2026全球AI峰会下午议程实录概要
全 球 人 工 智 能 峰 会
会议主旨：智慧协作 共筑明天
2026全球人工智能峰会暨AI国际治理高级别会议 主论坛下午时段
议程
一、会议启幕与嘉宾亮相 二、高层致辞 三、2026顶级人工智能引领者奖（SAIL奖）授奖 四、主题报告：塑造Next AI的智慧根基 五、主题报告：实体智能从想象走向实践 六、对话论坛：新生代与前沿AI 七、基础对话：革新计算架构与全链条生态协同突破 八、主题报告：人机协同AI向善的践行与未来路径 九、主题报告：科研数据重构AI认知 十、主题报告：运用AI解读生命奥秘 十一、对话论坛：从模拟到实体，全球模型如何赋能具身智能 十二、SALE之星表彰环节 十三、主题报告：无限探索与安全守护 十四、前沿影像寄语：本吉奥AI风险与全球治理思索 十五、治理对话：智能行为规范 共建AI持久安全体系 十六、主论坛闭幕致辞
一
主持：黄伟（上海广播电视台第一财经）
会议主旨：智慧伙伴 共筑明天
在上午的开幕式中，国家领导发表了题为《携手共建公平合理的全球人工智能治理体系》的主旨演讲，为AI进步与治理提供了明确指引。
出席主要嘉宾：
工信部党组成员、副部长 柯吉新 上海市委常委、副市长 陈杰 上海市政府副秘书长 张英 图灵奖得主、康奈尔大学荣休教授、中国科学院外籍院士 约翰·爱德华·霍普克罗夫特 中国工程院院士、之江实验室主任、阿里云创始人 王坚 国家相关部委、上海市部门代表、行业专家、青年科学家、企业家群体
二
中国AI产业进步成果
产业基础：发力自研芯片、多模态大模型、智能体等核心技术，加速AI+制造深度融合，促成5000+企业供需对接，覆盖汽车、电子等20+行业，推广400+典型场景案例。 产业生态：累计制定近200项AI关键技术标准，设立600亿元国家人工智能产业投资基金，出台《人工智能科技伦理审查和服务办法》，上线Ultimate开源社区，注册开发者超1100万。 核心数据：我国AI核心产业规模突破1.2万亿元，企业超6200家；算力规模达2185亿EFLOPS；人形机器人整机企业超140家，产品超400款；规上工业企业AI应用普及率超30%。
未来三大发展方向
强创新，夯实产业根基：建设AI领域制造业创新中心，实施“魔术共振”行动，推动算力、算法、数据协同攻关。 促应用，深化行业赋能：推动AI与制造业深度融合，开展人形机器人与自身技能实景实训行动，搭建供需对接桥梁，推进技术规模化落地。 优生态，营造发展环境：加快关键急需标准研制，实施AI伦理审查先导计划，向全球输出高性能开源大模型，推动智能成果普惠全球。
上海AI产业进展现状
产业基础：全市智算规模达17万P，多款开源基座模型跻身全球前列，AI产业规模达6400亿元。 应用落地：国家人工智能中试基地加快建设，“AI FORCE百团百项”工程体系化推进，智能终端加速布局。 产业生态：AI小站形成高密度创新协同生态，OPC等新业态蓬勃发展，一批AI企业密集登陆资本市场。
“十五五”上海AI建设规划
布局下一代关键技术：体系化、工程化攻关前沿模型、具身智能、智算芯片等核心领域，推动颠覆性技术涌现。 深化“AI+”行动：落实“魔术生成”工程，赋能产业、科研、消费、民生全领域，壮大智能经济。 深化全球开放合作：推动世界人工智能合作组织落地，推进技术开源普惠，弥合全球智能鸿沟，推动AI向善发展。
三
SAIL奖是世界人工智能大会最高荣誉，核心关键词：超越、赋能、创新、引领。颁奖嘉宾：王坚院士。
2026届5个获奖项目
