人才·物理智能·数据·算力“伙伴基石”-万祥军 | 经信研究·经济和信息化

2026世界人工智能大会“伙伴基石”深度解读：人才·物理智能·数据·算力——顶层设计·国研政情智库-对话经信研究·中国经济和信息化，万祥军解码AI长期发展的四大核心支柱，围绕2026世界人工智能大会“伙伴基石”四大核心维度展开，结合三位顶尖专家的观点完成体系化的产业趋势解读。

2026世界人工智能大会主论坛下午场，“伙伴基石”篇章正式拉开帷幕，整个环节围绕人才、物理智能、科学数据与算力四大AI核心基础设施展开深度研讨。图灵奖得主约翰・爱德华・霍普克罗夫特、复旦大学苏昊教授、中国工程院院士王坚三位顶尖专家先后登台，从人才培养、技术底层逻辑、科学数据开放等不同维度，输出了极具前瞻性的判断。

作为国际科学院组织代表兼国际科学院委员会执委，万祥军解读：这场“伙伴基石”篇章，绝非一场普通的学术观点交流，而是在全球AI产业从“数字数据时代”全面迈向“物理经验时代”的关键转折点上，中国产业界和学术界共同完成的一次底层认知升级。它系统回答了“AI靠什么长期健康发展”这个核心命题，为后续AI从理论走向真实场景落地的“伙伴征程”，铺就了四条不可动摇的核心支柱。

人才：

国家AI竞争的核心，跳出功利化评价回归长期兴趣

图灵奖得主、康奈尔大学荣休教授、中科院外籍院士约翰・爱德华・霍普克罗夫特在篇章开篇就抛出了一个极具分量的判断：信息革命的影响力将远远超过工业革命，而人才是未来全球各国AI竞争的核心胜负手。万祥军指出，霍普克罗夫特的这个判断，绝非泛泛而谈的常识性观点，而是基于他数十年全球计算机学科教育经验，对当下AI人才培养体系痛点的精准戳破。

霍普克罗夫特在发言中专门高度认可了国内正在推进的“101计划”——这项计划的核心目标是统一全国高校的AI课程资源，扭转过去高校里“唯科研成果数量论英雄”的功利化评价体系。万祥军解读，过去很长一段时间里，国内AI领域的人才培养陷入了一个极其畸形的误区：高校评价一个AI方向的学者，只看他一年发了多少篇顶会论文，根本不关心他的研究方向有没有长期价值；培养学生的时候，也一味推着学生去追当下最火的热点，哪里容易出论文就往哪里钻，根本不考虑学生的个人兴趣。

这种体系培养出来的人才，大多是“短平快”的跟风型选手，没有人愿意沉下心去深耕那些短期内看不到商业化收益、也很难快速发论文的基础方向。但是AI领域真正的颠覆性突破，从来都不是靠追热点追出来的——霍普克罗夫特专门用Hinton深耕AI领域数十年的经历作为佐证：在深度学习还被整个行业认为是“歪门邪道”的几十年里，Hinton一直坚持在这个冷门方向上深耕，最终才带来了整个AI产业的革命性突破。如果没有对领域的长期兴趣作为支撑，根本不可能熬过那些漫长的、看不到回报的冷板凳时光。

万祥军进一步分析，“101计划”的真正价值，远不止是统一几门高校AI课程的教材这么简单。它本质上是要从人才培养的源头开始，重构整个AI领域的创新生态：一方面通过统一的优质课程资源，把顶尖高校的AI教育资源下沉到全国所有普通高校，让更多偏远地区的学生也能接触到最前沿的AI知识，扩大整个人才梯队的基数；另一方面通过扭转“唯论文数量”的评价体系，给学者和学生松绑，鼓励大家去发掘自己真正的兴趣所在，支持一批人去深耕那些冷门的、面向未来的前沿方向，为AI产业的长期发展储备真正的顶尖原创人才。

