【导读】全球顶尖AI阵容齐聚上海，将AI时代的地基打入科学、算力、产业、人才与治理的更深处
7月17日，2026世界人工智能（885728）大会暨人工智能（885728）全球治理高级别会议在上海开幕。
论坛首日，来自45个国家的1500余位全球领军人物参会，11位国际顶级奖项得主、115位海内外院士同台共议如何将AI时代的地基打入科学、算力、产业、人才与治理的更深处。
2024年图灵奖得主、“强化学习之父”、阿尔伯塔大学教授Richard Sutton认为，当下语言大模型的范式存在致命缺陷，AI正迈入经验时代。1986年图灵奖得主、康奈尔大学荣休教授、北京大学前沿计算研究中心主任John Hopcroft表示，AI时代，致力于培养人才的国家将成为世界领先的强国。2018年图灵奖得主、蒙特利尔大学教授Yoshua Bengio指出：“在我们迈向超级智能那一天之前，必须先解决AI安全问题。”
Richard Sutton：欢迎大家来到经验时代
2024年图灵奖得主、阿尔伯塔大学计算机科学教授Richard Sutton（强化学习奠基人）将AI时代锚定“经验”二字。
在上午的主论坛环节，Sutton表示，当前AI仍停留在“人类数据时代”，高质量数据已耗尽；AI正迈入“经验时代”——数据应来自智能体与世界的互动，通过行为、观察和正向反馈自我进化。他断言，语言大模型没有奖励信号，也无真正目标，因此会产生幻觉，并以“欢迎大家来到经验时代”作结。
John Hopcroft：致力于培养人才的国家，将成为世界领先的强国
在下午的主论坛上，1986年图灵奖得主、康奈尔大学荣休教授、中国科学院外籍院士John Hopcroft，在主旨演讲中将视角拉回“人”。他提出AI战略必须具备“适应变化的韧性”，而最佳路径是人才——致力于培养人才的国家，将成为世界领先的强国。
他称赞中国培养人才的举措，并进一步指出，教育的一个重要方面是帮助学生发现真正让他们感到兴奋的事物，并规划一条他们乐在其中的职业道路。从事自己热爱之事的人，往往更容易成功。“我曾与许多诺贝尔奖得主交谈，问他们是什么样的策略让他们获得如此成就？在交谈中，他们每一个人都告诉我，他们只是单纯地去探索那些让自己感到兴奋的东西。他们所在的机构为他们提供了时间和机会，去探索令自己心动的方向。”他说道。
他进一步指出，有时候，这样的人会发现一个全新的方向，并最终对世界产生深远的影响。而要求教师去从事某些特定的、基于应用的工作，虽然能解决应用问题，却不会带来新的方向，也不会催生出能创造数十亿个就业岗位的新兴分支学科，更不会带来诺贝尔奖或图灵奖。如果一所大学希望自己的某位教师最终能获得诺贝尔奖或图灵奖，就必须为该教师减轻工作负担，让教师有时间去探索真正有趣的问题，并认可那些“探索自己所热爱之事”的人所带来的影响。
他以Geoffrey Hinton获得诺贝尔奖为例说明：在2012年之前，人工智能（885728）只是计算机科学中一个很小的理论领域，该领域的研究主要集中在逻辑上；而在2012年，Hinton等人及AlexNet证明了：模式识别远比逻辑更为重要。这一突破把人工智能（885728）从一个很小的研究领域，转变为一个创造了数十亿个就业岗位并影响各国经济的重大方向。
他表示，许多大学都专注于提升本校的国际排名，而这个排名是通过科研经费、论文数量与质量，以及获奖数量来计算的。这些指标容易度量，却无助于提升教育质量。中国正在推进的“101计划”就是要改变评价大学的指标——从以科研为核心，转向以教育质量为核心。
“要制定出好的指标，必须理解大学的使命。大学的使命是培养下一代人才。它的使命不是纯粹做研究，而是帮助学生发现自己真正喜欢的事，并引导他们去发展一份能反映自我、契合内心热爱的职业。”
John Hopcroft表示，各国需要制定应对“信息革命”所带来变革的战略。因此，一个好的战略必须具备应对变化的韧性。而专注于培养能够应对这些变化的人才，很可能就是最好的战略。
苏昊：物理世界是智能最古老的老师，也是智能最终的基石
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发表的以“物理智能：从幻觉到现实”为题的演讲直击痛点：大模型的幻觉源于“语言是世界的投影”，模型从未见过投下影子的实体，“你可以在屏幕里雄辩，但你说服不了重力”。他提出物理知识的“六层阶梯”，阶梯越往上越难被互联网记录。解决之道是把视频的广度、方程的精确、真机的真实融进同一模型——“光靠刷网页，刷不出完整的物理智能”。物理智能将把AI从科学的读者变成知识的创造者。
