WAIC 2026深度观察：AI新篇章，智能体融入现实世界成关键

2026年世界人工智能大会（WAIC）在上海圆满收官。在这场备受瞩目的盛会上，强化学习领域的先驱理查德·萨顿（Richard Sutton）发表了主题演讲，他提出了一个与当下大模型热潮有所区别的观点：AI并不会进化成无所不能的“超级心智”，其更现实的未来是成为一部可靠、可共享、能够服务于不同用户的“超级百科全书”。

萨顿指出，AI的发展正经历一次重要的方法论转变——从被动地吸收人类遗留的静态数据，转向主动从与环境的交互中学习经验。他强调，AI发展的下一阶段，关键不在于将更多的人类文本输入到更大的模型中，而在于让智能体真正融入现实世界，通过行动获取反馈，并不断从结果中调整和优化自身。他感慨道：“我一生都在从经验中学习，我预测经验时代即将到来，欢迎大家共同迎接这个新时代。”

萨顿的这番言论在会场内外引发了热烈讨论。与会者注意到，当前全球AI公司的实践路径大致可以归纳为三类，每类路径都对应着不同的技术信仰和商业叙事。

AI价值实现的三大路径：规模扩张、个体强化与协作网络

第一条路径是持续追求模型规模的极致化。OpenAI、Anthropic，以及国内的MiniMax、月之暗面等公司是这条赛道的佼佼者。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。然而，这条路径的底层逻辑仍是Scaling Law，即相信通过不断增加参数、数据和算力，能够带来AI能力的质的飞跃。不过，萨顿的观点对这种信仰提出了挑战，他认为这种路径正逐渐逼近收益递减的临界点。

第二条路径则专注于打造单个高性能智能体。如Manus、Cognition旗下的Devin，以及多家致力于具身智能的公司，都在努力解决“AI的手”的问题，即让一个智能体能够自主上网、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经展现出了令人瞩目的能力，但一个待解的问题是：当需要多个智能体在真实组织中协同工作时，单个智能体的“单兵作战”能力是否足够支撑起整个团队的效率？

第三条路径则更为抽象且富有实验性——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，都在这个方向上进行了积极探索。萨顿所说的“完整心智之间的去中心化协作”，大致描绘了这一图景：让AI之间能够像人类团队一样分工合作、交接任务、校验结果并迭代优化。与前两条路径相比，这条路径在资本市场上的叙事尚不完全清晰，但其潜力不容小觑。

明略科技：中国智能体协作网络的落地典范

在第三条路径上，明略科技（2718.HK，2025年11月成功登陆港交所）提供了一个值得观察的案例。其技术框架由三层构成，每一层都承载着不同的功能与使命。

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。Octo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，为“AI同事”提供了一个加入团队、接活、被审核、被打回并迭代偏好的基础设施。值得注意的是，Octo支持私有化部署且不绑定特定模型厂商，这在一定程度上体现了萨顿所强调的“去中心化”工程理念。

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，榜单排名只是阶段性的参考，实际场景中的稳定性和泛化能力仍需经过长期检验。

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简单推理就能生成，而是长年与客户交互中沉淀下来的“行业怎么干”的宝贵经验库。

这三层技术架构加在一起，恰好对应了萨顿判断的三个关键要素：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。然而，技术架构之外，更实际的问题是——有没有人真正愿意为此付费？

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已经跑通了一个闭环。在外部市场上，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经产生了实际收入，验证了其商业价值。

智能体领域企业估值或将迎来重塑

萨顿的演讲留下了一个引人深思的命题：如果“经验时代”的预言成真，那么AI下一阶段的竞争将不再局限于参数榜单和跑分成绩上，而是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华丽演示片段。

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。然而，随着萨顿判断的逐渐成为共识，这个领域的估值逻辑或许会面临一场深刻的重塑。未来，那些能够真正让智能体融入现实世界、实现去中心化协作并积累可共享领域知识的企业，或将迎来更加广阔的发展空间和更高的市场估值。