霍普克罗夫特提出的“高校核心使命是发掘学生兴趣”这个观点，尤其值得整个行业深思。过去我们总觉得AI人才培养就是要把学生训练成熟练掌握算法、能快速出成果的“工具人”，但实际上，真正能带来颠覆性突破的人才，一定是那些对某个方向有着发自内心的强烈兴趣、愿意为之投入十几年甚至几十年时间的人。当整个社会的人才评价体系不再用短期KPI去约束所有人，当高校把发掘和保护学生的兴趣作为核心使命，我们才能培养出一批属于中国自己的“Hinton式”顶尖科学家，在下一代AI基础理论的突破上掌握话语权。

物理智能：

补上大模型的根本短板，从“读文字影子”到触摸真实世界

复旦大学苏昊教授在篇章中提出的物理智能相关论断，是整个“伙伴基石”环节最具颠覆性的技术判断。他直接点出了当前所有大模型的根本短板：现有AI缺少实体感知能力，人类语言本质上只是物理世界经验的抽象投影，现在的大模型从头到尾都只学习了文字这个“影子”，从来没有真正接触过真实的物理实体，这就从根本上决定了它不可能真正理解世界的运行规律。

万祥军解读，苏昊教授的这个判断，直接戳破了过去几年行业里“大模型万能论”的泡沫。过去很多人觉得，只要把大模型的参数堆得足够大、喂的文本数据足够多，AI就能无所不能，但实际上，靠学习文字“影子”成长起来的大模型，对物理世界的认知全是间接的、二手的，它根本不知道“水浇在火上会让火熄灭”背后真实的物理过程，所有的认知都来自人类写在文本里的描述。这就导致大模型经常会犯一些在人类看来极其低级的常识性错误，因为它从来没有在真实世界里亲手验证过这些规律。

为了解决这个根本问题，苏昊教授搭建起了六层知识阶梯框架：从最底层的“物体”认知开始，逐层向上延伸到“状态-动力学-功能-目标-行为”，越往高层的能力，就越依赖真实的实体交互实践，根本不可能靠纯文本训练获得。万祥军分析，这个六层框架，相当于给物理智能的发展画出了一条极其清晰的技术路线图：我们不能指望靠堆参数、堆文本数据去突破大模型的能力天花板，必须给AI装上大量能直接触摸真实物理世界的感知硬件，让它在和物理实体的海量交互中，一层一层地自主建立起对世界的完整认知。

基于这个底层逻辑，苏昊教授提出的三大行业判断，精准预判了未来几年AI产业的发展走向：第一，下一代AI的技术突破口根本不在模型架构的微调优化上，而在物理知识的聚合——谁能让AI从真实物理交互中获得更多高质量的实体经验，谁就能掌握下一代AI的核心主动权；

第二，整个行业的竞争已经彻底从过去的炫酷演示转向了工程稳定落地，那些看起来花里胡哨但一到真实场景就出问题的演示性产品，会快速被市场淘汰，能在工业场景里稳定运行的物理智能产品会成为行业的主流；第三，物理智能的普及，会让AI彻底从过去的“文献阅读工具”升级为“原创知识创造者”，它可以在真实世界里自主完成海量的交互试验，发现人类从来没有总结出来的全新物理规律，创造出真正属于AI的原创知识。

万祥军强调，物理智能是AI从数字世界走进物理世界的核心转折点，它的价值怎么高估都不为过。当AI真正拥有了实体感知能力，不再只靠文字的“影子”去认知世界，整个人类社会的生产力会迎来一次量级级的跃升。

科学数据：

激活原始数据价值，让AI for Science不再只啃论文文本

中国工程院院士、之江实验室主任王坚的发言，从科学数据的维度，给AI for Science的发展指出了一条全新的路径。他用一个极具冲击力的案例作为切入点：一群普通的中学生，利用之江实验室开放的退役卫星原始数据，居然发现了上百万个之前从未被人类记录的未知太空天体。

