摘要：WAIC 2026释放了“AI进入产业兑现期”的强烈信号，但行业内部对“AI是否已跨越临界点”存在严重分歧。图灵奖得主理查德·萨顿直言“AI仍比较弱小且不可靠”，阶跃星辰印奇则判断“2026年模型能力正在跨越关键临界点”。“世界模型六小龙”圆桌上关于评价标准的激烈争论，以及“WAIC不像纯技术展，更像AI嘉年华”的反思之声，共同勾勒出AI产业在“技术成熟度”与“商业落地”之间的深层认知裂痕。本文梳理这场分歧的来龙去脉，为技术决策者提供独立思考的参照。
引言：同一场大会，两个截然不同的AI
2026年7月17日上午，上海世博中心，WAIC 2026主论坛。
2024年图灵奖得主、“强化学习之父”理查德·萨顿走上讲台，第一句话就让全场安静了下来——“AI的进步被夸大了。”
他直言，当前AI系统“主要是在使用人类知识的力量，并且把它再交付给我们，他们并没有能力发现自己的知识”，“从很多方面它们是比较弱的，它们在思考过程中还是存在一些问题的，并不是如此强大”。他的结论直白而犀利：“现在的AI智能还不够强大，我个人认为它是比较弱小而且是不可靠的，因为会产生很多的错觉。”
紧接着上台的是阶跃星辰董事长印奇。他的判断截然相反——2026年模型能力正在跨越关键临界点，AI已从只能连续执行数秒任务，进阶到能够独立工作数十小时，“行业正站在AGI高峰的山脚下”。
同一天、同一场、同一座讲台，两位重量级发言人的观点形成了近乎针锋相对的对峙。
这不是孤立的事件。WAIC 2026期间，“世界模型六小龙”圆桌上，六家头部企业的技术负责人就世界模型的评价标准吵得不可开交。与此同时，有人在社交媒体上留下一句意味深长的评价：“WAIC不像是一个纯技术展，更像是一场面向大众情绪的AI嘉年华。”
AI的“iPhone时刻”真的来了吗？还是说，我们又一次高估了技术、低估了时间？
这篇文章要回答的核心问题是：WAIC 2026上，AI行业在哪些问题上形成了共识，又在哪些问题上出现了深刻分歧？对于身处这个行业的技术决策者和投资者，这些分歧意味着什么？
第一章：萨顿 vs. 印奇——“弱小”与“临界点”之争
核心观点：萨顿与印奇的分歧并非简单的“悲观vs.乐观”，而是对“什么是智能”这一根本问题的不同定义——一个看的是AI的“本质”，一个看的是AI的“能力”。
1.1 萨顿：我们混淆了“计算”和“智能”
萨顿的批评不是情绪化的，而是基于一套严谨的理论框架。
他首先指出行业普遍混淆了两个概念——“智能”和“计算”。“这里大多数是计算的能力，我们必须要把这两者的定义区分开。”当前大规模落地的AI应用，“本质上都停留在模式识别层面。我们不能把计算能力和真正的智能混为一谈”。
萨顿最核心的判断是：我们现在还处于“人类数据的时代”。大部分的机器学习是进行知识的转移——从人转到机器身上。但“这种方法现在已经达到极限了，很多高质量的数据源被用完了，生成新的知识是这个范式没有办法做到的”。
他主张AI应该迈入“经验时代”——AI需要新的数据来源，来自智能体自己的经验，它和世界的互动。他举了AlphaGo和AlphaProof的例子，还放了一段婴儿玩玩具的视频：婴儿没有静态数据集，他的行为决定了他收集什么数据。
萨顿对当下大语言模型的批评尤为尖锐——它们“没有奖励信号，没有办法知道这个行为是好的还是不好的”，“基本上没有办法把真的和假的区分开”。
但萨顿并不是AI的悲观主义者。他说完“弱小且不可靠”之后立刻补了一句——“但是同时它是非常有用的”。AI正在催生大量产业应用，这一点他从不否认。他的核心观点是：当下的AI是“有用的工具”，但不是“真正的智能”——这两者之间有本质区别。
1.2 印奇：能力已经跨过了那道门槛
印奇的观点建立在截然不同的评价维度上。
回顾15年AI创业历程，印奇判断2026年模型能力正在跨越关键临界点。他判断的核心依据是AI任务执行的时间尺度发生了质变——从只能连续执行数秒任务，进阶到能够独立工作数十小时。
“继自然语言之后，编程正成为衡量AI能力跃迁的重要标尺。”随着智能体模型与下一代终端产品加速结合，“智能正从数字屏幕走向真实物理世界，智能体也将从聊天工具进化为能够感知、决策和执行任务的生产力最小单元”。