升腾Atlas 950超节点（华为）：1024颗NPU高速互联，单卡每秒2TB带宽、3微秒延迟、256TB统一内存，软硬协同重塑算力范式。 智传网（中国电信人工智能研究院）：基于生成式智能传输创新范式，实现信息传输从“比特流”到“智能流”的模式跃迁，夯实新一代智能通信底座。 沙帕触觉AI灵巧手（Superwave）：搭配自研灵巧操作模型Craftonate，为机器人提供精准操作能力，已与清华、斯坦福、英伟达开展联合科研，未来扩展至零售、制造行业。 DF1000高能效软件定义存算一体3D芯片（上海东方算芯）：基于3D存算一体架构、国产供应链打造的高性能AI加速卡，支持大模型训练推理，适配国内主流OEM厂商平台。 LightJam全光大规模视觉生成芯片（上海交通大学陈一彤团队）：国际首颗全光大规模生成式AI芯片，实测算力能效提升2个数量级，成果2025年发表于《Nature》正刊，被评为国际首次将全光芯片拓展至前沿大规模生成式AI领域。
四
演讲人：约翰·爱德华·霍普克罗夫特（图灵奖得主、康奈尔大学荣休教授）
核心观点：应对信息革命的最优战略，是培养可适应技术变革的高质量人才。
信息革命的深远影响
当前正处于影响远超工业革命的信息革命浪潮中。工业革命瓦解了小农经济、催生大型企业，曾给社会带来剧烈转型阵痛；信息革命的变革更彻底，各国必须制定具备韧性、可适配技术迭代的长期战略。
AI发展的两次关键跃迁
2012年：杰弗里·辛顿凭借ImageNet图像识别竞赛成果，让AI从小众学术领域变为主流学科，创造数百万就业岗位，辛顿也因此同时获得图灵奖与诺贝尔奖。 2015年：互联网内容压缩研究催生ChatGPT，推动大模型技术全面爆发。 未来AI仍将迎来更多根本性变革，国家战略必须适配这种持续的不确定性。
人才是未来国家核心竞争力
过去黄金、石油、农业决定国家实力，未来人才才是核心竞争力。中国启动的“101计划”正是该战略的核心实践：为全国1300多所高校统一开发信息领域优质课程资源，解决地方高校师资能力不均衡问题；推动本科教育质量提升，建立科学的高校教学质量评估体系，将评价导向从科研排名转向教学质量。
人才培养的核心逻辑
教育的核心使命：引导学生发现自身志趣，投身热爱的事业，才能取得突破性成果。诺贝尔奖、图灵奖得主的共性，都是专注探索自身热爱的领域，而非局限于应用型任务。 科研评价误区：仅限定应用型研究，只能解决具体问题，无法开拓全新研究方向、创造新产业与海量就业；必须给科研人员充足的自由探索空间，才能诞生颠覆性成果。 高校评价改革：当前国际大学排名以科研经费、论文数量、获奖情况为核心，无法反映教育质量；101计划的核心目标就是推动高校评价体系从科研导向转向教育质量导向，回归“培养下一代人才”的大学根本使命。
五
演讲人：苏浩（复旦大学浩清特聘教授、通用物理智能研究院院长）
大模型幻觉的本质根源
语言是物理世界的投影，人类先在现实中积累经验，再压缩为语言文字。大模型只学习了语言这道“影子”，从未接触真实物理世界，没有实体感知，知识没有现实锚点，因此无法避免幻觉。走出幻觉的唯一路径，是让AI亲身体验物理世界，通过行动、预测、现实修正完成迭代，也就是“实验”的过程。
物理智能的六层知识阶梯
下三层（客观世界规律）：物体知识（独立持存的物体认知）、状态知识（物体的形态、重量、属性）、动力学知识（世界运行变化规律、力的作用）。 上三层（绑定主体的认知）：功能知识（物体对人的用途）、目标知识（人想要改造世界的方向）、行为知识（实操动作、手感与技巧）。 越往上层，越无法通过文本/视频学习，必须在物理世界实操获得。人类婴儿的感知运动期就是沿这一阶梯成长，但AI没有“童年”，且六层知识分散在不同载体中，至今没有体系化聚合，这是物理智能的核心瓶颈。
