WAIC观察笔记：当AI离开聊天框，聪明已经不是唯一考核标准

前两天的WAIC观察笔记，我主要和你分享了我和罗老师在现场看到的，AI在中国各行各业纵深处的应用。AI机器人不再只会发可乐，还会踢球、跳舞、拧螺丝，也开始走进工厂和养老院。

不过，你不要以为WAIC只有展馆里的这些热闹。大会举行的几天里，还有140多场高质量论坛。各个领域里的大神纷纷出来，分享自己当下的思考。

这些思考很有价值，会给我们很多启发，因为他们面对的许多真实场景，是我们平时根本碰不到的。

今天，我来聊几场我觉得特别值得听的论坛分享。因为有些论坛甚至在同一时间的不同场地举行，我们没办法同时到现场听。

但幸好有AI，在这期内容的最后，我也会告诉你，怎么把这届WAIC几十场公开的论坛转播实录一次性拿下，以及怎么更高效地使用它。

先说一个我的体感：今年WAIC，从产品到技术，更关注AI进入物理世界后的能力。

也就是，一个机器人把动作做出来，和它真的理解自己在做什么，中间到底隔着多远？我在翻论坛实录的时候，发现这也是今年很多研究者正在回答的问题。

模型聪不聪明，当然重要，但当AI离开聊天框，真的伸手去碰这个世界，聪明只是第一关。

01 能力：物理智能的六层阶梯

7月17日下午，在2026世界人工智能大会暨人工智能全球治理高级别会议主论坛上，复旦大学浩清特聘教授、复旦大学通用物理智能研究院首任院长苏昊做了一场主旨演讲，主题是《物理智能：从幻觉到现实》。

他分享了一套六层阶梯，我觉得是这两天听到的，最适合普通人理解物理智能的解释框架。

▲ 苏昊分享《物理智能：从幻觉到现实》

咱们来想象一个特别普通的场景：你在客厅里踢球，球滚进沙发底下。如果让机器人帮你把球拿回来，它需要知道多少东西？

下三层：理解客观世界

第一层，物体知识。它得知道哪里有个球。

球滚进沙发底下，摄像头已经看不见了。就像孩子要慢慢学会，看不见，不等于不存在。机器人同样得明白，球没有凭空蒸发，它还在那里。

第二层，状态知识。它要知道这个球现在是什么状态。

它在哪儿、离沙发边缘多远、是硬是软、有多大、多重、旁边有没有别的东西挡着。只认出「这是一个球」，离真正动手还差得远。

第三层，动力学知识。我大学读的就是物理，这个词并不陌生。不过苏昊在这里说得很朴素，就是接下来会发生什么。

机器人伸手碰一下，球会往哪边滚？用力太大，会不会把球推得更深？地上铺着地毯，球还滚不滚得动？我们每天都在用这些常识，只是从来没觉得它们也算知识。

到这里，机器人知道世界里有什么，东西现在怎么样，接下来可能怎么变。

苏昊说，这三层都属于客观世界。有没有机器人，球都在那里，重力也照样工作。这三层，苏教授说叫做「下三层」。

这个叫法，我突然觉得有点机器人修仙的味道。

上三层：世界里出现了「我」

第四层，功能知识。功能不是东西自带的说明书，而是它对「我」有什么用。

一把椅子，对人来说可以坐，对蚂蚁来说可能是一座山。同一个球，对孩子是玩具，对机器人则是需要取回来的东西。

到了这一层，世界里第一次出现了「我」。

第五层，目标知识。也就是我希望世界变成什么样。

球在沙发底下，这是现实。我要球回到手里，这是目标。就差这么一点，机器就从看热闹的摄像头，变成了准备干活的行动者。

不过，有目标还不够。

第六层，行为知识。机器人知道要把球拿回来，和真的能拿回来，是两回事。

它得判断手臂从哪边伸进去、肩膀会不会撞沙发、手指张多大、碰到球时用多少力。好不容易够到，还不能一使劲把球捏坏。

叠衣服也是一样：看见衣服不难，知道要叠整齐也不难，真正难的是怎么捏住软趴趴的衣角，怎么抖开、对齐、压平。这里面的分寸，不写在书上，长在手上。

所以苏昊这六层阶梯，从物体、状态、动力学，到功能、目标、行为，我的感觉就是他在给机器人补一段童年。

因为婴儿会摸、会抓、会摔、会撞，杯子掉几次就知道会碎，下次就知道怎么拿了。大语言模型没有这段童年，它读过无数次「杯子掉到地上会碎」，但从来没有接住过杯子，也没为摔碎杯子挨过骂。

