WAIC 2026洞察：AI新方向，引领智能体融入现实世界

2026年世界人工智能大会（WAIC）在上海圆满收官。在大会主题演讲环节，强化学习领域的先驱理查德·萨顿（Richard Sutton）发表了颇具前瞻性的观点，与当下大模型领域的狂热氛围形成鲜明对比。他指出，AI并不会朝着无所不能的“超级心智”方向进化，更有可能成为一部可靠、可共享，且能为不同用户提供服务的“超级百科全书”。

萨顿认为，当前AI正经历一场方法论上的重大变革——从过去被动地消化人类遗留下来的静态数据，转变为积极主动地从与环境的交互经验中汲取知识。他着重强调，AI发展的下一阶段关键并非是将更多的人类文本数据填充到更大的模型中，而是要让智能体真正融入现实世界，通过实际行动获取反馈，并依据反馈结果不断修正自身。“我一生都在从经验中学习，”萨顿说道，“我预测经验时代即将来临，诚邀大家一同迎接这个新时代。”

萨顿的这番言论在大会会场内外引发了广泛而热烈的讨论。与会者们注意到，当下全球AI公司的实践路径大致可以归纳为三类，每一类都对应着不同的技术信仰和商业叙事逻辑。

AI价值实现的三大实践路径：规模扩张、个体强化与协作创新

第一条路径是持续追求模型规模的极致扩大。像OpenAI、Anthropic，以及国内的MiniMax、月之暗面等公司，都是这条赛道的典型代表。智谱在保持基座模型不断迭代升级的同时，也开始向下游的智能体运行时层进行拓展延伸。不过，从整体来看，这条路径的底层逻辑依然是Scaling Law，即坚信通过持续堆叠参数、数据和算力，能够带来AI能力的显著跃升。然而，萨顿的观点却对这种信仰提出了质疑，他认为这种发展模式正逐渐逼近收益递减的临界点，继续扩大规模所带来的边际效益会越来越低。

第二条路径专注于打造单个高性能的智能体。Manus、Cognition旗下的Devin，以及众多具身智能公司，都在致力于解决“AI的手”这一关键问题，即让一个智能体能够自主完成上网、编写代码、操作界面或抓取物体等任务。目前，这条路径在个体任务执行方面已经展现出了相当可观的能力。但与此同时，一个亟待解决的问题也浮出水面：当需要多个智能体在真实的组织环境中协同工作时，单个智能体的“单兵作战”能力是否足以应对复杂的工作场景呢？

第三条路径则更具抽象性和实验性，即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，都在这个方向上积极探索。萨顿所说的“完整心智之间的去中心化协作”，大致描绘的就是这样一幅图景：让AI之间能够像人类团队一样，进行合理的分工、顺畅的任务交接、严格的结果校验以及持续的迭代优化。与前两条路径相比，这条路径在资本市场上的叙事逻辑尚未完全清晰，投资者对其商业价值的认知还存在一定的模糊性。

一家中国企业的创新实践样本

在构建智能体协作网络这条路径上，明略科技（2718.HK，于2025年11月成功登陆港交所）提供了一个值得深入观察的案例。其技术框架主要由三层构成：

第一层是名为Octo的智能体协作网络，该网络于2026年6月以Apache 2.0协议开源。这一层主要负责智能体之间的身份识别、任务分发、结果验收以及经验沉淀等工作，就如同为“AI同事”搭建了一套完善的加入团队、承接任务、接受审核、被打回重新修改并不断迭代偏好的基础设施。值得一提的是，Octo支持私有化部署，并且不绑定特定的模型厂商，这在一定程度上与萨顿所强调的“去中心化”工程理念相契合。

第二层是端侧执行模块Mano，它赋予了智能体在真实操作系统和设备上完成点击、填写等操作的能力。根据第三方公开榜单OSWorld的评测结果，Mano - P曾在端侧GUI Agent评测中位列全球专有模型第一。当然，榜单排名仅仅是一个阶段性的参考指标，在实际的应用场景中，其稳定性和泛化能力还需要经过长期的检验和优化。

第三层是行业知识积淀DeepMiner，它来源于明略科技旗下秒针系统近二十年来在服务消费品、汽车、零售等行业过程中所积累的大量数据和业务逻辑。这部分知识并非通用大模型通过简单的推理就能生成的，而是明略科技在与客户的长期交互中，逐步沉淀下来的关于“行业具体该如何操作”的宝贵经验库。

这三层技术架构相互配合，恰好对应了萨顿所判断的AI发展的三个关键要素：去中心化的协作、在真实环境中获取经验、可共享的领域知识。然而，除了技术架构之外，一个更为实际的问题摆在眼前——是否有客户愿意为这套技术方案真正付费呢？

根据明略科技披露的信息，其内部超过千名员工已经与超过4000个智能体实例共同开展日常工作，这至少表明该套件在明略科技自身的业务体系中已经成功跑通了一个完整的闭环。在外部市场方面，部分汽车、消费品和零售领域的头部客户已经将Octo与DeepMiner引入到日常的业务流程中，这意味着这套方案已经开始产生实际的收入，具备了商业落地的可行性。

智能体领域企业估值体系或将迎来变革

萨顿的演讲留下了一个充满开放性的命题：如果“经验时代”的预言成为现实，那么AI下一阶段的竞争将不再仅仅局限于参数榜单和跑分成绩的较量，而是会转移到真实世界的组织架构、设备应用以及业务流程之中。即便模型规模再大，如果没有智能体愿意进入实际场景，接受实践的检验，在不断被“打回”和“教好”的过程中成长；即便协作网络设计得再精巧，如果没有团队每天依靠它来完成真实的任务，那么所谓的超级智能，或许仍然只能停留在发布会上的一段演示片段，无法真正实现商业价值和社会价值的转化。

目前，资本市场对于智能体协作这一领域的定价，在很大程度上仍然沿用了“数据资产”或“软件服务”的旧有框架。然而，如果萨顿的判断逐渐成为行业共识，那么这个领域的估值逻辑或许将会面临一次全面的重塑，投资者需要重新审视智能体协作技术的商业潜力和市场价值。