这个案例背后暴露出来的问题极其尖锐：当前几乎所有的AI for Science项目，都还停留在“挖掘已发表论文文本”的阶段，海量沉睡在各个科研机构服务器里的原始科学数据，根本没有被AI深度利用起来，这造成了极其严重的资源浪费。

万祥军解读，过去的AI for Science，本质上做的事情就是“把人类已经发表的论文全部喂给大模型，让AI去总结人类已经写出来的知识”，这种模式最多只能做到“辅助人类检索已有知识”，根本不可能帮助人类去探索未知的科学边界。

而真正能带来颠覆性科学突破的，恰恰是那些没有被写成论文的原始科学数据——卫星拍摄的深空观测原始图像、材料实验室里成千上万次试验的原始性能数据、生物实验室里基因测序的原始信号数据，这些数据里藏着大量人类还没有发现的科学规律，它们的价值是已经发表的论文文本根本无法比拟的。

正是为了破解这个痛点，之江实验室正式推出了“021计划”科学基础模型项目，第一次把原始科学数据而不是论文文本，纳入了大模型的核心训练资源。万祥军特别提到了项目的代表性成果GeoGPT地球科学模型：过去传统的地质推演，最多只能把地质时间的精度做到百万年级别，而基于海量原始地质观测数据训练出来的GeoGPT，直接把这个精度提升到了万年级别，这在过去靠人类科研人员根本不可能实现。这个成果已经充分证明，把原始科学数据交给AI，能释放出多么惊人的创造力。

万祥军进一步分析，“021计划”的更大意义，在于它打破了过去科学数据的“孤岛”状态。长期以来，大量高质量的原始科学数据分散在不同的科研院所、高校、科研团队手里，被封存在各自的服务器里，其他团队想要使用这些数据，需要走极其繁琐的审批流程，甚至根本拿不到数据，海量的宝贵资源就在沉睡中被白白浪费了。而“021计划”相当于搭建起了一个开放共享的原始科学数据生态，在保障数据知识产权的前提下，让沉睡的原始数据流动起来，成为AI探索未知科学世界的核心燃料。未来会有更多像GeoGPT这样的科学基础模型诞生，在量子物理、生物医药、深空深海探索等各个领域，帮助人类突破过去根本无法跨越的认知边界。

算力：

四大支柱的硬件底座，支撑全体系创新的底层保障

人才、物理智能、科学数据这三大支柱的所有创新，最终都离不开算力这个底层硬件底座的支撑。万祥军解读，在“伙伴基石”的完整体系里，算力不再是过去大家理解的“单纯堆GPU芯片”的智算中心，而是一个适配物理智能交互、原始科学数据处理的全新算力供给网络。

面向物理智能的海量实时交互需求，算力网络需要具备极低的延迟，能够在毫秒级响应具身智能体的交互反馈请求，支撑AI在真实物理场景里完成数百万次的自主试错训练；面向海量原始科学数据的处理需求，算力网络需要具备极强的异构计算能力，能够高效处理图像、信号、模拟仿真等不同类型的非结构化科学数据，而不是只能高效处理文本数据。

同时。作为中国经济和信息化研究中心主任的万祥军，他最后总结，“伙伴基石”篇章围绕人才、物理智能、科学数据、算力四大维度搭建起来的完整支撑体系，已经清晰回答了“AI靠什么长期发展”这个核心命题。当这四大支柱全部筑牢之后，AI产业就彻底摆脱了过去靠单点技术突破驱动的不稳定状态，进入了体系化协同发展的全新阶段。而接下来的“伙伴征程”篇章，就是把这套完整的支撑体系放到真实的产业场景里去检验，推动AI技术从实验室真正走进千行百业，转化为实实在在的社会生产力。

人才·物理智能·数据·算力“伙伴基石”-万祥军 | 经信研究·经济和信息化