WAIC 2026观点交锋：萨顿称当前AI弱小不可靠，智能体路线成焦点
据来源显示，7月17日上午，在 WAIC 2026 主论坛上，2024 年图灵奖得主、强化学习领域重要奠基人理查德·萨顿与阶跃星辰董事长、千里科技董事长印奇先后发言，形成了颇具张力的观点对照。萨顿认为，当前 AI 行业过度放大了系统能力，许多模型仍停留在“人类数据时代”，并不具备真正发现新知识的能力；印奇则判断，模型能力正在跨越关键临界点，智能体将成为未来生产力的最小单元。
这场讨论的核心并不是“AI 有没有价值”，而是今天的大模型路径是否足以通向更强智能。萨顿的判断偏冷静甚至尖锐：现在的 AI “比较弱小而且是不可靠的”，原因在于它大量依赖人类已有知识，缺乏通过自身行动与环境互动来形成经验的机制。印奇则从产业落地角度出发，强调智能体、操作系统、终端和网络将共同推动下一阶段变化。
萨顿：不要把计算能力误认为智能
萨顿在发言中首先区分了“智能”和“计算”。在他看来，今天许多 AI 能力更多体现为计算与知识转移：系统吸收人类产生的数据，再以新的形式交付给人类，但这并不等同于机器已经拥有独立发现知识的能力。
他还提到，行业对“图灵测试”的理解存在误区。来源显示，萨顿特别指出，图灵当年使用的是“模仿游戏”的表述，而不是后来被广泛传播的“图灵测试”。在他看来，把“像人一样表现”直接视作人工智能评判标准，本身就容易误导行业对智能本质的理解。
萨顿最核心的观点，是当前 AI 仍处于“人类数据的时代”。大量机器学习系统的本质，是把知识从人转移到机器身上。但这种范式正在遭遇瓶颈：高质量数据源有限，而单纯依赖已有数据，很难产生真正的新知识。
他主张进入“经验时代”：AI 需要从自身与世界的互动中获得数据，而不是只依赖静态数据集。来源摘要中提到，萨顿举了 AlphaGo、AlphaProof 以及婴儿玩玩具的例子，用来说明智能体如何通过行为决定输入。婴儿不是被动读取数据集，而是在行动中选择自己要接触和学习的内容。
大语言模型的短板：缺少奖励信号与真假判断
在对当前大语言模型的评价上，萨顿的措辞相当直接。他认为，现在的大语言模型缺少足够有效的奖励信号，因此难以判断某个行为是好是坏，也“基本上没有办法把真的和假的区分开”。这也是大模型幻觉问题难以彻底消除的重要原因之一。
从中文 AI 产业视角看，这一判断对当下模型公司具有现实提醒意义。过去几年，行业竞争主要围绕参数规模、训练数据、推理成本、上下文长度和多模态能力展开。但如果萨顿所说成立，那么单纯堆算力、堆语料并不能解决智能系统的根本问题。下一阶段竞争可能会转向：谁能让模型在真实任务、真实环境、真实反馈中持续学习。
- 数据来源变化：从人类静态语料，转向智能体与环境交互产生的第一视角经验。
- 训练目标变化：从预测下一个词，转向在任务中根据反馈优化行动。
- 产品形态变化：从聊天窗口，转向能调用工具、管理流程、参与协作的智能体。
- 评估体系变化：从回答是否像人，转向能否可靠完成长期任务并承担可追踪责任。
印奇：智能体将成为生产力最小单元
与萨顿的谨慎不同，印奇更强调产业拐点已经出现。来源显示，他回顾了自己 15 年 AI 创业经历，认为 AI 创业已从小众赛道变成全球重要共识，并判断 2026 年模型能力正在跨越关键临界点：AI 已从只能连续执行数秒任务，进阶到能够独立工作数十小时。
印奇提出了“三大结构性变革”：新系统、新载体、新网络。在新系统层面，他提出“Agentic OS”概念，认为智能体能力不只取决于模型本身，也取决于智能体操作系统的能力；在新载体层面，电脑、手机、汽车和机器人可能成为同一智能体在不同场景下的不同“身体”；在新网络层面，他提出“A2A 网络”，用于连接人与智能体，并让智能体具备身份、能力与信用，能够自主组织协作和完成交易。
这一设想意味着，智能体不再只是问答助手，而可能成为“生产力的最小单元”。未来工程师、设计师、研究员拥有专属智能体后，个人能力可能被显著放大。不过印奇也提到，智能体进入现实世界会带来秩序重构，行业必须回答身份可信、权限可控、行为可追溯以及责任归属等问题。
影响解读：路线相同，节奏判断不同
把两位发言放在一起看，分歧并不在终点，而在时间表。萨顿并没有否定智能体方向，他否定的是当前依赖静态人类数据与计算扩张的路径；印奇押注的恰恰是智能体走出屏幕、进入工具链和物理世界的未来。
对 AI 公司而言，这意味着下一轮竞争可能不再只是大模型榜单，而是模型、Agentic OS、硬件终端、机器人、车载系统和企业流程的综合竞争。对硬件产业而言，如果智能体真的成为跨设备的统一智能核心，手机、PC、汽车与机器人之间的边界会被重新定义。
更关键的是，可靠性将成为智能体商业化的门槛。萨顿提醒行业，当前 AI 仍会产生大量幻觉；印奇则指出，智能体行动后果必须可追责。两者合起来看，未来真正有价值的 AI 系统，不只是“更会说”，而是更能在真实世界中安全、稳定、可验证地完成任务。