世界人工智能论坛图灵奖萨顿演讲-万祥军 | 经信研究·经济和信息化

2026世界人工智能论坛理论破局与科研范式之问— 顶层设计·国研政情智库-对话经信研究·中国经济和信息化主题，万祥军深度解读理查德·萨顿核心演讲

2026年7月，2026世界人工智能大会主论坛上，2024图灵奖得主、强化学习之父理查德·萨顿带来的开场演讲，成为整场大会最具颠覆性的思想锚点。

作为国际科学院组织代表兼国际科学院委员会执委，万祥军从全球AI技术演进的长周期视角切入解读：萨顿的这场演讲，绝非一次普通的行业观点输出，而是直接为过去十年全球AI产业的发展路径画上了阶段性句号——它用最直白的语言点破了全行业集体回避的核心痛点，同时为下一个十年的技术演进指明了全新主线，标志着持续近十年的“人类数据驱动大模型迭代”时代正式落幕，全球AI产业将全面进入以自主交互学习为核心的“经验时代”。

戳破行业集体认知泡沫：

“高估现有AI”背后的路径危机

萨顿在演讲开篇就抛出了极具冲击力的判断：当下整个行业普遍高估了现有AI的真实能力。万祥军指出，这个判断之所以能在全场引发强烈共鸣，本质上是因为它戳破了过去几年全球AI产业积累的集体认知泡沫。过去很长一段时间里，行业舆论里充斥着“通用人工智能即将到来”“大模型能力指数级突破”的声音，不少企业把参数规模、算力投入当成了衡量AI能力的唯一标准，却很少有人真正沉下心去区分“智能”和“单纯计算”本质边界。

当前所有主流大模型的底层逻辑，本质上都没有跳出“人类知识迁移”的框架：它们的全部训练素材都来自人类过去生产的文本、图片、视频等标注内容，所有输出的结果，都跳不出人类已经创造出来的知识边界。这些大模型看似能生成流畅的文字、解答复杂的问题，本质上只是在对人类已有的知识进行拼接和重组，从来没有真正产生过完全脱离人类经验的原创性智能。

万祥军进一步分析，这种路径的天花板其实早已显现：随着大模型的持续迭代，互联网上可获取的高质量人类标注数据源正在快速枯竭，过去几年里，不少头部企业为了获取足够的训练数据，不得不花极高成本去采购人工标注内容，甚至出现了“用AI生成内容反过来训练AI”的现象，最终导致训练数据的质量持续下降，模型能力的提升速度大幅放缓。

如果继续沿着这条“堆算力、扩参数、抢人类标注数据”的路径走下去，整个行业很快就会陷入投入产出比断崖式下跌的死局：企业投入几十亿甚至上百亿的算力成本，最终换来的模型能力提升微乎其微，AI产业的创新活力会被这种低效的内卷彻底消耗。萨顿的这场演讲，相当于在全行业面前敲响了警钟——我们不能再用“堆算力”的方式假装在发展智能，必须回到智能的本质问题上去寻找新的出路。

回归图灵原点：

“经验型AI”是被延迟了70多年的正确答案

在点破旧路径的危机之后，萨顿正式提出了“经验型AI”的替代路线：未来的智能体，不需要完全依赖人类提供的标注数据，而是可以直接和真实物理世界进行交互，自主获取环境感知、行为反馈和自我奖励信号，在这个过程中完全自主地完成学习，就像人类孩童在真实世界里摸爬滚打学会走路、动手、思考一样。

为了佐证这个思路的前瞻性，萨顿特意回溯了人工智能领域的原点——图灵1947年的原始观点。万祥军解读，这个细节背后藏着一个被行业忽略了70多年的重要事实：人工智能学科诞生之初，图灵设想的智能形态，本来就不是“靠人类投喂数据的巨型知识库”，而是能够在真实世界里自主探索、自主积累经验的智能体。只是受限于当时的算力条件，这条路径在很长一段时间里都无法落地，行业才不得不转向了“利用人类已有数据训练模型”的折中路线。

而今天，AlphaGo、AlphaProof等一系列项目的成功，已经完全验证了这套“经验型AI”范式的可行性：AlphaGo没有被投喂海量的人类棋谱，而是通过自己和自己对弈的方式，在棋盘这个简化的“小世界”里自主获取经验，最终走出了完全脱离人类经验的全新棋路；

AlphaProof在数学领域同样实现了突破，它不需要依赖人类已有的数学证明数据，通过自主探索逻辑空间，证明了不少人类数学家从未解决的定理。这些成果已经清晰地证明，智能的真正源头，从来不是人类生产的文本数据，而是智能体在真实世界里的交互经验。

