01、
过去几年，AI越来越像人。
它能写代码、做PPT，分析财报，还能生成视频；开始走进工厂、医院，甚至出现在家庭里。很多人觉得，通用人工智能（AGI）离我们已经不远了。
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。”
这番话，出现在2026世界人工智能大会（WAIC）的现场。这场大会在上海如期举行，是过去九年来规格最高的一届，也被视为全球AI领域最重要的年度盛会之一。
有人在展厅里来回走动，亲手试用最新的AI产品；有人盯着龙头企业，紧盯大模型、应用、成果的发布；小巴在听，听那些来自全球的顶尖人物，到底在聊什么。
文章配图-1
02、
2026世界人工智能大会汇聚了上千位科学家、专家、企业家与投资人。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，图灵奖得主姚期智，诺贝尔奖得主奥马尔·M·亚吉，“硅谷精神之父”凯文·凯利等人。
翻完四天的演讲和论坛，小巴发现，专家们的讨论，落脚点集中在这五个问题上：我们是否高估了今天的AI？AI如何获得经验？为何落地难？智能体的后果谁来负责？发展AI的终点到底是什么？
03、
我们是不是高估了今天的AI？
这些年，AI的进步有目共睹。它取代了不少低技能岗位，给人最直接的感觉是：智能的边界在不断拓展。可一些顶尖科学家不这么看。他们认为，我们可能对当前AI的能力，理解得过于乐观了。
问题出在一个长期被模糊的概念上：知道很多事，会做很多事，是否等于拥有智能？
图灵奖得主、中国科学院院士姚期智说，AI虽然看起来强大，但未必接近智能的终点。萨顿说得更清楚——大语言模型尽管看过海量文字、图片和视频，它本质上仍是在重组人类已有的知识，并未真正创造新知识。计算能力的突破，不等于智能的突破。
人类之所以有智能，不只是因为读过书、记住知识，更在于我们能行动、会犯错，从现实世界中获取反馈，并通过一次次试错修正行为。
举个例子：一个人没拿稳杯子，结果玻璃杯摔碎了，于是他记住了“杯子会碎”。可AI从没摔过杯子，它只从文字中知道“杯子摔地上会碎”。这是信息，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”的深层原因：语言只是世界的投影，而非世界本身。
因此，萨顿提出，AI必须从“人类数据时代”走向“经验时代”。
04、
AI缺的，是经验。
有了这个认知，今年大会反复出现两个关键词：智能体，物理智能。
智能体意味着AI不再只是回答问题，而是能自主制定计划、调用工具、执行任务，并根据结果调整行为。物理智能则把AI从屏幕里带出来，让它进入由重力、摩擦、材料、空间构成的真实世界。
这引出一个高频概念：世界模型（World Model）。
简单说，世界模型是AI在内部搭建的现实模拟系统——如果我这么做，接下来会怎样？
人拿杯子之前，大脑早已预演一遍：杯子会不会滑？用力要多大？手一松会不会摔？这种预测，无法靠读更多书获得，必须通过真实互动才能建立。
智能体和物理智能，本质上不完全相同，但都有一个共同目标：让AI在行动中得到反馈，在反馈中积累经验，逐步构建对世界运行规律的认知。
用北京银河通用机器人联合创始人张直政的话来说，世界模型必须具备三要素：建模/预测、规划/策略、评价。说白了，就是AI能预测行动带来的变化，利用这些预测做决策、优化学习，还能判断自己有没有达到目标。
文章配图-2
05、
可这条路并不平坦。
尽管智能体和物理智能方向清晰，大模型发展多年，却仍难真正走进真实世界。背后有诸多现实阻碍。
智能体的第一个难题，是操作系统的缺失。
如果说模型是大脑，操作系统就是“肢体”。再聪明的大脑，没有手，也做不了事。
阶跃星辰董事长印奇点出：智能体能做什么，不只看模型多强，更取决于操作系统能打开多少能力边界。他给出一个公式：智能体能力 = 模型能力 × 智能体操作系统能力。
此外，未来若出现上万个智能体并行工作，它们如何协作？如何共享能力？不同公司的系统能否兼容？
上海润科具能科技有限公司CEO周斌的期待是：行业应尽快建立统一标准和开放接口，让智能体能“聊起来”，能力可共享，形成“智能伙伴网络”，而不是一堆各自为战的工具。
对物理智能而言，难点仍在知识融合。
视频告诉AI世界长什么样，物理方程解释世界为何这样运转，机器人不断产生新实验数据……只有把这些不同来源的知识整合进同一模型，相互校准、补足盲区，AI才可能真正理解现实。
苏昊认为，这事绝非一家企业能扛，而是一代人的科学工程。需要全行业、全社会参与：共建数据，共立标准，共享仿真、评测等基础设施。
不过，也不必等到“全能”才开始落地。
张直政的观点是，物理AI不必一步到位，可以先在仓储、物流这类环境相对固定、流程清晰的场景稳定运行。
未来，物理智能可能就像当年的电气化——先点亮工厂和仓库，再进入商店和医院，最终走进千家万户。
文章配图-3
06、
当智能体和物理智能逐步触达生活，安全问题也就浮出水面。
印奇提出了三个关键问题：智能体可以代表谁行动？后果由谁负责？当它连接数据、设备和真实环境，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强调，AI可以代理行动，但不能代替人负责。放权的速度，不能超过验证其能力的速度。
纽约科学院院长兼首席执行官杜宁凯则说，治理必须动起来，必须设计出新的问责机制。
AI越强，规则越需跟上。可眼下，关于代理权、问责权、治理能力的框架，依旧不健全。
07、
治理不是终点，而是为了更安全、可靠地融入社会。
回看2026 WAIC，一个趋势悄然清晰：讨论焦点正从“模型有多强”，转向“AI如何获取经验、如何进入现实、如何与人安全协作”。
这背后，其实是对最初问题的回归：AI发展的意义，到底是什么？
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真正意义上走向大众，并不是通过替代，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：面对信息革命带来的深刻变化，各国最好的战略，或许是培养能应对此类变革的人才。
如今的大模型，或许仍算不上真正的智能。
但如果AI能在真实世界中持续学习、积累经验，始终与人并肩协作，为个人、社会乃至人类整体创造更多可能，那它离真正的智能，或许就又近了一步。
作者|蒋紫涵
主编|何梦飞
图源|VCG、网络
