WAIC（世界人工智能大会）天胡杨河护角胶，信息量已经爆炸。

Kimi K3 在模型侧搅动风云，而多来自行业处的思考，也在场场论坛和交流中刷新大伙的认知。

从 AI 时代国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面面，图灵得主、两院院士、AI TOP 研究者和企业、企业们共聚堂，精彩发声不断：

" AI 时代，大学根本的使命是培养下代人才，而不是做研究。"

"静态数据标注已达天花板，下代 AI 核心路线是经验驱动。"

" AI 产业下轮爆发将来自智能体模型与下代终端产品的结。"

……

△到处下饺子

有点多，脑袋有点过载。

没关系，量子位已经时间做好笔记，起来看。

AI 新竞争 John Hopcroft：人才是 AI 时代的核心竞争力

图灵得主、美国康奈尔大学荣休教授、科学院外籍院士 John E. Hopcroft 认为，信息革命将产生其远的影响，各国都应针对这种变革制定应对战略。

其中的大难点是，AI 可能还会持续发生重大变化。Hopcroft 教授提出，因此，项好的战略须具备适应变化的韧。而能适应变化的战略，就是培养能够探索并且应对全新发展向的人才。

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将成为世界先的强国。

大学根本的使命是培养下代人才，而不是做研究。

校人才培养的核心原则：是引学生发掘志趣，帮助学生找到自身热的域；二是保障科研自主空间，需减轻校科研人员的非要工作负担，预留充足时间探索感兴趣的向；三是重构评价指标体系胡杨河护角胶，从"重论文""重排名"转向以教育质量为核心。

印奇：AI 产业下轮爆发，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 产业下轮爆发将来自智能体模型与下代终端产品的结，智能正走出数字屏幕、进入真实物理世界，将动产业形成新系统、新载体、新网络三大结构变化。

智能体正在成为生产力的小单元。

AI 产业分三阶段演进，物理场景通用智能体是三波核心主线。阶段为预训练大模型 + 对话应用，二阶段为强化学习理 + 代码开发辅助，三波具身智能体带来的产业变革，影响力将过 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 时代优产品载体。

三大底层变革机遇将重塑数字产业：是大模型原生跨设备操作系统，统调度力、数据与任务；二是全品类硬件终端重构，PC 转为个人力工作站、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，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，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个体。

周伯文：Research 是下个 Coding

上海人工智能实验室主任、席科学、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。 

科学研究不止是个应用场景，是 AGI 的终挑战。

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"下个 Coding "。 编程动了模型理和智能体能力提升；科学研究若能把假设、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 也新发布了书生 · 端砚科学发现平台，以动 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，下代 AI 核心路线是经验驱动

图灵得主、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，PVC管道管件粘结胶仅能复刻既有知识，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。市场对 AI 存在过度炒作与过度恐慌两种端视角胡杨河护角胶，全球行业应当坚持多边作、互利共赢。

应建立统的通用心智科学。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，经验驱动是下代 AI 核心路线。人工标注资源存量持续衰减，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、励信号自主学习，数据随自身能力同步扩张，AlphaGo、奥数理系统 AlphaProof 均印证该路径可行。现有大模型缺少目标与惩反馈，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；对应的上三层是知识、目标知识和行为知识。六层知识分散在、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。没有人能自完成聚，需要全社会的通力作。

AI 行业的评价维度将从演示有多惊艳，转向运行有多可靠。通用是，可靠是起点。

物理智能将把 AI 从科学的"读者"，变成知识的"创造者"。

坚：让科学数据能成为大模型的原住民

工程院院士、之江实验室主任、阿里云创始人坚强调了"重新认识数据"的重要。他认为，AI 正来到个关键的转折点：人工智能将像数学样成为基础学科，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，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，需要整数据、论文和代码。科学真正需要的，不只是个问答模型，而是能够统获取科学数据、相关论文和计工具的基础设施。

科学基础模型使得人工智能来到个新的转折点：人工智能像数学样成为基础学科。这将在未来 50 年对科研产生远影响。

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 的边界真正意义上进到个体的时候，会出现新的经济学计：计费从 Token 转向 Task。

AI 会自动化很多现有的职业，但 AI 也将重塑工作，产生大量新的职业，以及公司、组织的形态。

有之以为利，之以为用。今天我们关注模型的发展、参数的变化、应用的突破，这是有；而背后的理框架，是。有和并行起来的时候，我们才能做到让 AI 用好的式被用到。

Bengio： 智能体的实用与风险都来自其自主

图灵得主、度学习三巨头 Yoshua Bengio 线上参与了 WAIC 主论坛，围绕安全话题发表了新观点：

AI 能力正在沿指数曲线增长。 近几年，模型在理、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。

智能体的实用与风险来自同个特征：自主。 智能体须减少人类监督，才能完成长程任务；但自主程度越，人类越难及时发现和制止危险行为。

前沿 AI 面临两类灾难风险。 类是被恶意使用，另类是模型自身行为引发的失控风险。

不能默认强的模型会自然服从人类。

风险 AI 应实行"先证明安全，再允许部署"。

风险理不能由企业自行决定。

全球理还需要可验证的技术基础。

键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

� � 点亮星标 � �

科技前沿进展每日见相关词条:离心玻璃棉     塑料挤出机     钢绞线厂家    铝皮保温    pvc管道管件胶

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。