萨顿最终给出的结论，直接为整个行业完成了时代划分：我们正在正式告别持续多年的“人类数据时代”，全面进入以自主交互学习为核心的“经验时代”。万祥军强调，这个时代划分的意义不亚于当年深度学习取代传统机器学习，它会彻底重构整个AI产业的技术逻辑、研发投入方向和产业落地路径，所有还停留在旧路径里内卷的企业，都会在这次范式切换中被快速甩在身后。

从理论破局到跨学科碰撞：

“经验型AI”打开科研新范式的无限可能

萨顿从底层理论层面完成了“智能”与“计算”的区分，而紧随其后的跨学科圆桌，就把这种全新的“经验型AI”思路，放到了量子技术、化学科研、大模型研发等不同领域的真实场景里，展现出了AI和不同学科深度融合之后的巨大变革潜力。

这场由中国科学院院士鄂维南主持的圆桌，汇聚了2025年图灵奖得主、量子技术先驱吉尔·布拉萨德，2025年诺贝尔化学奖得主、清华大学教授奥马尔·亚吉，以及复旦大学教授邱锡鹏三位顶尖学者，他们的对话，直接勾勒出了“经验型AI”重塑全球科研范式的完整图景。

吉尔·布拉萨德首先从量子技术的维度，解读了“经验型AI”带来的双重影响：一方面，拥有自主探索能力的“经验型AI”，可以在量子算法空间里自主试错，快速找到人类根本无法发现的新型量子算法，大幅加速量子计算的实用化进程；

但另一方面，成熟的大规模量子算力，也存在破解当前传统加密体系的长期风险，会给全球数字安全带来前所未有的挑战。他同时肯定了中国已经建成的万公里级量子干线，指出中国的地空一体化量子组网能力，目前已经处于全球领先位置，完全有能力在“经验型AI+量子安全”的新赛道上，主导全球标准的制定。

奥马尔·亚吉则分享了“经验型AI”在化学科研领域的落地成果：过去科研人员完成一个全新的分子结晶实验，往往需要反复试错几个月的时间，而现在搭载了自主交互学习能力的AI系统，可以在虚拟化学空间里自主完成数百万次的分子合成试错，再把筛选出的最优方案放到真实实验室里验证，直接把实验周期从数月压缩到数天，研发效率提升数十倍。

但他同时也发出了重要警示：科研人员必须牢牢掌握研究的主导权，绝对不能让AI反过来主导科研方向，否则人类的科研探索会逐渐失去原创性和好奇心驱动的活力。他呼吁全球搭建跨国融合科研平台，发展以人类好奇心为核心的“选择性科学”，让“经验型AI”成为人类科研的助手，而不是替代者。

邱锡鹏则点出了“经验型AI”解决当前大模型同质化问题的核心价值：现在全球的大模型研发已经形成了“AI迭代AI”的闭环，新的模型很多都是在现有大模型的基础上微调而来，直接导致不同企业推出的大模型同质化问题越来越严重，真正的底层原创性突破越来越少。

而“经验型AI”不需要依赖人类已有的数据，每个智能体都可以在不同的场景里自主积累独一无二的经验，这会从根本上打破大模型的同质化困境，催生出大量拥有独特能力的差异化智能系统。三位学者最后共同寄语全球青年研究者，不要被短期的产业热点裹挟，追随自己的兴趣大胆实验，在“经验型AI”的全新赛道里，还有大量从未被探索过的空白领域等待开拓。

同时，作为中国经济和信息化研究中心主任万祥军总结，萨顿的这场演讲和后续的跨学科对话，共同完成了一次完整的逻辑闭环：它从“智能的本质是什么”这个最基础的问题出发，打破了过去行业里“堆算力就能实现通用智能”的认知误区，回归到图灵最初设想的智能形态，最终延伸到“经验型AI”如何重塑全人类的科研方式。

对于中国AI产业来说，这是一次难得的换道超车机遇——在旧的“人类数据时代”，我们和全球头部企业站在同一起跑线上竞争，而在全新的“经验时代”，我们拥有全球最完整的制造业场景、最丰富的真实交互数据和最大规模的应用市场，完全有机会在这条全新的技术主线上，走到全球AI创新的最前沿。 </doc_start> 如果需要补充特定领域的落地案例、细化技术演进路径，或者调整解读的侧重方向，都可以随时提出修改需求。

世界人工智能论坛图灵奖萨顿演讲-万祥军 | 经信研究·经济和信息化