先鋒青年說(shuō)圓滿收官｜WAIC人才濃度「天花板」，新銳力量共探AI下半場(chǎng)

機(jī)器之心發(fā)布

2026世界人工智能大會(huì)首日，由機(jī)器之心主辦、上海張江人工智能創(chuàng)新小鎮(zhèn)生態(tài)服務(wù)有限公司協(xié)辦的「先鋒青年說(shuō)」于張江AI創(chuàng)新小鎮(zhèn)圓滿落幕。作為本屆WAIC期間青年人才密度與圈層層級(jí)堪稱天花板的標(biāo)桿活動(dòng)，現(xiàn)場(chǎng)匯聚了國(guó)際AI頂會(huì)Best Paper作者、估值超數(shù)億美金的新生代創(chuàng)始人、海內(nèi)外頂尖高校及實(shí)驗(yàn)室知名學(xué)者、一線科技大廠核心技術(shù)負(fù)責(zé)人等AI青年中堅(jiān)力量。活動(dòng)創(chuàng)新采用世界咖啡館沉浸式輪換思辨模式，旨在以新銳視角解構(gòu)產(chǎn)業(yè)迭代命題、碰撞前沿技術(shù)洞見，為行業(yè)的創(chuàng)新突破與高質(zhì)量發(fā)展凝聚新生代核心動(dòng)力。

活動(dòng)伊始，上海市人才工作局的同志深度解讀了上海高層次科創(chuàng)人才引育、落戶安居、創(chuàng)新創(chuàng)業(yè)全鏈條扶持政策，聚焦海外人才落戶保障、博士后專項(xiàng)資助、重點(diǎn)產(chǎn)業(yè)人才獎(jiǎng)勵(lì)等核心舉措，充分展現(xiàn)了上海優(yōu)質(zhì)的人才發(fā)展生態(tài)，為青年AI人才扎根科創(chuàng)、深耕發(fā)展筑牢政策根基。

圖：上海市人才工作局作人才宣貫

接下來(lái)，上海市經(jīng)信委的同志則圍繞AI產(chǎn)業(yè)高質(zhì)量發(fā)展布局，推介了算力、語(yǔ)料、研發(fā)轉(zhuǎn)化類公共服務(wù)平臺(tái)、專業(yè)化中試載體及前沿應(yīng)用場(chǎng)景，全面彰顯上海完備的AI產(chǎn)業(yè)配套與全鏈條賦能體系，明確了城市助力AI技術(shù)迭代、科創(chuàng)企業(yè)落地成長(zhǎng)的產(chǎn)業(yè)發(fā)展導(dǎo)向。

圖：上海市經(jīng)信委作產(chǎn)業(yè)宣貫

宣貫結(jié)束后，香港大學(xué)MMLab博士生、Xspark AI聯(lián)合創(chuàng)始人兼CTO陳天行正式作為主持人開啟世界咖啡館環(huán)節(jié)。40余位青年AI菁英圍繞Self-Improve Agent、世界模型、多模態(tài)、AI4S等當(dāng)下最前沿、最具爭(zhēng)議的核心技術(shù)話題展開深度思辨。現(xiàn)場(chǎng)氛圍熱烈濃厚，不同學(xué)術(shù)背景、產(chǎn)業(yè)視角的青年人才跨界對(duì)談、互問(wèn)互辯，在多輪高效輪換交流中打破賽道壁壘、碰撞原創(chuàng)觀點(diǎn)，各類新銳思考、技術(shù)質(zhì)疑與落地思路持續(xù)迸發(fā)。思辨結(jié)束后，各桌桌長(zhǎng)梳理全場(chǎng)交流精華，依次登臺(tái)分享各組核心結(jié)論。

圖：世界咖啡館現(xiàn)場(chǎng)

上海交通大學(xué)人工智能學(xué)院長(zhǎng)聘教軌副教授楊一博和上海交通大學(xué)計(jì)算機(jī)學(xué)院副教授劉衛(wèi)文為「Self-Improve Agent的理論極限與工程落地」做匯總分享：自提升智能體需實(shí)現(xiàn)環(huán)境感知、自主識(shí)別能力缺陷、自建數(shù)據(jù)、自主評(píng)估任務(wù)軌跡并迭代優(yōu)化，智能體系統(tǒng)可分為模型、運(yùn)行框架、數(shù)據(jù)三大可協(xié)同進(jìn)化模塊，框架可快速更新技能與記憶，數(shù)據(jù)迭代次之，模型與框架需雙向協(xié)同迭代、互相促進(jìn)；評(píng)估層面明確環(huán)境與反饋是自提升核心，清晰任務(wù)定義與反饋才能搭建完善評(píng)估體系、界定理論上限；智能體自知知識(shí)邊界需專門訓(xùn)練并依托環(huán)境對(duì)錯(cuò)反饋?zhàn)R別盲區(qū)；經(jīng)驗(yàn)泛化留存需模型與框架協(xié)同兼容舊能力、自主生成適配框架、搭建持續(xù)沉淀反思聯(lián)想的經(jīng)驗(yàn)積累機(jī)制并搭配抗遺忘機(jī)制；自提升必然引發(fā)對(duì)齊漂移與安全風(fēng)險(xiǎn)，需在迭代過(guò)程中嵌入驗(yàn)證環(huán)節(jié)，前置約束智能體自我修改行為，而非事后修復(fù)安全問(wèn)題。