印奇提出了“三大结构性变革”——新系统（Agentic OS）、新载体（人机共生的终端）、新网络（A2A网络）。未来，“工程师、设计师、研究员等都能拥有专属智能体，使一个人具备一支团队的能力”。
1.3 分歧的本质：评价标准不同
把两个人的观点放在一起对比，会发现他们说的其实不是同一件事。
萨顿在问：“这是真正的智能吗？”答案是“不是”。
印奇在问：“它能做以前做不到的事吗？”答案是“能”。
萨顿关注的是智能的本质——能否自主发现新知识、能否区分真伪、能否拥有目标。按这个标准，今天的大模型确实“弱小”。
印奇关注的是智能的能力——能否独立工作数十小时、能否完成复杂任务、能否成为生产力单元。按这个标准，AI确实跨过了临界点。
两种视角都对，只是站在不同的高度看同一座山。*萨顿站在山顶俯瞰整条山脉，看到的是“离真正的AGI还远”；印奇站在山腰回头看走过的路，看到的是“已经走了很远”。
第二章：“世界模型六小龙”圆桌——分歧就是红利
核心观点：世界模型领域的技术路线、评价标准、落地路径均未收敛，但这种“非共识”状态本身，恰恰是产业创新的红利期。
2.1 六条路线，一个桌子
7月19日，WAIC“世界模型六小龙”论坛上，一场信息密度极高的圆桌讨论凑齐了六家公司的世界模型技术负责人：
-大晓机器人首席科学家 陶大程（主持人）
-蚂蚁灵波首席科学家 沈宇军
-极佳视界联合创始人兼首席科学家 朱政
-无界动力联合创始人兼CTO 夏中谱
-智元机器人AI算法总监 任广辉
-自变量机器人联合创始人兼CTO 王昊
这六家公司押注的技术路线各不相同——按照“模型在什么空间里推演世界”的尺子，可大致分为像素生成派（极佳视界）、隐空间JEPA派（无界动力）和融合派（其余四家）。
“世界模型的概念没有收敛、技术路线没有收敛、训练方式没有收敛、数据标准没有收敛、评测尺度没有收敛……”——这场圆桌的讨论基调，从一开始就充满了张力。
2.2 三个最激烈的争论点
争论一：世界模型应该多“懂”物理？
无界动力的夏中谱认为，评价世界模型要看它对几何、运动、力等状态的预测精度。他希望模型尽可能接近物理模拟器。
蚂蚁灵波的沈宇军则认为“物理合理性”比“物理精度”更重要。机器人只需要明白同样重量的铁比棉花掉得快，但到底快多少，“不需要知道，只需要观察”。机器人不必算清每一条轨迹，“只要知道哪些差异会影响眼前的动作，就够了”。
争论二：长程推演是刚需还是伪需求？
智元的任广辉认为，推理的长时物理一致性是评价世界模型必不可少的指标之一。
自变量的王昊却直言：长程推演是“伪需求”。比起这个能力，他更看重推理的时效性。“如果推理慢到错过决策窗口，再完整的理解也没有用。”
争论三：什么会率先收敛？
任广辉和夏中谱认为是统一表征——语言模型找到了token，具身智能还没找到自己的“token”。王昊押的是融合——视频生成、隐空间、3D显式建模各取所长。沈宇军则笃定触觉将成为下一阶段行业率先形成的共识。
2.3 分歧的价值
陶大程在圆桌结尾说了一句话，被广泛引用——“分歧是论文的素材，重叠才是产业的基地。”
这场圆桌最大的价值，不是达成了多少共识，而是把分歧摆上了桌面。正如有观察者所言：“对整个行业而言，分歧并不是问题，反而是当下的红利。”
当一个领域的技术路线、评价标准、落地路径全部处于“未收敛”状态时，意味着创新的窗口期仍然敞开。一旦所有问题都有了标准答案，行业也就进入了同质化竞争的红海。
第三章：共识与反思——热闹之下的冷静审视
核心观点：WAIC 2026在“AI必须落地”上形成了高度共识，但在“如何落地、谁来落地、何时见效”上分歧巨大。热闹的表象之下，是一场需要反向解读的信号测试。
3.1 一个明确的共识：参数的故事讲完了
尽管分歧重重，WAIC 2026还是形成了一个清晰的行业共识——参数的故事讲完了，落地的考卷才刚刚发下来。
一位AI大模型公司负责营销的朋友分享了一个细节：去年WAIC，展台上到处都是“千亿参数”“跑分第一”的海报。今年她走遍四个馆，几乎没人在聊参数。“张口就是‘我这个方案在哪个行业落地了、给客户省了多少人’。”她把这种变化总结为“话风变了”——去年卖的是能力，今年卖的是结果。
“今年全行业不再空谈概念，所有人都聚焦AI与机器人真实产业问题，商业化落地成为核心。”行业重心从“造模型”转向“找场景”，工作流、Agent这些方向成为展示主流。