这也是我觉得六层阶梯特别有用的地方。

所以，以后再看机器人演示，别只问它会不会叠衣服、踢足球、泡咖啡。你可以多问一句：它现在爬到第几层了？它只是认出了东西，只是在复现一套排练好的动作，还是能发现环境变了，重新调整目标，再把事情做完？

听到这，你可能会觉得有点懵，压根没有想到原来捡个球对机器人来说是一件这么复杂的事情。

但说实话，这里面每一层都藏着不少未来创业机会。比如我在流水席直播时，来聊的公司就有做灵巧手的，有做手上的触感皮肤的，有专门做触觉感知的，还有做机器人手部操作训练的。

你看，这几个不同的创业公司，放在六层阶梯里，其实都是在解决「把球拿出来」这一个动作。

说到「做完」，苏昊在演讲里还提到一个词：可靠性。不过，关于这个词，我更想和你聊另外一场分享。

02 可靠性：95分不够用

同样在7月17日，在「AI与先进核能共筑可持续智能未来论坛」上，中国科学院合肥物质科学研究院首席科学家肖炳甲，做了主题分享《AI聚变等离子体控制》，把可靠性这件事推到了极致。

首先，我对核聚变和等离子体也是一头雾水，完全不懂。但这个场景未来会跟很多普通人生活相关，所以我尽量用直白、但不那么准确的语言来说一下，大家重点理解可靠性的重要性。如果你是这领域的专家，希望不要骂我误人子弟。

先说说托卡马克，这其实是目前研究可控核聚变最主流的一类装置，你可以把它理解成一个甜甜圈形状的巨大磁笼子。它要用磁场托住一团温度极高的等离子体，绝不能让这团「火」碰到内壁。

▲ 肖炳甲分享《AI聚变等离子体控制》

可这一团「火」离内壁只有几厘米，还会随时乱窜。控制系统得在百微秒，也就是万分之一秒内，看出它往哪边偏，再调整线圈把它拉回来。也就是说，人还没眨一次眼，它已经完成了一次判断和调整。

简单说，它就是一个试图用磁场关住「人造小太阳」的巨大容器。AI的任务，则是盯住里面那团极不稳定的等离子体，发现它要跑偏时，赶紧调整磁场把它拉回来。

▲ 等离子体控制环节复杂且要求苛刻

肖炳甲提到，现在AI在大破裂预测的准确率已经能做到95%以上，但还要继续奔向99.9%。换句话说，就是AI能不能提前准确判断，这团等离子体马上要失控了。

你看，在考试里，95分已经是学霸。但在核聚变、医疗、驾驶这些高风险场景里，剩下那5分，可能才是最要命的部分。这件事听起来离咱们特别远，其实它给了我们一把判断AI的尺子。

毕竟，聊天软件偶尔答错一次，我们重新问就行了。但AI进入物理世界后，判断错一次，可能损坏设备，也可能影响人的安全。

所以，真正进入现实世界的AI，不能只看最好的一次有多惊艳，还得看最差的一次会造成什么后果。

如果说苏昊回答的是「AI有没有能力把事情做好」，那肖炳甲回答的就是另一张考卷：AI能不能每一次都把事情做成。

这决定了我们敢不敢把事情交给它，这就是可靠性的重要性。

03 成本：代价算不算得清

当然，现实世界给AI出的考卷，还没有结束。除了能力和可靠性，还要考成本。

AI真的进入现实世界，要耗电、耗水、用芯片。

7月18日，「实体世界智能科学论坛」上，图灵奖得主、加州大学伯克利分校荣休教授、Google杰出工程师戴维·帕特森（David Patterson），就做了主题分享《环境AI的误区》。

▲ 帕特森分享《环境AI的误区》

帕特森说，「AI毁环境」这个说法本身就是个谬论。有些AI耗水、耗电的数字，因为统计口径混乱，被放大了很多倍。但企业买张绿色证书就宣布排放已经抵消，这种账也未必可信。

物理世界不只会用重力考AI，还会拿着水表、电表和成本表来结账。

04 治理：谁来划边界、担责任

当然，到这里考卷还没结束。能力、可靠性、成本，都只是技术层面的考题。

真正当AI开始影响一个行业、一座城市，甚至一个国家的时候，它还要面对第四张考卷：治理。

7月18日，在清华大学人工智能国际治理研究院主办的「全球人工智能治理的可能路径论坛」上，研究院院长薛澜分享了一份《世界人工智能能力指数报告》，也就是他们正在构建的AI能力指数。

