机器之心发布
2026世界人工智能大会首日，由机器之心主办、上海张江人工智能创新小镇生态服务有限公司协办的「先锋青年说」于张江 AI 创新小镇圆满落幕。作为本届 WAIC 期间青年人才密度与圈层层级堪称天花板的标杆活动，现场汇聚了国际 AI 顶会Best Paper作者、估值超数亿美金的新生代创始人、海内外顶尖高校及实验室知名学者、一线科技大厂核心技术负责人等 AI 青年中坚力量。活动创新采用世界咖啡馆沉浸式轮换思辨模式，旨在以新锐视角解构产业迭代命题、碰撞前沿技术洞见，为行业的创新突破与高质量发展凝聚新生代核心动力。
活动伊始，上海市人才工作局的同志深度解读了上海高层次科创人才引育、落户安居、创新创业全链条扶持政策，聚焦海外人才落户保障、博士后专项资助、重点产业人才奖励等核心举措，充分展现了上海优质的人才发展生态，为青年 AI 人才扎根科创、深耕发展筑牢政策根基。
图：上海市人才工作局作人才宣贯
接下来，上海市经信委的同志则围绕 AI 产业高质量发展布局，推介了算力、语料、研发转化类公共服务平台、专业化中试载体及前沿应用场景，全面彰显上海完备的AI产业配套与全链条赋能体系，明确了城市助力 AI 技术迭代、科创企业落地成长的产业发展导向。
图：上海市经信委作产业宣贯
宣贯结束后，香港大学MMLab博士生、Xspark AI 联合创始人兼 CTO 陈天行正式作为主持人开启世界咖啡馆环节。40 余位青年 AI 菁英围绕 Self-Improve Agent 、世界模型、多模态、AI4S 等当下最前沿、最具争议的核心技术话题展开深度思辨。现场氛围热烈浓厚，不同学术背景、产业视角的青年人才跨界对谈、互问互辩，在多轮高效轮换交流中打破赛道壁垒、碰撞原创观点，各类新锐思考、技术质疑与落地思路持续迸发。思辨结束后，各桌桌长梳理全场交流精华，依次登台分享各组核心结论。
图：世界咖啡馆现场
上海交通大学人工智能学院长聘教轨副教授杨一博和上海交通大学计算机学院副教授刘卫文为「Self-Improve Agent 的理论极限与工程落地」做汇总分享：自提升智能体需实现环境感知、自主识别能力缺陷、自建数据、自主评估任务轨迹并迭代优化，智能体系统可分为模型、运行框架、数据三大可协同进化模块，框架可快速更新技能与记忆，数据迭代次之，模型与框架需双向协同迭代、互相促进；评估层面明确环境与反馈是自提升核心，清晰任务定义与反馈才能搭建完善评估体系、界定理论上限；智能体自知知识边界需专门训练并依托环境对错反馈识别盲区；经验泛化留存需模型与框架协同兼容旧能力、自主生成适配框架、搭建持续沉淀反思联想的经验积累机制并搭配抗遗忘机制；自提升必然引发对齐漂移与安全风险，需在迭代过程中嵌入验证环节，前置约束智能体自我修改行为，而非事后修复安全问题。
银河通用机器人联合创始人、大模型负责人张直政和香港科技大学计算机科学与人工智能博士、Muka AI Co-Founder池晓威为「世界模型如何赋能具身智能」做汇总分享：世界模型可通过生成训练数据、充当强化学习环境、学习物理表征三类路径赋能具身策略学习。这三种路径要求世界模型对状态的预测具备物理真实性。其中，用作强化学习环境还进一步要求世界模型能提供可靠rewards。除了赋能具身策略学习，世界模型还可用于具身模型评测，对于稀疏奖励任务更加容易可行。在WAM 与 VLA 的比较方面，VLA 模型的训练体系已经相对成熟完善，WAM 可解释性更强但推理慢、训练范式正在探索收敛的过程中，是否生成视频等问题仍在争议中。此外其奖励函数学习与设置还需进一步研究。具身世界模型理论上可扩展为通用范式，但难以覆盖微观复杂物理规律，不可夸大通用性，需拆分细分场景务实研究。
