WAIC大会观点速览：大佬发言笔记汇总

背景

2025年世界人工智能大会（WAIC）于近日在上海开幕，首日即释放巨大信息量。从图灵奖得主、两院院士到AI领域的顶尖研究者与企业家，各方围绕AI时代国家与企业的核心竞争力、大模型迈向物理世界与AGI的挑战、以及AI产品新趋势等议题展开了密集讨论。量子位第一时间整理了与会嘉宾的核心观点，涵盖AI新竞争、技术新趋势与AI新边界三大维度。

核心内容

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指出，信息革命将产生深远影响，各国需制定应对战略，但难点在于AI可能持续发生重大变化。因此，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是培养能够探索并应对全新发展方向的人才。

核心观点：

• 人才是未来核心竞争力，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，而非做研究。
• 高校人才培养的三条核心原则：引导学生发掘志趣、保障科研自主空间（减轻非必要工作负担）、重构评价指标体系（从重论文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

阶跃星辰董事长、千里科技董事长印奇在开幕式上表示，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产业三阶段演进：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：大模型原生跨设备操作系统、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）、全新人机共生网络（打通人、智能体、物理终端交互链路）。
• 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。需搭建智能体可信可控约束体系，推进技术普惠；新技术将催生新职业赛道，诞生单人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、清华大学讲席教授周伯文聚焦AI for Science：

• 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。
• 科学研究不仅是一个应用场景，更是AGI的终极挑战。
• 模型突破智能上限需完成三项转变：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；科学研究若能将假设、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科研目前缺少完整反馈链，关键不是持续增加知识供给，而是通过可信验证重构认知。

现场，上海AI Lab发布了书生·端砚科学发现平台，旨在推动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）围绕智能本质与行业发展瓶颈提出三个核心观点：

• 行业普遍混淆算力规模与原生智能。当前大模型、多模态生成仅完成人类历史数据的模式拟合，不具备自主发现新知的能力，事实偏差、逻辑缺陷难以根除。市场存在过度炒作与过度恐慌两种极端视角，全球行业应坚持多边合作、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。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：下三层为关于物体的知识、关于状态的知识、关于动力学的知识；上三层为功能知识、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，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“重新认识数据”的重要性。他认为，AI正来到一个关键转折点：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。
• 从旧数据中发现新问题是科学变革的基本逻辑。例如，一名18岁中学生利用已退役、原本用于监测小行星的卫星数据，发现约150万个此前未编目的太空物体。
• 大语言模型是建立在文本数据上的基础模型，而科学基础模型需要整合数据、论文和代码。科学家真正需要的不是一个问答模型，而是能够统一获取科学数据、相关论文和计算工具的基础设施。
• 科学基础模型使得人工智能来到一个新的转折点：人工智能像数学一样成为基础学科，这将在未来50年对科研产生深远影响。

AI新边界

徐立：AI的核心价值是放大个体能力而非替代人力

商汤科技董事长兼首席执行官徐立探讨了两个核心问题：什么是普惠AI？什么是AI向善？

• AI的核心价值是放大个体能力而非替代人力，优质AI产品会放大每个人的能力，而非催生工具依赖。
• 当AI的边界真正推进到超级个体时，会出现新的经济学计算：计费从Token转向Task。
• AI会自动化很多现有职业，但AI也将重塑工作，产生大量新职业以及公司、组织的形态。
• “有之以为利，无之以为用”——今天关注模型发展、参数变化、应用突破，这是“有”；而背后的治理框架，是“无”。有和无并行起来，才能让AI以好的方式被用到。

Bengio：智能体的实用性与风险都来自其自主性

图灵奖得主、深度学习三巨头之一Yoshua Bengio线上参与WAIC主论坛，围绕安全话题发表观点：

• AI能力正在沿指数曲线增长，近几年模型在推理、数学、编程、科学和智能体能力上快速提升，能够自主规划和完成的任务越来越复杂。
• 智能体的实用性与风险来自同一个特征：自主性。智能体必须减少人类监督才能完成长程任务，但自主程度越高，