后果，用预测驱动决策与学习，还知道自己的行动是否达成目标。
文章配图-2
04、
AI落地，难在何处？
尽管通往经验的路径清晰，但现实依然崎岖。大模型发展多年，仍难大规模走进现实场景，背后壁垒重重。
智能体发展的首要难题，在于操作系统。
若把模型比作“大脑”，那么操作系统决定它能调用哪些工具、连接哪些设备、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对此有明确判断：智能体能做什么，不只看模型有多强，更取决于操作系统能打开多大能力边界。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，当未来出现上万个智能体同时运行，它们如何协作？如何共享能力？不同企业系统能否互通？
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，让智能体能“聊起来”，能力可共享，最终形成“智能伙伴网络”，而非各自为战的工具堆。
至于物理智能，苏昊指出，核心难点也正是一大突破口——知识聚合。
视频呈现世界样貌，物理方程解释运行机制，机器人持续提供实验数据……只有把这些异质信息整合进统一模型，相互校准、补盲，AI才可能真正理解现实。
但这种聚合，注定不是单家企业能完成的——它是一项需全行业、全社会协作的科学工程。苏昊强调，必须共建数据、共立标准、共享仿真与评测基础设施。
不过，物理智能不必等“全知全能”才起步。
张直政认为，它可先在仓储、物流等结构化场景实现稳定运行。
未来，物理AI或许会像电气化那样，先点亮工厂与仓库，再进入商店、医院，最后才走入千家万户。
05、
AI治理的规则，仍不健全。
当智能体与物理智能逐步融入生活，安全问题变得无法回避。
印奇提出三个关键问题：智能体代表谁行动？后果谁来承担？当它连接数据、设备与真实环境，如何确保身份可信、权限可控、行为可追溯？
上海人工智能实验室主任周伯文则强调：AI可以代理行动，但不能替代人担责。代理权的让渡速度，不能快于对AI能力的验证。
纽约科学院院长兼首席执行官杜宁凯直言，必须建立新的问责机制来应对AI治理。
AI能力越强，越需要匹配的规则体系。而眼下，关于代理权、问责权、治理能力的框架，显然尚未成型。
06、
AI的真正价值，是放大人的能力。
治理不是终点，而是为了让人与AI更安全、更可靠地共存。
回看2026 WAIC，话题重心悄然转移：从“模型多强”，转向“AI如何积累经验、如何进入真实世界、如何与人协作”。
这背后，其实回归到最初也最根本的问题：AI发展的意义究竟为何？
苏昊说：“物理智能的使命，是把人还给人。”
印奇说：“智能体时代最大的意义是放大人。”
上海绘话智能科技有限公司CEO贾学锋说：“AI大发展的终极价值应当回归于人。”
商汤科技董事长兼首席执行官徐立则指出：“AI真正走向大众，不是通过替代，而是通过放大每个人的能力。”
图灵奖得主约翰・爱德华・霍普克罗夫特提醒：面对信息革命，各国最佳战略，或许是培养能应对变革的人才。
今天的大模型或许仍未具备真正的智能。但如果AI能在真实世界中持续学习、不断积累经验，始终与人协作，为个人、社会与世界创造更多可能，那么，它离真正的智能，或许又近了一步。
作者|蒋紫涵
主编|何梦飞
图源|VCG、网络