01、
过去几年，AI越来越像人了。
它写代码、做PPT、分析财报、生成视频，也悄悄走进工厂、医院，甚至自家客厅。不少人觉得，通用人工智能（AGI）已近在咫尺。
可就在前两天，图灵奖得主、强化学习之父理查德·萨顿泼了冷水：“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）的会场上。这场盛会在上海如期举行，是过去九年规格最高的一届，也是全球AI领域最重要的年度活动之一。
有人在现场试用最新AI产品，亲身体会技术边界；有人紧盯头部企业，追踪大模型与应用的发布动态；而小巴更关注的是，全球AI领军人物在台上说了什么。
文章配图-1
02、
本届大会吸引了上千位来自世界各地的顶尖科学家、专家、企业家与投资者。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·凯利等人悉数到场。
小巴梳理了四天的演讲与论坛，发现几位专家不约而同聚焦在五个问题上：我们是否高估了今天的AI？AI如何获得经验？落地为什么难？智能体的后果谁负责？发展AI的终点究竟在哪里？
03、
第一个问题，我们是否高估了今天的AI？
过去几年，AI的进展有目共睹。它替代了不少低阶岗位，也不断刷新人们对“智能”的理解。但一些顶尖学者却提出质疑：我们可能把今天的AI想得太深了。
答案藏在一个长期被混淆的问题里：能记住大量信息、能完成多种任务，就等于具备智能吗？
中国科学院院士、图灵奖得主姚期智指出，AI虽表现出强大能力，但未必代表智能的终点。萨顿说得更清楚：大语言模型虽然读过海量文本、图片和视频，但它本质上只是在重组人类已有知识，而非创造新知识。计算能力的跃升，不等于智能的突破。
人类的智能，不只是靠记忆和模仿。我们通过行动、犯错、接收现实反馈，在反复试错中积累经验。
举个例子：一个人没拿稳杯子，于是知道玻璃杯掉地会碎。AI没有亲手摔过杯子，它只是从人类写下的文字里读到“杯子会碎”。这是一段知识，不是它自己的经验。
复旦大学浩清特聘教授苏昊认为，这正是大语言模型“幻觉”频出的深层原因——语言只是世界的投影，不是世界本身。
因此，萨顿强调，AI必须从“人类数据时代”迈入“经验时代”。
04、
第二个问题，AI缺少的是经验。
在这一背景下，“智能体”与“物理智能”成了大会上的高频词。
智能体让AI从“回答问题”转向“执行任务”：它能为目标制定计划，调用工具，采取行动，并根据结果调整策略。
物理智能则让AI离开屏幕，进入由重力、摩擦、材料、空间构成的真实世界。
这也引出一个核心概念——世界模型（World Model）。
说白了，世界模型是AI在大脑中对真实世界的模拟：如果我这样操作，接下来会怎样？
比如，伸手去拿杯子时，人的大脑早已预演过：杯子会不会滑？要用多大力？手一松，会不会掉地？
这种预测能力，无法仅靠阅读大量资料获得。它必须通过与环境互动，通过智能体或物理智能，真正在现实中试错、反馈、修正，才能逐步建立。
换句话说，智能体与物理智能虽不等同，但都指向同一个目标——让AI在行动中学习，在反馈中积累经验，不断完善自己的世界模型，真正理解现实运行的规律。
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种能力——建模与预测、规划与策略、评价。也就是说，AI要能预判自己行为对环境的影响，用这些预测指导决策与学习，并判断是否达成目标。
文章配图-2
05、
第三个问题，AI落地为何难？
尽管通往经验之路清晰，但实际路径仍布满荆棘。大模型发展多年，仍未大规模进入现实世界，背后是多重挑战。
智能体发展的难题之一，是操作系统尚未成熟。
若把模型比作大脑，那操作系统就是它的“四肢”和“感官”——决定它能调用什么工具、连接哪些设备、执行哪些任务。再聪明的大脑，没有手脚，也难真正有所作为。
阶跃星辰董事长印奇指出：智能体能做什么，不仅看模型多强，更取决于操作系统打开了多大的能力边界。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，若未来有上万智能体并行工作，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，形成“智能伙伴网络”，而非各自为战的工具堆。
对于物理智能，难点也是突破口——知识聚合。
视频告诉AI世界长什么样，物理方程说明世界为何这样运转，机器人则不断提供新数据。只有把多源异构的知识整合进统一模型，交叉校准、互补盲区，AI才可能真正理解现实。
苏昊说，这并非一家企业能完成的任务，而是一代人的科学工程——需要全行业、全社会协作：共建数据，共立标准，共享仿真与评测基础设施。
但这不意味着物理智能必须“全知全能”才能落地。
张直政认为，它可先在仓储、物流等结构化场景中稳定运行。
未来，物理AI或许像当年的电气化，先照亮工厂与仓库，再进商店、医院，最后走进千家万户。
文章配图-3
06、
第四个问题，治理规则尚未健全。
当智能体与物理智能真正走进家庭，安全问题变得无法回避。
印奇抛出三个问题：智能体可以代表谁行动？行动后果由谁承担？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强调：AI可以替人行动，但不能替人负责。代理权的让渡速度，不应快于我们验证其能力的速度。
纽约科学院院长兼首席执行官杜宁凯则表示，必须建立新的问责机制，尽快推进AI治理。
AI能力越强，越需要配套的规则体系。而目前，关于代理权、问责权、治理能力，仍处于缺位状态。
07、
第五个问题，AI发展的终点是什么？
治理不是目的，而是为了让AI更安全、更可靠地融入人类社会。
回看2026 WAIC，一个趋势已很清晰：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、如何与人协作”。
这背后，是根本问题的回归——AI的意义究竟是什么？
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，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：面对信息革命的变革，各国最应做的，是培养能应对变化的人才。
今天，大模型或许仍谈不上真正的智能。
但如果AI能在现实中不断学习、积累经验，始终与人协作，为个人、社会、世界打开更多可能，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