銀河通用機(jī)器人聯(lián)合創(chuàng)始人、大模型負(fù)責(zé)人張直政和香港科技大學(xué)計(jì)算機(jī)科學(xué)與人工智能博士、Muka AI Co-Founder池曉威為「世界模型如何賦能具身智能」做匯總分享：世界模型可通過(guò)生成訓(xùn)練數(shù)據(jù)、充當(dāng)強(qiáng)化學(xué)習(xí)環(huán)境、學(xué)習(xí)物理表征三類路徑賦能具身策略學(xué)習(xí)。這三種路徑要求世界模型對(duì)狀態(tài)的預(yù)測(cè)具備物理真實(shí)性。其中，用作強(qiáng)化學(xué)習(xí)環(huán)境還進(jìn)一步要求世界模型能提供可靠rewards。除了賦能具身策略學(xué)習(xí)，世界模型還可用于具身模型評(píng)測(cè)，對(duì)于稀疏獎(jiǎng)勵(lì)任務(wù)更加容易可行。在WAM與VLA的比較方面，VLA模型的訓(xùn)練體系已經(jīng)相對(duì)成熟完善，WAM可解釋性更強(qiáng)但推理慢、訓(xùn)練范式正在探索收斂的過(guò)程中，是否生成視頻等問(wèn)題仍在爭(zhēng)議中。此外其獎(jiǎng)勵(lì)函數(shù)學(xué)習(xí)與設(shè)置還需進(jìn)一步研究。具身世界模型理論上可擴(kuò)展為通用范式，但難以覆蓋微觀復(fù)雜物理規(guī)律，不可夸大通用性，需拆分細(xì)分場(chǎng)景務(wù)實(shí)研究。

Qwen研究員邱子涵和清華大學(xué)交叉信息研究院博士生王少文為「大模型能力的邊界」做匯總分享：現(xiàn)有大模型單模型短時(shí)記憶、長(zhǎng)時(shí)序持續(xù)處理能力存在硬性瓶頸，短期難以復(fù)刻人類快速記憶分析，限制長(zhǎng)任務(wù)落地，但依托智能體數(shù)據(jù)回流、環(huán)境強(qiáng)化學(xué)習(xí)迭代的產(chǎn)業(yè)閉環(huán)，整體產(chǎn)業(yè)層面已實(shí)現(xiàn)長(zhǎng)效迭代；不少曾經(jīng)高難度任務(wù)已被攻克，核心驅(qū)動(dòng)力是持續(xù)循環(huán)的數(shù)據(jù)進(jìn)化體系。模型存在獎(jiǎng)勵(lì)投機(jī)等反直覺缺陷，該類問(wèn)題僅能依靠場(chǎng)景、數(shù)據(jù)做增量約束，暫無(wú)根本性解決手段；未來(lái)核心風(fēng)險(xiǎn)在于模型執(zhí)行速度、并行度遠(yuǎn)超人類，危險(xiǎn)行為擴(kuò)散極快，且RL訓(xùn)練易催生投機(jī)式有害輸出，相關(guān)底層根治方案仍屬開放難題，只能提前依托場(chǎng)景與數(shù)據(jù)做好前置防控。

北京大學(xué)深圳研究生院科學(xué)智能學(xué)院助理教授余偉浩和中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院博士后李鑫為「面向物理世界的多模態(tài)語(yǔ)義理解與高效生成」做匯總分享：構(gòu)建適配物理世界的表征必須融入重力、摩擦力等物理常識(shí)，但業(yè)界對(duì)統(tǒng)一表征存在分歧，一派認(rèn)為雙塔架構(gòu)輔以智能體交互即可，另一派主張依托充足數(shù)據(jù)算力訓(xùn)練全域統(tǒng)一表征；多模態(tài)語(yǔ)義理解可通過(guò)精細(xì)標(biāo)注、嵌入物理規(guī)律有效提升生成內(nèi)容物理準(zhǔn)確性；多模態(tài)生成可作為世界模型預(yù)測(cè)時(shí)序畫面，為理解模型提供先驗(yàn)、降低推理負(fù)擔(dān)；當(dāng)下多模態(tài)理解與生成協(xié)同難以平衡效率、質(zhì)量與評(píng)測(cè)，統(tǒng)一量化指標(biāo)缺失，可行路徑為理解生成雙向協(xié)同迭代、賦予評(píng)測(cè)模型常識(shí)能力、搭建業(yè)務(wù)定制化評(píng)測(cè)體系，縮小仿真與真實(shí)場(chǎng)景差距。

