WAIC 2026 不仅展示了人工智能技术演进的最新成果，也呈现了全球产业界对于下一阶段 AI 发展路径的共同探索。
文章作者、来源：ME Events
在刚刚落幕的 2026 世界人工智能大会（WAIC 2026）上，全球人工智能领域的顶尖学者、产业领袖与科技企业代表齐聚上海，共同探讨 AI 技术演进与产业落地的新方向。从大模型迈向智能体，从数字世界走向物理世界，具身智能、世界模型、AI治理与下一代计算范式成为本届大会的核心议题。
图灵奖得主 Richard Sutton、Yoshua Bengio、姚期智，以及来自智元机器人、阶跃星辰、昆仑万维等企业的代表，围绕 AI 未来发展路径发表了重要观点。本篇整理了大会期间重要嘉宾观点，回顾 AI 产业正在形成的新共识。
图灵奖得主 Richard Sutton
人工智能必须摆脱对人类数据这种高成本依赖的执念，转而迈向一个由试错型智能体和受生物启发的并行计算驱动的“经验时代”。
对于年轻研究者而言，这意味着不要迷信权威，而是要培养基于第一性原理的独立思考能力，并通过每天写作来不断检验和证明自己的思想。
图灵奖得主 Yoshua Bengio
我们担心的是大规模、不道德地滥用AI，此外，我们还需要关注AI基于自身意图造成的危害，也就是所谓的失控风险，如果它们越来越像人类，而我们又在训练它们模仿人类，它们就可能试图摆脱我们的控制。
图灵奖得主姚期智
AI看似强大，但在数学证明和物理定律面前，依然存在无法逾越的边界。
安全防线1：密码学。以选择明文攻击CPA为例，像El Gamal这类加密体系，在特定数学假设下是可证明安全的。这意味着，无论AI算力如何提升，在理论上都无法攻破。
安全防线2：量子密钥分发。利用量子力学原理，任何外部窃听都会干扰量子态并被立刻察觉。中国墨子号卫星与长达12800公里的量子通信骨干网已落地，用于政务、金融和电网，构建了物理层面的绝对安全。
联合国开发计划署署长 Alexander De Croo
最大的风险，并不是一些国家没有采用人工智能，而是人工智能先于制度、信任、技能而来，也先于那些确保人工智能真正服务于人民的必要保障措施。当前，在大多数国家，人工智能的发展速度已经快于治理能力的提升。
美国科技作家凯文 · 凯利
我们以后将会有个人智能体，多个智能体加在一起可以做很多事。它们可以是以摄像头或手持形式作为载体，始终保持在线非常重要。因为随着时间的流逝，这些智能体将会更多地了解你，甚至会比你自己更了解你。
阶跃星辰董事长、千里科技董事长印奇
2026年AI模型能力正跨越关键临界点，已经从只能连续执行数秒任务，发展到能够独立工作数十小时，行业正站在AGI高峰的山脚下。
继自然语言之后，编程能力正成为衡量AI能力跃迁的重要标尺。
智元合伙人姚卯青
我们认为世界模型和它最早出现在强化学习领域的定义有一定关系，核心的本质是能够理解物理世界的运行规律的AI系统。
基于这样的AI系统，最重要的功能能够预测世界的下一个状态，而不是简单地渲染世界的下一个画面或内容。
要具备这样的能力，需要原生掌握以下四项技能：
第一，必须理解多模态，能够接受现实世界中各种种类的信息，并把它融合在一起去理解环境的变化；
第二，能够掌握物理规律，包括动力学、对空间的理解等；
第三，必须有一定的因果推理能力，而不是简单地模拟画面发生的序列，例如，必须理解作用了一个力，这个物体才被移动；
第四，需要具备一定长时间、长程的推理能力，而不会在这个过程中崩坏。
它石智航创始人&CEO陈亦伦
我们自己定义具身智能领域的世界模型是人工智能模型，可以非常高频地联合预测 action（动作）和 state（状态），一般机器人学和自动驾驶领域比较喜欢用这样的定义。
