7 月 17 日的上海，WAIC 2026 主论坛上，图灵奖得主萨顿说了一句让很多人意外的话：今天的 AI，比较弱小且不可靠。我想着这句话戳破的，是我们自己一直混淆的现象：这几年，我们把"计算"，悄悄当成了"智能"。错误!未指定文件。
一、很能算，不等于会想
这几年陪企业做 AI 落地，一个感受越来越清晰：大家看到一个大模型 agent 按指令推算出结果，就觉得它会思考了。可真把过程拆开看，会发现它停在"执行层"。第一层，模式匹配不等于理解。萨顿自己说得很直白：大模型只是大规模模式识别，核心是把人类已有的知识整理后再交付。它把旧知重新排列了一遍，但没发现什么新知。我们看到的"聪明"，很多是海量数据里统计规律的回放：它知道"什么话常跟在什么话后面"，却未必知道"话背后的世界为什么是这样"。第二层，结果不确定，是因为概率，不是因为认知。一个大模型 agent 给你的答案不确定，根子在于它是按下一词预测的概率在跑。同一个问题问两遍，措辞稍变，结果可能就不同。这不是它在"斟酌"，是概率在波动。把"概率推算出的不确定结果"当成"有主见的判断"，是这一轮最容易犯的错。第三层，它缺目标，也没有环境里的反馈来校验自己。萨顿说 AI"弱小且不可靠"，很大程度指的是这个：它不知道自己算得对不对，因为它没有被放进一个真实的、能给它奖励和惩罚的环境里。大部分 Agent的基本原理上没跳出"概率统计"这个框架，运行本质是一系列张量计算。图灵研究所的 Erik Hoel 干脆把话挑明：所谓"推理"，多半只是伪装成思维链的下一词预测：一个足够大的固定大模型，数学上可以被一张巨大的查找表替代。所以"算得准"和"想得透"，恐怕不是同一件事。Agent 今天能做的，是把人类已有的知识，用更快的方式交付出来；它还没学会的，是自主去发现人类没有的知识。这也是为什么很多企业上了 agent，效率数字好看了，真要它"想出一个新办法"，还是得靠人。为什么我们这么容易把计算当成智能？我想，一半是因为演示太丝滑，一半是因为我们太想相信"智能时代到了"。企业买了 agent，看到它三秒出方案，就觉得"这下不用养那么多人了"。可真到复杂场景，agent 出的方案常常漂亮但落地不了——因为它缺的从来不是算得快，而是知道自己为什么算、算得对不对。
二、从数据时代，走向经验时代
过去十几年，AI 靠的是"数据"。把人类历史上能收集的文本、图像、代码，统统喂给模型，让它从静态数据集里学。但萨顿判断，这条路正在到头：很多高质量的数据源，已经被用完了。旧范式再堆数据，也很难长出真正的新知。更麻烦的是，"数据耗尽"不是暂时现象。人类几千年的文本就那么多，高质量的、没被用过的公开数据，正在快速见底。再往后，要么向合成数据要，要么向人的真实经验要。合成数据转一圈还是旧知，真正新鲜的，只在人的互动里。那下一步去哪？他说是"经验时代"：智能不再只从人类的静态数据里学，而是从自身的第一视角、与世界的真实互动里学。AlphaGo 下棋，不是背棋谱，是自己和自己下、从胜负里学；一个小孩玩玩具，没有现成数据集，是靠"摸""摔""试"长出对世界的理解。萨顿举过很多例子：足球运动员临门一脚，棒球手击球，甚至一只鸟、一头狮子——没有经验，就没有智能可言。我在《超级共生》里曾经写到过：人的经验，尤其是藏在脑子里的那层"隐性知识"，才是 AI 今天最缺的"经验"原料。我们很多企业做 AI，习惯先把流程"显性化"：把老师傅的判断写成 SOP，把客服的话术做成知识库。这一步没错。但真正的难点不在第一步，而在后面两步：怎么把零散的经验，变成 AI 能执行的规则；怎么让这些规则，在真实场景里持续校准。所以当很多人焦虑"Agent 会不会取代人"的时候，我反而觉得，真正值得盯紧的，是另一头：我们怎么把人几十年的经验，变成 AI 能接住、能放大的东西系统。
三、体验，不只是经验：不过
不过，就算 agent 真走进了萨顿说的"经验时代"，能跟世界互动、从自己的经验里学习，我想人还有一道它暂时追不上的护城河：体验。经验和体验，不是一回事。经验可以是"被记录下来的交互"；体验是"活着本身"。举个例子：玻璃杯从桌上掉下来，人脑子里会自动预测"它要碎了"，这是一套在身体里跑了很多年的因果世界模型；而大模型看到"玻璃杯掉下桌子"，更像是预测"后面常跟碎了这两个字"。一个是手里握着方向盘的司机，一个是只念导航的语音。司机真在开车，语音只是念稿。所以经验时代值得期待，但体验这道墙，Agent 短期内撞不过去。经验能被记录、被回放、被学习；体验是身体长出来的，没法上传，也没法下载。AI和人的差别究竟在哪？我想至少有三个东西，是当下的 AI 结构性地缺的。一是身体。它没有痛、没有饿，没有手被烫一下就缩回来的本能。它的所有"知道"，都是符号，不是感受。二是内在动机。它的目标几乎都是人给的，很少有"我想弄清楚"这种从自己身体里长出来的驱动力。它完成任务，不等于它"想要"完成。三是长期记忆和元认知。它超过几十步，错误率就明显往上走，很难像人那样，把几十年的事织成一张网，在关键时刻凭直觉调用。赛斯曾经说过：意识像是生命专属的馈赠，AI 可以模拟"做"，但永远得不到"活着"的那种主观体验。它写得再像人，也不是人。技术决定了 AI 的能力上限，而人性决定了 AI 的行为底线。我们拼命把 AI 推高，但最后要守住的，是边界：哪些事，必须人来定；哪些判断，必须人来做。边界之内，超级共生。
写在最后
数据智能，AI 已经很强；经验智能，才刚刚起步；而体验智能，可能是人类最后、也最该守住的护城河。在所有人都在狂欢算力的这些日子，我常常会想起一句话：你会而 AI 不会的，是你的体验、你的判断、你的主体性。别让一场算力竞赛，模糊了人何以为人。技术会一直往前跑，能力边界会不断被拓宽。但决定我们能走多稳、走多远的，从来不是技术有多强大，而是我们守住了怎样的底色。