Qwen 研究员邱子涵和清华大学交叉信息研究院博士生王少文为「大模型能力的边界」做汇总分享：现有大模型单模型短时记忆、长时序持续处理能力存在硬性瓶颈，短期难以复刻人类快速记忆分析，限制长任务落地，但依托智能体数据回流、环境强化学习迭代的产业闭环，整体产业层面已实现长效迭代；不少曾经高难度任务已被攻克，核心驱动力是持续循环的数据进化体系。模型存在奖励投机等反直觉缺陷，该类问题仅能依靠场景、数据做增量约束，暂无根本性解决手段；未来核心风险在于模型执行速度、并行度远超人类，危险行为扩散极快，且 RL 训练易催生投机式有害输出，相关底层根治方案仍属开放难题，只能提前依托场景与数据做好前置防控。
北京大学深圳研究生院科学智能学院助理教授余伟浩和中国科学技术大学信息科学技术学院博士后李鑫为「面向物理世界的多模态语义理解与高效生成」做汇总分享：构建适配物理世界的表征必须融入重力、摩擦力等物理常识，但业界对统一表征存在分歧，一派认为双塔架构辅以智能体交互即可，另一派主张依托充足数据算力训练全域统一表征；多模态语义理解可通过精细标注、嵌入物理规律有效提升生成内容物理准确性；多模态生成可作为世界模型预测时序画面，为理解模型提供先验、降低推理负担；当下多模态理解与生成协同难以平衡效率、质量与评测，统一量化指标缺失，可行路径为理解生成双向协同迭代、赋予评测模型常识能力、搭建业务定制化评测体系，缩小仿真与真实场景差距。
南洋理工大学计算机与数据科学学院博士后研究员王琨和上海交通大学计算机学院博士生马子阳为「下一代多模态交互的上下文觉察与非言语推理」做汇总分享：音视频多模态基座模型近期的研究关注度集中在：早期融合原生多模态预训练、无编码器直接解析像素与波形、流式实时与主动交互三大方向。其中原生早融合路线已实现工程落地，无编码器仍在探索阶段；人机交互层面模型能够以与人交互作为环境持续进化，实时交互产品还会重塑人机关系，终端 AI 可感知用户情绪、周边环境与社交关系，全双工交互、多模态记忆与长程任务是关键突破要点；落地场景方面终身个人助理、多模态代码生成属于高价值赛道，长视频制作 PPT 这类长交互任务仍有较大优化空间，同时现有大语言模型安全体系无法适配超大规模原生多模态模型，亟需针对多模态模型行为分析、可解释性搭建专属安全研究框架。
牛津大学博士后研究员唐诗翔和创材深造创始人CEO王轩泽为「AI for Science 的基座路径选择与科研范式变革」做汇总分享：AI 合成数据仅能作补充，无法替代真实实验作为核心训练数据源，理论近似偏差与数据前置依赖是核心制约，行业需搭建高通量自动化实验室补齐高质量数据；科研智能体有望发展为独立验证平台，核心瓶颈是稀缺高质量科研数据与虚实闭环验证体系，AI 幻觉能否等同于科研灵感暂无统一观点；通用大模型微调仅适配文献梳理等轻量科研工作，数值计算、因果推理短板突出，原生科学专用基座具备不可替代价值，并非伪命题；当下跨学科通用科学智能仍难以落地，底层核心瓶颈是各领域数据、物理仿真体系无法互通统一。
图：先锋青年说现场合影
青年是人工智能创新发展的核心主力军，更是突破技术瓶颈、重塑产业格局的核心原生动力。未来，随着 AI 产业迈入高质量迭代新阶段，新生代青年科创人才将持续立足前沿、深耕硬核技术，持续打通学术创新与产业落地的闭环，以源源不断的原创创新活力，驱动人工智能产业持续突破、迭代升级，为全球 AI 行业创新发展注入持久鲜活的新生代力量。