苏昊先给出结论：对于物理智能，他是坚定的乐观派。大模型的进步有目共睹，但为什么最聪明的模型也难免有幻觉？原因在于：语言是世界的影子。人类先在物理世界摸爬滚打，在漫长的演进过程中把经验压缩成语言，模型模仿的一直是这道影子，却从未见过世界本身。它能流利地描写杯子掉在地上会碎，却没有机会感受这只杯子的重量。
“你可以在屏幕里雄辩，但你说服不了重力。”苏昊说，“要走出幻觉，必须亲身体验，把自己交给真实世界去裁判——做出预测，采取行动，被现实修正。这个过程叫作实验，也是物理智能的关键。”
物理智能真正缺的是什么？“我们需要的是一个能聚合人类全部物理世界知识的模型。”苏昊认为，物理知识至少有六层阶梯，层层推进：一是关于物体的知识；二是关于状态的知识；三是关于动力学的知识；四是关于功能的知识；五是关于目标的知识；六是关于行为的知识。从物体到行为，越往上越难，越需要在物理实践中亲手去做。“每一个婴儿的成长，都是沿着这道阶梯一层层爬上来的。”
物理智能要从幻觉走到现实，中间隔着的正是这道阶梯。今天的AI会写诗、会写代码、会做PPT，但它无法帮助一位老人翻身。智能的价值大多还停在数字世界，可人最基本的需求全部在物质世界。
物理智能不是人类的替代者，而是协作者。它填补的是人手的缺口——把翻身、搬运这样的事交给机器，把照顾者的时间还给陪伴与关怀；把危险的作业交给机器，让人退居安全线之后，进行判断与创造。
苏昊说，物理智能的使命是“把人还给人”。它不会一夜之间在某场发布会上实现，而是会更像当年的电气化，先进入工厂和仓库，再走进商场、医院（884301），最后才走进千家万户。“而这条路上最险的一段，是演示与产品之间那道可靠性的鸿沟；填平它，靠的不是热闹，而是基础的功夫。”
最后，苏昊做出三个判断。第一，物理智能的突破不在于算力，而在于知识的聚合。第二，工程上有个说法叫“数9”，从99%到99.9%，每多一个9，难度就上升一个台阶。演示与产品的差距，就卡在最后那几个9里。通用性是终点，可靠性才是起点，愿意在基本功上下功夫的团队会走得更远。第三，物理智能将把AI从科学的读者变成知识的创造者。物理世界是智能最古老的老师、最严格的考官，也是智能最终的基石。“我们选择把答卷交给它。”
AI可以代表人行动，但不能代表人负责
2018年图灵奖得主、蒙特利尔大学教授、Mila科学主任Yoshua Bengio开启题为“智能行为边界：共建AI长效安全框架”的圆桌讨论。讨论中，他谈及AI可能造成的风险：一方面是大规模、不道德的滥用，例如操纵公众舆论、发动网络攻击、威胁儿童安全，以及化学、放射、生物与核等方面的危险；另一方面，风险来自AI系统自身的意图，也就是对人类“失控”的隐忧。“目前已经有证据表明：这些系统其实并不‘愿意’被关闭；它们或许不愿被我们控制，转而想要接管我们社会中越来越多的部分，并最终可能对人类构成威胁。”
他表示：“就像我们在社会的其他领域所做的那样，我们首先应当确立一条通用规则：AI系统必须首先被证明并经过验证是安全的，然后才能投入使用。我们不应允许任何一家公司或机构推出一个可能造成不可容忍的伤害的系统——其造成危害的概率不应高于可接受的阈值。”
对于社会治理而言，另一条重要原则是：必须建立一套风险管理流程，且要以负责任的方式执行。它不能只是由每一家公司各自单独决定，而是要让重要的决策能够真正反映广大民众的福祉，以及全社会层面的公共利益。
社会“护栏”的第三条原则是：AI所带来的好处，应当以某种方式惠及每一个人。它所创造的财富，总体上必须被共享——不仅要在每个国家内部共享，更要在全球范围内共享。否则，我们将制造出全球性的经济鸿沟，给世界带来动荡。
他表示：“目前我们还不知道如何训练这些系统，使它们既不会伤害我们，又能真正安全可控。在迈向超级智能时代那一天之前，必须先解决这个问题。此外，为了迎接那一天的到来，我们必须在验证技术上取得进展，无论是在软件层面还是在硬件层面。这就如同过去为避免核灾难所做的种种努力，配套了各种各样的核查机制一样。”
圆桌讨论环节，上海人工智能（885728）实验室主任、首席科学家周伯文，与清华大学人工智能（885728）国际治理研究院院长薛澜、纽约科学院院长兼首席执行官Nicholas B. Dirks、加州大学伯克利分校人类兼容人工智能（885728）中心（CHAI）执行主任Mark Nitzberg展开对话。薛澜剖析了“委托代理”框架：AI有不确定性且无法承担责任，问责须从“追责个体”转向“审视执行链条”。Nitzberg强调，安全的AI必须是设计出来的，就像建桥那样。
周伯文以两句话定场收束：“AI可以代表人类行动，但不能代表人类负责。人类对AI的每一次授权都应该可以撤回，每一个行动都应该可以被追责。”
