# 机器人在某些单一赛道开始超越人！AI新经济走到转折点 - 新浪财经

*Источник: 新浪财经*
*Дата: 2026-09-10*
*Язык: zh*

**Кратко:** 机器人在某些单一赛道开始超越人！AI新经济走到转折点
（来源：上观新闻）
9月10日，2026外滩大会正式开幕。在上午举行的主论坛上，多位经济学家、技术专家、企业高管汇集，大家关心讨论的其实是同一个问题：AI新经济到底走到哪一步了？哪些是真趋势，哪些是泡沫？
大模型：离自主发现还有距离
当前，大模型技术路线可谓百舸争流。激烈的市场竞争，正带动大模型快速迭代，推动技术革命的到来。
源码资本投资合伙人张宏江的判断很直接：大模型是人类历史上发展最快的一次技术浪潮。他把它分成三个台阶：ChatGPT带来预训练突破，OpenAI的O-one带来推理模型突破，Claude Code等长程思考链智能体，则把AI推进了“智能体时代”，AI大模型正变得越来越聪明。
AI的飞速进化，可能将重塑未来经济形态。在张宏江看来，未来企业拼的不是有多少人、多少知识产权，而是能不能把经验、客户关系、产品能力变成智能，变成能“涌现”的模型。所谓“涌现”，就是模型规模大到一定程度后，突然出现了训练时没教过的能力。谁的数据干净、验证可靠、执行安全，谁就能把智能体从玩具变成生产力。他还提出了一个通俗比喻，作为智能体经济“货币”的Token（词元）会成为“新一代的茅台”。
但也有业内人士持谨慎观点。普林斯顿大学教授王梦迪目前正在带领团队进行AI4S（AI科学）的研究，她认为AI离自主发现新科学还有距离。
王梦迪团队做了一则让大模型“模拟人生”的实验，结果显示，大模型爱扎堆最常见答案，容易低估少见情况。换句话说，大模型擅长在已知答案里找最优解，不擅长发现没见过的新东西。更关键的是，排除编程和数学，大模型在生物、化学、物理等实验学科里，还没有真正发现新科学。原因是科学实验常常没法重复：70%的实验无法重现，甚至50%的结果连做实验的科学家本人也重现不了。
诺贝尔经济学奖得主阿吉翁预测，通过AI提高商品生产自动化和创意生产自动化，未来十年人类生产率有望每年提高0.68个百分点。但他同时也提醒，增长潜力能不能释放，取决于竞争政策、教育体系和灵活保障制度。
机器人：单一赛道开始超越人类
大模型的发展直接带动了具身智能产业的火热。例如近期ChatGPT—6发布的大模型Astra，语言模型可以直接控制机械臂、灵巧手，引发了业界关注。
破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲透露，其团队第一时间做了测试：Astra在语义和空间泛化上很强，能认出桌面物体，能抓起筷子，甚至把筷子插进杯子，还能完成递物动作。但一旦涉及复杂物理接触，比如用筷子挑东西、叠盒子、叠衣服，控制力就不行了。这暴露出在具身智能应用上，大模型火候仍然欠缺。
要解决具身智能的“大脑”问题，还要从数据底层做起。蚂蚁灵波科技首席科学家沈宇军表示，机器人必须依赖身上传感器源源不断的输入，边工作边推理，这与数字世界轮次式对话完全不同，也决定了具身智能数据收集的难度。
数据上，苏度科技联合创始人兼CEO韩铮认为，仿真绕不过去。仿真就是用计算机模拟物理世界，让机器人在虚拟环境里练习。只靠真实数据收集，效率慢、质量受限；但仿真也不能包打天下，最终要上下分层、配合使用。
这透露出一种未来的产业趋势，即具身智能不会靠“纯仿真”或“纯真机”单条腿走路，而会像“虚拟驾校+真实路考”：先在仿真里低成本、大规模地练基本功，再到真实世界里校准触觉、噪声和长尾意外。谁能把这两套系统高效接起来，谁就更有机会把机器人从演示视频带进真实产线。
在某些单一场景里，机器人已经开始实现对人类技能的超越。自变量机器人创始人兼CEO王潜透露，其研发的机器人已在物流场景做到传统机器人做不到的事，并超过人类ROI（投资回报率）。
但行业内人士普遍认为，具身智能产业完全实现商业化还有很长的路要走。许华哲较为乐观，三年内机器人就能在很多地方提供通用服务。而韩铮认为，商业化前提是绝大多数任务接近100%成功率，不能靠大量后训练过拟合。“我觉得会在接下来1到2年里面，大家看到某一大类的任务在各个行业里面成长得非常迅速。但如果是要求机器人能完成通用的99.9%的任务，的确需要很长的时间。”
智能体：用户信任是破局关键
对于智能体来说，支付是商业化落地的“最后一公里”，但身份授权、能力评估、资金安全和责任追溯等问题，始终困扰着行业。
“从去年四季度开始，所有人都对智能体商业非常乐观，预测增长也非常快。但今年实际的落地速度，比大家预想的要慢很多。”蚂蚁集团CEO韩歆毅在圆桌讨论上“泼了盆冷水”。在他看来，主要是由于智能体商业的供需两端尚未形成正循环，陷入了“先有鸡还是先有蛋”的怪圈，“用户想用，但商家没有很好的智能体服务。商家看到没有用户在用，又不太敢投入去开发智能体。”
要想破局，一要解决安全和信任问题，二是推动智能体供需生态飞轮的形成。为此，嘉宾们的共识是，构建智能体商业的关键，离不开用户的信任感和安全感。
蚂蚁集团的解决方案围绕六方面展开：首先是授权，明确用户允许智能体做什么；其次是身份，除了对用户和商家的身份认证，还需要“了解你的智能体”（KYA）；第三是对智能体能力进行评估，让个人智能体能够判断商家智能体是否有能力满足用户需求。此外，还需要资金安全体系，包括反欺诈、风险控制等。最后，还需要建立可追溯、可审计的机制，以便在交易出现问题时厘清责任。
此外，智能体完成交易后，责任链条也需要明晰。万事达卡首席产品官乔恩·兰伯特表示，支付网络需要支持智能体在用户授权下完成交易，并通过“验证意图”等机制确保智能体准确理解用户目的。阿里巴巴集团首席科学家周靖人表示，意图理解不只是模型能力，还需要智能体系统组织上下文，并在不确定时学会向用户提问。在执行层面，还需要权限管理、可追溯、可审计等安全体系。
“智能体支付还需要漫长的时间。重点不在技术本身，而是用户对于智能体执行任务和支付的行为，产生一种信任感和安全感。”韩歆毅说。
原标题：《机器人在某些单一赛道开始超越人！AI新经济走到转折点》