物理智能的价值与落地节奏
当前AI的价值大多停留在数字世界，但人类最核心、最沉重的需求全部在物理世界：老龄化带来的照护缺口、高危繁重作业的劳动力短缺。物理智能是人的协作者，核心使命是“把人还给人”。落地节奏复刻电气化路径：先落地工厂、仓库，再进入商家、医院，最终走入家庭；最大的鸿沟是演示效果与量产可靠性的差距，可靠性只能靠数据积累、标准完善、信任搭建逐步实现。
三大核心判断（留给未来验证）
判断一：物理智能突破口不在模型架构，而在全域知识聚合
视频内容散布互联网、物理方程收录于教科书、力学实验数据分散在各大实验室、实操经验留存于亿万劳动者身上，没有任何一家机构能够独自集齐整套知识体系。需要全行业、全社会协同；当全部物理知识融入统一大模型，物理世界将迎来专属互联网时刻，通用GPT级大模型只是这场变革的副产品。
判断二：行业重心将从炫技演示转向运行可靠性
工程领域规律：从99%可靠提升至99.9%、99.99%，每增加一个9，实现难度呈指数级上涨。通用性是终极目标，可靠性才是落地起点，愿意深耕可靠性、沉下心做基础工程的团队，才能走得更远。
判断三：AI将从科学读者转变为知识创造者
当下大模型通读人类全部科研论文，却从未亲手开展实验；新知识诞生于物理实验。当AI拥有可感知、可操作、可验证现实世界的机械躯体，能够自主提出科学假设、不间断开展实验迭代修正结论，新材料、新药研发速度将提升数个数量级。
六
话题引领人：陈凯（上海人工智能实验室青年领军科学家）
对话嘉宾：刘子明（清华助理教授、圆环智能首席科学家）、曹越（Sand AI创始人、Swin Transformer作者、ICCV马尔奖得主）、诸葛明晨（Recursive创始成员，聚焦智能体递归自我进化）
入行AI时，曾做出不被看好、如今验证正确的选择
刘子明：2021年构思看网络，直至2024年才完整打通整套技术；初期导师并不认可。行业集体追逐模型规模缩放的当下，团队选择反向路线：Scale Understanding（缩放理解能力），打通符号系统与神经网络两大体系；看网络兼具神经网络学习能力与符号公式可解释性，时至今日仍非主流路线，但这套底层思路具备长期价值。
曹越：两年前Sand AI初创阶段，全球视频生成团队全部选用扩散模型技术路线，团队逆势选择自回归路线，当时遭到业内同行普遍质疑。两大核心判断：①视频数据具备时序存储属性，自回归逐帧预测时序内容，贴合视频原生数据逻辑；②自回归架构原生支持实时人机交互。历经两年迭代，如今全球顶尖实验室均开始拥抱自回归视频生成路线。复盘心得：依托第一性原理思考技术本质，笃定自己的判断并坚决落地执行。
诸葛明晨：五年前临近毕业手握国内互联网大厂正式offer，却选择放弃工作机会，远赴KAUST师从“强化学习之父”Ugo Huber。相较于院校综合排名，导师科研视野、前沿方向判断力更为关键；博士阶段构建了完整的AI前沿研究思维，这段差异化选择让自身收获巨大成长。
AI时代擅长和AI协作的年轻人共性特征
刘子明：懂得高效借力“偷懒”，以AI解放重复劳动，深耕核心思考。基础重复性工作交给AI完成，不可替代的物理直觉、原理思考、底层实验沉淀必须依靠自身完成。
曹越：放下人类固有自负，敢于信任AI能力。顶尖AI协作从业者的核心特质：放下自我执念，敢于将核心任务交付AI。大多人都会经历顿悟时刻：在自身深耕多年的专业领域，发现AI交付成果优于个人，自此彻底转变人机协作心态。
