WAIC信息爆炸！大佬们都在说什么，笔记看这里

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> WAIC信息爆炸！大佬们都在说什么，笔记看这里 鱼羊 2026-07-18 11:39:51 来源： 量子位 图灵奖得主、两院院士……精彩、太精彩 鱼羊 文婷 发自 凹非寺 量子位 | 公众号 QbitAI WAIC（世界人工智能大会）第一天，信息量已经爆炸。 Kimi K3在模型侧搅动风云，而更多来自行业更深处的思考，也在一场场论坛和交流中刷新大家伙的认知。 从AI时代国家和企业的核心竞争力，到大模型迈向物理世界、迈向AGI所面临的挑战，再到Coding之后新的AI产品趋势……围绕从技术到产业的方方面面，图灵奖得主、两院院士、AI TOP研究者和企业、企业家们共聚一堂，精彩发声不断： “AI时代，大学最根本的使命是培养下一代人才，而不是做研究。” “静态数据标注已达天花板，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模型与下一代终端产品的结合。” …… △到处下饺子 重点有点多，脑袋有点过载。 没关系，量子位已经第一时间做好笔记，一起来看。 AI新竞争 John Hopcroft：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认为，信息革命将产生极其深远的影响，各国都应针对这种变革制定应对战略。 其中的一大难点是， AI可能还会持续发生重大变化 。Hopcroft教授提出，因此，一项好的战略必须具备适应变化的韧性。 而最能适应变化的战略，就是培养能够探索并且应对全新发展方向的人才。 核心观点： 在未来，人才才是核心竞争力，致力于培养人才的国家将成为世界领先的强国。 大学最根本的使命是培养下一代人才，而不是做研究。 高校人才培养的核心原则：一是引导学生发掘志趣，帮助学生找到自身热爱的领域；二是保障科研自主空间，需减轻高校科研人员的非必要工作负担，预留充足时间探索感兴趣的方向；三是重构评价指标体系，从“重论文”“重国际排名”转向以教育质量为核心。 印奇：AI产业下一轮爆发，是智能体模型+终端 大会开幕式上，阶跃星辰董事长、千里科技董事长印奇表示， AI产业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化。 核心观点： 智能体正在成为生产力的最小单元。 AI产业分三阶段演进，物理场景通用智能体是第三波核心主线。第一阶段为预训练大模型+对话应用，第二阶段为强化学习推理+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。行业需搭建智能体可信可控约束体系，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。 周伯文：Research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 上： 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。 科学研究不止是一个应用场景，更是AGI的终极挑战。 模型突破智能上限，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；科学研究若能把假设、推理和实验结果转化为可验证反馈，也可能形成新的能力增长飞轮。 AI科研目前缺少完整的反馈链。其中关键不是持续增加知识供给，而是通过可信验证，重构认知。 在WAIC现场，上海AI Lab也最新发布了书生·端砚科学发现平台，以推动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。 技术新趋势 Richard Sutton：静态数据标注已达天花板，下一代AI核心路线是经验驱动 图灵奖得主、强化学习之父理查德·萨顿（Richard Sutton）在大会开幕式上，围绕智能本质与行业发展瓶颈提出了三个核心观点： 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，仅能复刻既有知识，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均印证该路径可行性。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。 苏昊：解决大模型幻觉的关键是物理智能 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，解决大模型幻觉的关键，是 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 大模型需要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；对应的上三层是功能知识、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 。没有人能独自完成聚合，需要全社会的通力合作。 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”，变成知识的“创造者”。 王坚：让科学数据能成为大模型的原住民 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正来到一个关键的转折点：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。 从旧数据里发现新问题，是科学变革中的基本逻辑。比如，一名18岁中学生利用已经退役、且原本用于监测小行星的卫星数据，发