WAIC 2024 深度观察：从“数据驱动”到“经验驱动”，AI产业下一波浪潮在哪？
在世界人工智能大会（WAIC）首日，行业顶尖专家密集发声，围绕从技术突破到产业落地的多个维度展开了深度探讨。从图灵奖得主到企业掌舵人，共识与分歧并存，共同勾勒出 AI 迈向 AGI 的复杂路径。
对于 AI 从业者、开发者及创业者而言，本次大会释放的信号不仅关乎技术趋势，更涉及产业逻辑的重构与安全治理的新范式。
一、产业新主线：智能体与终端的结构性融合
阶跃星辰董事长、千里科技董事长印奇在开幕式上提出了对 AI 产业演进阶段的判断。他认为，AI 产业发展分为三个阶段：第一阶段是预训练大模型加对话应用；第二阶段是强化学习推理加代码开发辅助；第三阶段则是具身智能体带来的产业变革。
印奇指出，AI 产业下一轮爆发将来自智能体模型与下一代终端产品的结合。智能体正在成为生产力的最小单元，当前行业已临近 AGI 临界点，代码智能体可独立完成多日完整开发，编程语言正逐渐成为人机通用交互媒介。
这种结合将推动产业形成新系统、新载体、新网络三大结构性变化：
- 大模型原生跨设备操作系统：统一调度算力、数据与任务。
- 全品类硬件终端重构：PC 转为个人算力工作站，手机成为全域设备中控，新能源汽车率先落地机器人形态。
- 全新人机共生网络：打通人、智能体、物理终端交互链路。
二、技术范式转移：从"静态数据"到"经验驱动"
在技术底层逻辑上，多位专家指出，依赖静态数据的模式已触及天花板，动态交互与经验积累成为新方向。
理查德·萨顿（Richard Sutton），被誉为"强化学习之父"的图灵奖得主，明确提出了"经验驱动"是下一代 AI 的核心路线。他指出，静态标注数据模式已触达天花板，人工标注资源存量持续衰减，无法支撑模型长期迭代。相比之下，智能体依托自身与环境交互产生观测、动作、奖励信号进行自主学习，数据能随自身能力同步扩张。AlphaGo 和奥数推理系统 AlphaProof 均印证了该路径的可行性。
上海人工智能实验室主任周伯文则提出了"Research 是下一个 Coding"的观点。他认为，AI 在编程等闭环任务上进步迅速，但科学原创能力仍然有限。科学研究不仅是应用场景，更是 AGI 的终极挑战。如果科学研究能把假设、推理和实验结果转化为可验证反馈，也可能形成新的能力增长飞轮。为此，上海 AI Lab 在现场发布了书生·端砚科学发现平台，旨在推动 AI 从理解科学、规划研究，走向真实世界的实验验证和认知迭代。
复旦大学通用物理智能研究院首任院长苏昊进一步指出，解决大模型幻觉的关键在于物理智能。大模型从语言中学习到的只是现实世界的影子，缺乏可校验的锚点。破局的核心路径是大模型需要进入真实世界完成端到端交互，通过预测、行动、反馈修正的实验过程积累实体经验。未来的评价维度将从"演示有多惊艳"转向"运行有多可靠"。
三、科学与数据：AI 成为基础学科的转折点
中国工程院院士、之江实验室主任王坚强调了"重新认识数据"的重要性。他认为，从旧数据里发现新问题，是科学变革中的基本逻辑。例如，有中学生利用退役卫星数据发现了约 150 万个此前未编目的太空物体。
王坚提出，科学数据可能成为 AI 下一轮变革的关键驱动力。大语言模型建立在文本数据上，而科学基础模型需要整合数据、论文和代码。这标志着人工智能将像数学一样成为基础学科，这一转折将在未来 50 年对科研产生深远影响。科学家真正需要的，不只是一个问答模型，而是能够统一获取科学数据、相关论文和计算工具的基础设施。
四、核心竞争力与安全治理
在人才战略方面，图灵奖得主、美国康奈尔大学荣休教授John Hopcroft认为，AI 可能还会持续发生重大变化，因此一项好的战略必须具备适应变化的韧性。最能适应变化的战略，就是培养能够探索并且应对全新发展方向的人才。 他直言，在未来，人才才是核心竞争力，大学最根本的使命是培养下一代人才，而不是做研究。
与此同时，安全与治理问题不容忽视。深度学习三巨头之一Yoshua Bengio在线上发言中指出，智能体的实用性与风险都来自其自主性。随着模型沿指数曲线增长，智能体必须减少人类监督才能完成长程任务，但自主程度越高，人类越难及时发现和制止危险行为。
Bengio 呼吁，高风险 AI 应实行"先证明安全，再允许部署"，且风险治理不能由企业自行决定，全球治理还需要可验证的技术基础。
五、价值重塑：超级个体的崛起
商汤科技董事长兼首席执行官徐立探讨了 AI 的核心价值。他认为，AI 的核心价值是放大个体能力而非替代人力。当 AI 的边界真正意义上推进到"超级个体"的时候，会出现新的经济学计算：计费从 Token 转向 Task。
AI 将自动化很多现有职业，但同时也会重塑工作，产生大量新的职业以及公司、组织的形态。新技术将催生全新职业赛道，诞生单人即可完成全业务流程的超级个体。
结语
WAIC 首日的高密度信息表明，AI 行业正从单纯追求参数规模和数据量，转向关注智能体的自主交互能力、物理世界的真实融合以及科学范式的创新。对于从业者而言，理解从"数据驱动"向"经验驱动"的转变，把握智能体与终端结合的机会，并重视安全治理框架的构建，将是应对下一阶段技术爆发的关键。