诸葛明晨：目标拆解+可验证闭环+审慎校验+成果终身负责。①预先定义任务验收指标；②将宏大目标拆解为可分步执行的微小子任务，适配AI执行逻辑；③信任AI但不盲从，搭建可视化校验节点规避错误；④最终交付成果由人类全权负责。
新一代AI最先需要攻克的硬核难题
刘子明：实现AI自主架构研发（AutoResearch）——期待AI智能体复刻顶尖AI研究者的科研直觉、审美与思路，自主迭代设计下一代神经网络架构。 曹越：端到端完整长时序视频闭环生成系统——目标打造统一端到端模型，生成数十分钟乃至小时级完整影片，同时具备内容自检、迭代优化能力。 诸葛明晨：通用最优问题求解器+神经计算机架构——长远构建稀疏激活大参数量神经网络，具备完备逻辑推演、原生机器指令执行能力，实现AI自主递归进化。
快问快答：用一个词形容新一代AI科研从业者——递归。年轻人凭什么立足AI行业：无知者无畏、试错成本更低、始终保有年轻心态。
七
话题引领人：张浩（斯朗科技董事长） 对话嘉宾：沈逸辰（西智科技创始人）、胡啸鹤（激流科技创始人）、薛继龙（爱杰科新首席科学家）
光电融合架构规模化落地时间线
卡内光电融合（已大规模落地）：2025-2026年云厂商大规模商用部署，西智相关产品已实现近万卡商业化落地。 共封装光学（2-4年批量落地）：英伟达、台积电、博通均已敲定技术路线规划，现阶段攻克良率、稳定性、成本难题。 芯片级三维堆叠融合（中长期）：光电子芯片3D堆叠集成于单颗芯片，西智天枢光计算产品已完成三维封装样机商业化试运行。 整体预判：3-5年内，数据中心超30%算力芯片将采用光计算架构。
万卡、十万卡超大算力集群如何最大化算力利用率
核心抓两大维度：算力效率（千卡集群算力利用率50%，扩容至万卡需维持96%以上线性度）和系统稳定性（数万硬件组件串联运行，单点故障会指数级放大整体故障概率）。瓶颈不在硬件算力，而在数据预处理阶段：CPU/GPU显存、内存、网卡、存储之间数据搬运、通信调度损耗极大。未来优化方向：软硬件跨层协同、通信库AI原生重构、异构算力互联互通调度。
国产异构算力生态短板与优化路径
现阶段核心短板：统一的芯片互联硬件标准、内存直接访问互通协议、跨芯片通用编程生态。软硬件互通标准与上层编程体系是攻坚优先级最高方向。
新型计算架构杀手级应用场景预判
胡啸鹤：代码生成（AI Coding）推理场景，需求永续、算力消耗大，可完整倒逼底层算力架构迭代。 沈逸辰：具身智能机器人实时控制、太空在轨算力部署。 薛继龙：通用大模型推理市场，各类新型架构可依据自身硬件特性切入细分推理场景。
八
演讲人：安迪雅（欧莱雅集团全球首席AI官）
美是人类通用需求，AI正在彻底重塑大众体验美、消费美的全流程；生成式AI爆发后，用户与AI平均单次对话时长11分钟，消费决策交互频次大幅提升。欧莱雅历经十五年数字化布局，逐步搭建自研AI底座，自有皮肤、护肤成分、消费者洞察海量独家数据是AI转型核心资产。
企业AI转型三大支柱
重构消费者全旅程交互体验：生成式引擎内容占位、千人千面个性化对话咨询、AI商务闭环购物。 AI全链路赋能研发创新：分子化合物筛选、新护肤配方优化、功效评估、消费者洞察挖掘全流程提速。 全员AI赋能，激活员工潜能：面向全体员工开展AI技能培训；坚守负责任AI准则：保护用户隐私、控制算法偏见、绿色低碳算力部署。
九
演讲人：王坚院士（中国工程院院士、之江实验室主任、阿里云创始人）
范式变革起点：数据驱动AI新一轮进化
