01、
过去几年，AI越来越像人了。
它写代码、做PPT、分析财报，甚至能生成视频，正一步步走进工厂、医院、家庭。不少人觉得，通往通用人工智能（AGI）的路，已近在眼前。
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，这是过去九年来规格最高的一届，也是全球AI领域一年一度的重头戏。
有人在现场逛展，亲眼看最新AI产品如何运转；有人紧盯龙头企业，捕捉每一条关于大模型、应用和成果的发布。而小巴在留意，那些行业领军人物，究竟在谈什么。
文章配图-1
02、
本届大会聚集了上千位来自全球的顶尖科学家、专家、企业家和投资者。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。
小巴梳理了大会四天的演讲与论坛，发现专家们的关注点逐渐聚焦在五个问题上：我们是否高估了当下的AI？AI如何获得经验？为什么AI落地这么难？智能体带来的后果谁来担责？发展AI的终点，究竟是什么？
03、
我们是不是高估了今天的AI？
这几年，AI的进展有目共睹。它替代了不少低级岗位，给人们最直接的感受，就是智能的边界不断被刷新。但一些顶尖科学家并不这么看。他们认为，我们可能高估了AI真正的智能水平。
关键在于一个被长期混淆的问题：知道很多事、会做很多事，就等于拥有智能了吗？
中国科学院院士、图灵奖得主姚期智指出，AI虽然表现强大，却不一定是智能的终点。萨顿说得更直接——大语言模型尽管读过海量文本、图像和视频，依然只是在重组人类已有的知识，并未真正创造新知识。计算能力的跃升，不等于智能的本质突破。
人类的智能，不只是靠读书、记知识得来的。更重要的是，我们能行动、会犯错，能从真实世界获得反馈，再通过一次次试错，积累经验。
举个例子：一个人没拿稳杯子，摔了，于是知道玻璃杯落地会碎。AI没摔过杯子，它只是从人类写的文字里知道“杯子会碎”，这叫知识，不是经验。
复旦大学浩清特聘教授苏昊认为，这正是大语言模型常出现“幻觉”的深层原因——语言是世界的投影，不是世界本身。
在萨顿看来，AI必须从“人类数据时代”迈向“经验时代”。
04、
AI真正缺的，是经验。
在这种背景下，“智能体”和“物理智能”成了大会反复出现的关键词。
智能体让AI不再只是“回答问题”，而是能“执行任务”——设定目标，制定计划，调用工具，采取行动，并依据结果调整策略。物理智能则让AI走出屏幕，进入由重力、摩擦、材料、空间等构成的真实世界。
这两个方向，都指向一个核心概念：世界模型（World Model）。
简单说，世界模型是AI在理解现实规律的基础上，在自己“大脑”里构建的对世界的模拟：如果我这么做，接下来会发生什么？
比如，人伸手去拿杯子，大脑其实早已完成一次预判：杯子会不会滑？需要多大握力？手一松，会不会掉？
这种预测能力，无法靠多读几本书获得。它必须通过智能体或物理智能，与真实环境互动，才可能积累属于自己的经验。
换句话说，智能体和物理智能虽不完全相同，但都能让AI在行动中获取反馈，在反馈中不断优化，逐步形成对现实运行规则的理解。
北京银河通用机器人联合创始人张直政总结：一个真正有效的世界模型，必须具备三项能力——建模与预测、规划与策略、评价。也就是能预判行动带来的变化，用预测指导决策，再判断结果是否达成目标。
05、
但AI落地，远非易事。
尽管通往经验的道路看似清晰，现实却布满障碍。大模型发展多年，还没真正大规模进入真实世界。其中，难在何处？
智能体的难题之一，是操作系统的完善。
如果说模型是AI的“大脑”，那么操作系统决定了它能调用什么工具、连接哪些设备、完成哪些任务。再聪明的大脑，若没有手，终究无法真正干活。
阶跃星辰董事长印奇强调：智能体能做什么，不只看模型多聪明，更要看操作系统为它打开了多大能力边界。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。
除此之外，智能体还面临协作问题：未来若上万个智能体同时运行，如何协同？如何共享能力？不同企业的系统能否互通？
上海润科具能科技有限公司CEO周斌希望，行业能尽快建立统一标准与开放接口，让智能体真正“聊起来”，能力可共享，最终形成“智能伙伴网络”，而不是彼此孤立的工具堆。
至于物理智能，苏昊指出，难点也是突破口——在于知识的聚合。
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，机器人持续提供实验数据……只有把这些来自不同领域、不同形式的知识整合进同一个模型，相互校准、补足盲区，AI才可能真正理解现实。
这件事注定不能靠一家公司完成，而是一代人需要共同完成的科学工程。苏昊说，它需要整个行业乃至全社会协作：共建数据、共立标准、共享仿真与评测基础设施。
不过，这不意味着物理智能必须“全都会”才能落地。
张直政认为，物理AI未必先追求通用，而是可以先在仓储、物流这类相对固定的场景中稳定运行。
未来，物理智能或如当年电气化一般，先点亮工厂和仓库，再走进商店、医院，最后走进千家万户。
文章配图-2
06、
当智能体和物理智能真正进入生活，安全问题也变得无法回避。
印奇提出三个问题：智能体能代表谁行动？行动后果该由谁负责？当它接入数据、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指出：AI可以代表人行动，但不能代替人负责。代理权的让渡速度，不能快于我们验证它能力的速度。
纽约科学院院长兼首席执行官杜宁凯强调，必须建立新的问责机制，才能推进人工智能治理。
AI越强，越需要与之匹配的规则体系。可如今，关于代理权、问责权、治理能力的框架，依然不完整。
07、
治理不是终点。它的目的，是让AI能更安全、更可靠地融入人类社会。
回望本届WAIC，一个变化已十分清晰：讨论重心正从“模型有多强”，转向“AI如何获得经验、如何进入真实世界、如何与人安全协作”。
这背后，是回到最初也最根本的问题：AI发展的意义是什么？
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说：“AI真正走向大众，不是靠替代，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：面对信息革命带来的变革，各国最该做的，是培养能应对这些变化的人才。
眼下，大模型或许仍未具备真正智能。但只要AI能在现实世界中持续学习、积累经验，始终与人协同，为个人、社会乃至世界创造更多可能，那它离真正的智能，就又近了一步。
作者|蒋紫涵
主编|何梦飞
图源|VCG、网络