从参数竞赛转向落地比拼，这是WAIC 2026最大、也最明确的共识。
3.2 一个被忽视的真相：共识反而更分散了
然而，共识之下隐藏着更复杂的现实。
一位投资人在WAIC期间观察到：“今年WAIC整体热度‘肯定是更加火热’，但紧接着话锋一转——‘内部共识反而更加分散’。”
什么意思？AI整体越来越热是确定的，但大家对于下半年究竟哪条技术路线、哪类产品会率先跑出来，“还没有形成特别明确的共识”。Agent、具身智能、OPC（一人公司）、AI4S——方向很多，但都在多线探索和验证的阶段。
用她的话说：“行业不是在降温，而是在快速扩张的同时，进入更细分、更务实的竞争阶段。”
3.3 一面“照妖镜”：热闹与冷静之间
WAIC 2026的具身智能展区，200多家参展商、208款终端、超过300台真机挤在同一个空间里。机器人跳舞打拳、叠衣调饮，围观人群举着手机挤成一圈。
但热闹之下，有从业者用“外行兴奋，内行沉默”八个字总结。
一位头部企业的算法工程师私下坦言，带去展会的演示版本和实验室里最前沿的研究原型，“根本不在同一个量级”。展会环境堪称极端工况——电磁干扰、复杂光照、人群随机走动，任何一个变量都能让实验室里惊艳的效果当场失效。为了保障演示效果，参展企业普遍做出了降级的工程取舍。观众眼中那个自主决策的机器人，“背后可能是反复调试过的预设路径”。
“WAIC不像是一个纯技术展，更像是一场面向大众情绪的AI嘉年华。”这句评价刺痛了不少人，但也道出了一个真相：越热闹的地方，往往越接近情绪的核心，离技术的本质反而越远。
WAIC由此成为一面特殊的镜子——“照得出行业的热度与想象力，也照得见喧嚣之下的参差与真相”。对普通观众而言，这是一场触手可及的AI盛会；对产业中人而言，“这是一场需要反向解读的信号测试”。
3.4 共识与分歧的辩证法
把WAIC 2026的共识与分歧放在一起看，会发现一个有趣的辩证关系：
共识是“AI必须创造真实价值”——这没错。
分歧是“AI到底创造了多少真实价值”——这取决于你问谁。
萨顿说AI“弱小且不可靠”，但承认它“非常有用”。印奇说AI“跨越了临界点”，但也承认“智能体进入现实世界带来的不只是能力跃迁，更是秩序重构”。
分歧的双方，其实都在说同一件事的不同侧面。 AI既没有乐观者想象的那么“Ready”，也没有悲观者认为的那么“弱小”。它处在一种“足够好到产生价值，但远未好到兑现所有承诺”的中间状态。
结论：三个判断与三条建议
三个判断
判断一：AI的“iPhone时刻”还没来，但“功能机时代”已经结束了。
萨顿说得对——今天的AI确实“弱小且不可靠”，离真正的AGI还有很长的路。但印奇说得也对——它已经能独立工作数十小时，能编程、能推理、能成为生产力工具。
AI不是iPhone，而是2007年的智能手机——功能已经足够改变很多行业，但离完美还有巨大差距。这个差距里，藏着大量的商业机会。
判断二：行业共识是“要落地”，分歧是“怎么落地”。
WAIC 2026最大的共识是“参数竞赛结束了，落地比拼开始了”。但“落地”本身是一个极其宽泛的概念——是做Agent、做具身智能、做AI Infra、做AI4S？每条路径都有拥趸，每条路径都面临不同的挑战。
这种“非共识”状态，恰恰是产业早期的正常特征。当所有人都知道同一个答案时，机会早就没了。
判断三：不要被展馆里的热闹迷惑，也不要被学术界的批评吓退。
WAIC上的机器人表演很精彩，但那不是技术成熟度的证明。萨顿的批评很犀利，但他也承认AI“非常有用”。投资者和技术决策者需要同时看到硬币的两面——既不被泡沫裹挟，也不因批评而退缩。
三条建议
对技术管理者： 不要盲目追逐“世界模型”“AGI”等宏大概念。回归业务本质——AI能帮你解决什么具体问题？如果答案是模糊的，先想清楚再投入。
对IT决策者： 评估AI方案时，不要看Demo，要看生产环境的表现。展会上的成功率和真实场景中的成功率之间，可能差着一个数量级。要求供应商提供已经在同类场景中验证过的案例，而不是“理论上可以”。
对投资者： 分歧就是红利。当一个领域所有人都达成共识时，意味着超额收益已经消失。真正值得下注的，恰恰是那些技术路线尚未收敛、评价标准尚未统一、但市场需求已经明确的赛道。世界模型的六条路线里，最终可能只有一两条能跑通——但押注“跑通的过程”，比押注“跑通的结果”更有价值。