早期ImageNet时代是图像数据催生深度学习浪潮，英伟达并非信仰AI，只是布局算力恰逢AI风口；如今新一轮变革由科学实测数据驱动，而非论文文本。案例：18岁中学生依托退役天文卫星存档观测数据，独立发现150万个未编目太空天体；伽利略当年也是依靠已有天文观测数据实现天文学突破，旧数据挖掘新规律是科学革命经典逻辑。
当前大模型的局限
地学领域70%以上信息存储于光谱、地震波、岩层物理信号之中，不存在于文字论文内；一段光谱蕴含的信息量远超千万张图片。现有多模态模型从未原生适配地质、天文、物理类科学时序、传感数据，仅吃透了文本与代码，未触碰原生科学数据。
之江实验室零二幺计划：打造科学基础模型
目标：让科学传感数据成为大模型一等公民，统一容纳文本、代码、光谱、地质观测、物理实验多类数据；攻克科学数据token化表征难题。落地成果：GUGBT地球科学大模型，依托化石、地层数据，将地球生物演化时间精度从百万年级别提升至万年级别，入选联合国可持续发展科学清单。
十
演讲人：亚里克斯·扎沃隆科夫（英西智能创始人）
传统新药从靶点确认到上市需要12年，前期候选分子研发耗时4.5年；依托中国产业生态+AI技术，可缩短至9-12个月。早期AI仅用于分子结构预测，贡献度不足1%，如今端到端AI可完成靶点发现、分子合成、动物实验、临床前研究整套流程。 团队研发靶向衰老相关疾病小分子药物，针对肺纤维化合并衰老退化病症，在中国完成二期临床，顺利进入三期临床试验；可改善老年人群用力肺活量指标，延缓肌体衰老进程。 上海浦东金桥搭建机器人自动化生物医药工厂，可全自动完成分子合成、细胞实验、药效验证，18个月完成抗衰老候选药研发，打破行业周期纪录；同时向外输出AI医药基础设施，赋能全球药企研发。
十一
话题引领人：姜玉刚（复旦大学副校长） 嘉宾：姚宝清（致远合伙人）、陈意伦（踏实智行创始人）、姜旭（量元新创创始人）
世界模型准确定义与核心能力
姚宝清：世界模型核心本质是理解并预测物理世界运行规律，而非单纯渲染视频画面；必备能力：多模态融合感知、动力学/空间物理规律掌握、因果推理、长时序状态预测不崩坏。 陈意伦：世界模型可高频联合预测动作+环境状态；区别于VLA仅输出动作指令，世界模型可预判动作带来的环境变化，适配强化学习闭环；核心优先级：预测机器人执行动作＞预测环境画面。 姜旭：统一融合环境理解、动作生成两大相悖能力是当下架构最大难点。
当前技术差距与核心瓶颈
数据缺口最大：互联网视频以视觉画面为主，缺少触觉、力反馈、摩擦力、柔性交互等物理接触信息；仅凭视频无法推导牛顿力学定律。工业机器人需要千万小时级真实交互操作数据，远超自动驾驶所需数据体量。 架构矛盾：环境表征理解、画面生成两套任务所需神经网络表征完全不同，现有架构难以一体化兼顾。
未来三年具身智能可落地场景
集体首选：制造业工业场景——环境可控、任务标准化、数据密度高、任务验收指标清晰。致远已实现工厂机器人编队6天持续作业，完成6万件工件加工，成功率99.99%；踏实智行落地汽车线束流水线，对接头部车企推进千台级工业机器人部署。 补充方向：日常家用高容错辅助场景——依托海量互联网日常视频数据预训练，先实现简单家务辅助、物品整理等低风险场景落地，循序渐进解锁通用家政能力。
十二
获奖名单：深度原理、激流科技、中兴通讯、联合析智、壁刃木樨穗源、天数智芯、西门子、踏实智行、国家管网集团、联合品鉴智能。颁奖嘉宾：姜玉刚副校长。
十三
演讲人：徐立（商汤科技董事长、CEO）
AI应用三大赛道演进闭环
