WAIC 2026观察：AI下一步，是让智能体真正进入世界

2026年世界人工智能大会（WAIC）日前在上海落幕。强化学习先驱理查德·萨顿（Richard Sutton）在主题演讲中，抛出了一个与当前大模型狂热保持距离的判断：AI不会演化为无所不能的“超级心智”，更现实的归宿是成为可靠、可共享、能服务于不同用户的“超级百科全书”。

萨顿认为，AI正在经历一次方法论转向——从被动消化人类遗留的静态数据，转向主动从与环境交互的经验中学习。他强调，下一阶段的关键不在于把更多人类文本塞进更大的模型，而在于让智能体真正进入世界，通过行动获取反馈，并持续从结果中修正自身。“我自己一生都在从经验中学习，”他说，“我预测经验时代即将到来，欢迎大家来到这个时代。”

这番言论在会场内外引发了广泛讨论。而与会者注意到，当下全球AI公司的实践路径，恰好可以粗略归为三类，各自对应不同的技术信仰和商业叙事。

AI价值实现的三类路径：规模、个体与协作

第一条路是继续追求模型规模的极致放大。OpenAI、Anthropic，以及国内的MiniMax、月之暗面等公司是这条赛道的典型代表。智谱在保持基座模型迭代的同时，也开始向下游的智能体运行时层延伸，但整体上，这条路的底层逻辑仍是Scaling Law——相信参数、数据和算力的持续堆叠会带来能力的跃升。不过，萨顿的观点恰好对这种信仰提出了质疑，认为其正逼近收益递减的天花板。

第二条路专注于打造单个高性能智能体。被Manus、Cognition旗下的Devin，以及多家具身智能公司，都在试图解决“AI的手”的问题——让一个智能体能自主上网、编写代码、操作界面或抓取物体。这条路径在个体任务执行上已展现出可观的能力，但一个待解的疑问是：当我们需要多个智能体在真实组织内协同工作时，单个智能体的“单兵作战”能力是否足够？

第三条路则更为抽象，也更具实验性——构建智能体之间的协作网络。微软的Multi-Agent Framework、Google的Agent Space，以及中国的明略科技等公司，都在这个方向上探索。萨顿所说的“完整心智之间的去中心化协作”，大致指向这一图景：让AI之间能像人类团队那样分工、交接、校验和迭代。与前面两条路相比，这条路径在资本市场上的叙事尚未完全清晰。

一家中国公司的落地样本

在第三条路上，明略科技（2718.HK，2025年11月登陆港交所）提供了一个可供观察的案例。它的技术框架由三层构成：

第一层是名为Octo的智能体协作网络，于2026年6月以Apache 2.0协议开源。该层负责智能体之间的身份识别、任务分发、结果验收和经验沉淀，相当于一套让“AI同事”加入团队、接活、被审核、被打回并迭代偏好的基础设施。值得留意的是，Octo支持私有化部署且不绑定特定模型厂商，这在一定程度上呼应了萨顿强调的“去中心化”工程理念。

第二层是端侧执行模块Mano，它让智能体能在真实操作系统和设备上完成点击、填写等操作。根据第三方公开榜单OSWorld，Mano-P曾在端侧GUI Agent评测中位列全球专有模型第一。当然，榜单排名只是阶段性参考，实际场景中的稳定性和泛化能力仍有待长期检验。

第三层是行业知识积淀DeepMiner，来源于其旗下秒针系统近二十年服务消费品、汽车、零售等行业所积累的数据和业务逻辑。这部分知识并非通用大模型通过推理就能生成，而是长年与客户交互中沉淀下来的“行业怎么干”的经验库。

三层加在一起，恰好对应萨顿判断的三个要素：去中心化的协作、真实环境中的经验获取、可共享的领域知识。但技术架构之外，更实际的问题是——有没有人真正为此付费？

根据明略科技披露的信息，其内部过千名员工已与超过4000个智能体实例共同开展日常工作，这至少说明该套件在自身体系内跑通了一个闭环。在外部，部分汽车、消费品和零售领域的头部客户已将Octo与DeepMiner引入日常业务流程，这意味着这套方案已产生实际收入。

智能体领域企业估值或许会面临重塑

萨顿的演讲留下了一个开放式的命题：如果“经验时代”的预言成立，那么AI下一阶段的竞争将不会停留在参数榜单和跑分成绩上，而会转移到真实世界的组织、设备和业务流程之中。模型再大，若没有智能体愿意进入实际场景被“打回”和“教好”；协作网络再精巧，若没有团队每天依靠它完成真实任务——那么所谓的超级智能，或许仍只是发布会上的一个演示片段。

目前，资本市场对智能体协作这一层的定价，很大程度上仍沿袭了“数据资产”或“软件服务”的旧框架。而萨顿的判断若逐步成为共识，这个领域的估值逻辑或许会面临重塑。

以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。