相较VLA而言，VLA是神经网络告诉机器人下一个动作是什么，应该做哪个动作；
但世界模型会进一步告诉你，如果你做了这个动作，这个世界的状态会发生什么样的改变，甚至还会告诉你这样的改变是不是大家想要的，这就构成了经典的强化学习三要素：state、action 和 reward。
这种方法的好处是可以灵活地结合监督学习和强化学习，可以让整个任务产生非常高的可完成度和成功率。
在机器人和自动驾驶涉及到物理世界交互的时候，成功率、完成度、任务完成质量很重要，所以神经网络不应该只是给 action，而应该给 action 背后的东西。
从算法的角度来说，世界模型是在预测 action 和 state 联合分布，如果把这个联合分布边缘化取其中一部分，就可以把 action 分支取出来，它就会自动形成视觉-动作模型（VLA），是更加完备的一套技术框架。
OpenAI前资深算法负责人姜旭
世界模型、具身智能最需要的能力是基于对世界的观察，基于视觉的感知里生成下一步动作，今天主流的世界模型框架都没能很好地同时完成这两件事。
这两件事情本质上是相冲突的，感知能力本质是理解能力，生成能力本质是重建能力。
在过去几年里，多模态大模型里很多顶尖学者希望通过一套优美的架构把生成和理解两件事情合并到一起。
经过几年的尝试，我认为这个领域大家已经达成共识，这件事情是不可能的，因为生成和理解需要非常不同的表征。
今天我们看到的世界模型架构恰恰碰到了类似的问题，用同样的方式来处理对状态的预测和对动作的预测，非常难同时做到这两件事情。
主流架构或者偏向于生成，或者偏向于理解，这一点也是亮源通过架构和数据上的创新集中解决的问题。
昆仑万维董事长&CEO方汉
三大产业预判：
第一，世界模型将走出屏幕，进入物理世界。 我们洞察到，具身智能正从实验室走向真实环境，这一趋势要求机器人在行动前先进行环境推演——预判动作后果、评估环境变化、及时调整应对策略。这种能力的突破，将使竞争焦点从单一任务转向陌生环境下的通用模型能力；谁能训练出在复杂场景中依然“看得懂、做得对”的模型，谁就拿到物理智能时代的入场券，这也是中国智能制造和机器人产业真正亟需的底层能力。
第二，游戏行业将率先被世界模型改变。开放世界游戏不再依赖数百人团队数年的手工搭建，Matrix-Game 3.5让虚拟世界随玩家行动实时生长、持续演化。未来三到五年，世界模型将成为游戏行业的基础设施，彻底刷新内容生产方式，而国产模型已在这一赛道领跑全球。
第三，AI音乐、AI视频等工具将从技术试验变成大众创作工具，促进AIGC的深层发展。Mureka作为中国最强、全球前两名的音乐生成模型，率先去除“AI味”，让普通人也能把模糊灵感转化为有情绪、有温度的作品。这就是大幅降低创作门槛，让更多人的表达得以释放，从而根本性改变音乐乃至整个AIGC产业的创作生态。
结语
从大会上的多场讨论可以看到，2026 年人工智能的发展正在进入一个新的阶段：AI 的竞争不再只是模型参数规模的竞争，而是围绕智能体能力、真实世界理解能力以及产业落地能力展开。无论是 Richard Sutton 提出的“经验时代”，还是具身智能领域对于世界模型、真实数据和物理交互的探索，都指向同一个方向——AI 正逐渐从数字空间走向现实世界。
与此同时，AI 安全、治理与基础研究的重要性也被进一步强调。如何让 AI 在提升效率、推动产业变革的同时，保持可控、可信与普惠，将成为未来长期发展的关键议题。WAIC 2026 不仅展示了人工智能技术演进的最新成果，也呈现了全球产业界对于下一阶段 AI 发展路径的共同探索。