南洋理工大學(xué)計(jì)算機(jī)與數(shù)據(jù)科學(xué)學(xué)院博士后研究員王琨和上海交通大學(xué)計(jì)算機(jī)學(xué)院博士生馬子陽(yáng)為「下一代多模態(tài)交互的上下文覺察與非言語(yǔ)推理」做匯總分享：音視頻多模態(tài)基座模型近期的研究關(guān)注度集中在：早期融合原生多模態(tài)預(yù)訓(xùn)練、無(wú)編碼器直接解析像素與波形、流式實(shí)時(shí)與主動(dòng)交互三大方向。其中原生早融合路線已實(shí)現(xiàn)工程落地，無(wú)編碼器仍在探索階段；人機(jī)交互層面模型能夠以與人交互作為環(huán)境持續(xù)進(jìn)化，實(shí)時(shí)交互產(chǎn)品還會(huì)重塑人機(jī)關(guān)系，終端AI可感知用戶情緒、周邊環(huán)境與社交關(guān)系，全雙工交互、多模態(tài)記憶與長(zhǎng)程任務(wù)是關(guān)鍵突破要點(diǎn)；落地場(chǎng)景方面終身個(gè)人助理、多模態(tài)代碼生成屬于高價(jià)值賽道，長(zhǎng)視頻制作PPT這類長(zhǎng)交互任務(wù)仍有較大優(yōu)化空間，同時(shí)現(xiàn)有大語(yǔ)言模型安全體系無(wú)法適配超大規(guī)模原生多模態(tài)模型，亟需針對(duì)多模態(tài)模型行為分析、可解釋性搭建專屬安全研究框架。

牛津大學(xué)博士后研究員唐詩(shī)翔和創(chuàng)材深造創(chuàng)始人&CEO王軒澤為「AI for Science的基座路徑選擇與科研范式變革」做匯總分享：AI合成數(shù)據(jù)僅能作補(bǔ)充，無(wú)法替代真實(shí)實(shí)驗(yàn)作為核心訓(xùn)練數(shù)據(jù)源，理論近似偏差與數(shù)據(jù)前置依賴是核心制約，行業(yè)需搭建高通量自動(dòng)化實(shí)驗(yàn)室補(bǔ)齊高質(zhì)量數(shù)據(jù)；科研智能體有望發(fā)展為獨(dú)立驗(yàn)證平臺(tái)，核心瓶頸是稀缺高質(zhì)量科研數(shù)據(jù)與虛實(shí)閉環(huán)驗(yàn)證體系，AI幻覺能否等同于科研靈感暫無(wú)統(tǒng)一觀點(diǎn)；通用大模型微調(diào)僅適配文獻(xiàn)梳理等輕量科研工作，數(shù)值計(jì)算、因果推理短板突出，原生科學(xué)專用基座具備不可替代價(jià)值，并非偽命題；當(dāng)下跨學(xué)科通用科學(xué)智能仍難以落地，底層核心瓶頸是各領(lǐng)域數(shù)據(jù)、物理仿真體系無(wú)法互通統(tǒng)一。

圖：先鋒青年說(shuō)現(xiàn)場(chǎng)合影

青年是人工智能創(chuàng)新發(fā)展的核心主力軍，更是突破技術(shù)瓶頸、重塑產(chǎn)業(yè)格局的核心原生動(dòng)力。未來(lái)，隨著AI產(chǎn)業(yè)邁入高質(zhì)量迭代新階段，新生代青年科創(chuàng)人才將持續(xù)立足前沿、深耕硬核技術(shù)，持續(xù)打通學(xué)術(shù)創(chuàng)新與產(chǎn)業(yè)落地的閉環(huán)，以源源不斷的原創(chuàng)創(chuàng)新活力，驅(qū)動(dòng)人工智能產(chǎn)業(yè)持續(xù)突破、迭代升級(jí)，為全球AI行業(yè)創(chuàng)新發(fā)展注入持久鮮活的新生代力量。