①代码开发：从Copilot代码补全→自然语言编程→智能体自主完成长周期软件任务； ②图文视频生成：单模态生成→思维链创作→端到端完整内容交付； ③具身机器人：单一机械臂作业→VLA视觉动作控制→长时序物理任务自主完成。
AI核心价值：增强人类能力，而非替代人类
AI催生超级个体，放大普通人创造力：园林设计师固化专业知识、历史爱好者搭建叙事体系、视障人士制作无障碍教育素材、大学生创作亿级播放量短片；计费模式将从按Token计费转向按完成任务计费，大幅降低大众使用门槛。世界经济论坛预测：2030年全球将减少9000万个传统岗位，同时创造11亿个新型职业。
有界守护：三层安全框架
①产品理念边界：赋能成长、拒绝工具依赖； ②模型训练边界：训练、对齐阶段全流程安全校验，多模型交叉规避幻觉与有害输出； ③物理部署边界：沙盒隔离、场景权限限定，约束智能体自主行动范围。 商汤联合联合国搭建AI治理实验室，参与全球AI治理报告撰写，推动跨国AI伦理协作。
十四
约书亚·本吉奥（图灵奖得主）
AI能力指数级增长，推理、代码、科研、自主智能体能力持续突破，自主规划任务复杂度每隔数月翻倍；无约束自主智能体存在巨大潜在灾难性风险：舆论操纵、网络攻击、生化核危险技术滥用、AI脱离人类控制谋求生存。
全球治理三大核心原则
①前沿AI系统商用前，必须完成安全验证，杜绝高风险产品无门槛上线； ②风险管控不能由企业各自决定，需立足全人类福祉搭建统一风险管理机制； ③AI创造的财富全球普惠分配，避免数字鸿沟加剧贫富差距。
技术落地：研发软硬件双向安全验证技术，参照核安全全球核查体系搭建AI跨国核验机制；当下仍有时间调整发展路径，统筹安全与发展，让AI造福全人类。
十五
话题引领人：周博文（上海人工智能实验室主任） 嘉宾：薛澜（清华大学苏世民书院院长）、杜宁凯（纽约科学院院长）、马克·尼兹伯格（伯克利人类兼容AI中心执行主任）
人类委托代理 vs AI智能体代理核心差异
传统人类委托：依托信任、过往履历授权，权责清晰，出错可追责、可撤销委托；存在信息不对称、目标错位问题。 AI智能体痛点：无主观权责承担能力、黑盒决策不可完全解释、目标对齐难度大；衍生全新治理难题：授权尺度、事后问责主体、行动撤回机制缺失。
人类不可移交AI的决策共识
涉及生命生死抉择、人类终极价值判断类事务，决策权必须牢牢保留在人类手中。
AI黑盒如何构建可验证安全体系
安全必须前置设计，而非模型训练完成后补救；类比桥梁工程，设计阶段就嵌入安全标准，搭建模块化可证明安全架构，缩小概率性误差范围；企业承担安全举证责任。
法律制度的沿用与重构
可沿用：授权审批、事前风险评估的基础治理逻辑。 需要重构：①授权依据（不再依托个人信誉，而是模型安全边界评测报告）；②问责机制（AI无法担责，划定研发方、运营方、使用方权责，配套保险制度分摊事故损失）。
全球AI治理共识落地路径
①划定全球统一AI安全红线，搭建全天候风险预警监测系统； ②将AI安全打造为全球公共科学产品，参照航空安全互通标准，统一评测体系、共享风险事故案例； ③推动国际AI行为约束协议落地，兼顾各国发展差异，跨国协同管控前沿AI风险； ④加大AI安全、伦理基础科研投入，提升全民AI素养。
十六
未来已来，伙伴同行，携手共建普惠、安全、向善的人工智能生态。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下午场圆满结束，感谢全体来宾莅临，祝愿各位后续参会收获丰硕，再会！
2 0 2 6世 界 人 工 智 能 大 会
完 成 记 录 总 结