他把一个国家的AI能力拆成两部分：发展能力和治理能力。

▲ 薛澜分享《世界人工智能能力指数报告》

发展能力，要看能不能产生新知识、扩散到真实应用，以及形成市场价值。

这里有个容易混淆的地方：用得广，不等于赚到钱。中国有很多AI服务用的人特别多，但大部分是免费的。只看用户数，可能高估了价值实现；只看收入，又可能低估了技术扩散。

治理能力，除了分析规划、学习迭代，还要包括立法、数据保护和标准制定。模型跑得快，如果制度没跟上，未必是真的强。

我觉得，这套框架放到企业也同样适用。

很多企业今年都在接AI、买模型、做培训，看起来动作很多。但真正值得问的，不只是「用了没有」，还要看AI有没有进入真实流程，创造持续价值；出了问题，又由谁负责。

把这四场放在一起，去掉展馆里的喧闹，能慢慢看清一个变化：今年WAIC的讨论，已经不只是模型又涨了多少分，而是AI已经从聊天框里出来，在现实世界里参加一场真正的考试。

第一张考卷，考它懂不懂这个世界；第二张，考它能不能稳定把事情做好；第三张，考它完成这件事要付出多大的代价；第四张，则考它进入社会之后，能不能被社会安全、稳定地接住。

它得理解世界，稳定把事做完，算清成本，也得有人划清边界、承担责任，让它在规则之下真正走进社会。

在聊天框里，答得漂亮就能赢得掌声；到了物理世界，重力、事故、成本和制度都会来判卷。答错了，没有一句提示词能把它圆回来。

所以，以后再判断一个AI是不是真的厉害，可以少问一句它有多像人，多问几句：

05 几十场WAIC论坛，怎么高效用

说到这里，这届WAIC，还有非常多同样高密度高质量的论坛分享。

在得到大脑里的官方知识库里，我们已经陆续收录了几十场论坛实录，包括嘉宾信息、核心观点和关键原话。

欢迎你扫描文稿末尾的二维码，领取「2026 WAIC世界人工智能大会知识库」。

你不用在十几个会场之间来回赶，可以沿着自己关心的问题，把内容存进你自己的知识库里。

当然，几十场论坛没人能一场一场读完，咱们也没必要没苦硬吃。这个知识库最适合的用法，不是从头读到尾，而是交给AI，帮你先找方向、再做筛选。

同样一个内容，可能对某些人来说毫无价值，但对另一些从业者来说，可能两句话就点醒了梦中人。

所以，订阅了这个知识库后，不管你是用得到大脑里的小步AI，还是用你个人更熟悉的AI工具，我都有三个使用小技巧分享给你。

技巧一：先要地图，再钻井

几十场论坛收录摆在面前，最麻烦的不是资料少，而是不知道从哪儿下手。

记住，这个知识库是给你的AI看和用的。你可以和它说：「把这些论坛按主题分成十类，每一类用一句话告诉我，大家到底在讨论什么？」

拿到这张地图以后，再从具身智能、AI医疗、能源、治理等方向中，选一个你感兴趣的继续追问。

别一上来就扎进某场论坛的细节，很容易进去以后就出不来了。

技巧二：把自己的问题带进去

假如你在做跨境电商，可以直接问：「我是做跨境电商的，这几十场WAIC的论坛分享里，哪些判断跟我的生意最有关系？帮我挑出最值得看的三场，按重要性排序，再告诉我为什么？」

这样一来，几十场公开论坛，就被压成了一份跟你有关的私人阅读清单。你不是让AI替你总结资料，而是让它拿着你的问题，替你筛资料。

技巧三：去问共识和分歧

一场论坛只能看到少数人的观点，几十场放在一起，才能看见地形。你可以问它：「哪些判断在不同论坛被反复提到？哪些问题，嘉宾们的观点明显互相矛盾？」

被反复提到的，很可能正在成为行业共识；大家争论最激烈、谁也说服不了谁的地方，可能藏着还没有定论的新机会。

最后一步，记得再补一句：「把每个结论对应的论坛、嘉宾和原文出处一起列出来。」

AI负责帮你找路，真正重要的判断，还是要回到原始分享里看一眼。

这样操作下来，几十场论坛，你最后可能只需要认真看七八场，就能抓住对自己真正有价值的信息