机器人在某些单一赛道开始超越人！AI新经济走到转折点
（来源：上观新闻）
9月10日，2026外滩大会正式开幕。在上午举行的主论坛上，多位经济学家、技术专家、企业高管汇集，大家关心讨论的其实是同一个问题：AI新经济到底走到哪一步了？哪些是真趋势，哪些是泡沫？
大模型：离自主发现还有距离
当前，大模型技术路线可谓百舸争流。激烈的市场竞争，正带动大模型快速迭代，推动技术革命的到来。
源码资本投资合伙人张宏江的判断很直接：大模型是人类历史上发展最快的一次技术浪潮。他把它分成三个台阶：ChatGPT带来预训练突破，OpenAI的O-one带来推理模型突破，Claude Code等长程思考链智能体，则把AI推进了“智能体时代”，AI大模型正变得越来越聪明。
AI的飞速进化，可能将重塑未来经济形态。在张宏江看来，未来企业拼的不是有多少人、多少知识产权，而是能不能把经验、客户关系、产品能力变成智能，变成能“涌现”的模型。所谓“涌现”，就是模型规模大到一定程度后，突然出现了训练时没教过的能力。谁的数据干净、验证可靠、执行安全，谁就能把智能体从玩具变成生产力。他还提出了一个通俗比喻，作为智能体经济“货币”的Token（词元）会成为“新一代的茅台”。
但也有业内人士持谨慎观点。普林斯顿大学教授王梦迪目前正在带领团队进行AI4S（AI科学）的研究，她认为AI离自主发现新科学还有距离。
王梦迪团队做了一则让大模型“模拟人生”的实验，结果显示，大模型爱扎堆最常见答案，容易低估少见情况。换句话说，大模型擅长在已知答案里找最优解，不擅长发现没见过的新东西。更关键的是，排除编程和数学，大模型在生物、化学、物理等实验学科里，还没有真正发现新科学。原因是科学实验常常没法重复：70%的实验无法重现，甚至50%的结果连做实验的科学家本人也重现不了。
诺贝尔经济学奖得主阿吉翁预测，通过AI提高商品生产自动化和创意生产自动化，未来十年人类生产率有望每年提高0.68个百分点。但他同时也提醒，增长潜力能不能释放，取决于竞争政策、教育体系和灵活保障制度。
机器人：单一赛道开始超越人类
大模型的发展直接带动了具身智能产业的火热。例如近期ChatGPT—6发布的大模型Astra，语言模型可以直接控制机械臂、灵巧手，引发了业界关注。
破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲透露，其团队第一时间做了测试：Astra在语义和空间泛化上很强，能认出桌面物体，能抓起筷子，甚至把筷子插进杯子，还能完成递物动作。但一旦涉及复杂物理接触，比如用筷子挑东西、叠盒子、叠衣服，控制力就不行了。这暴露出在具身智能应用上，大模型火候仍然欠缺。
要解决具身智能的“大脑”问题，还要从数据底层做起。蚂蚁灵波科技首席科学家沈宇军表示，机器人必须依赖身上传感器源源不断的输入，边工作边推理，这与数字世界轮次式对话完全不同，也决定了具身智能数据收集的难度。
数据上，苏度科技联合创始人兼CEO韩铮认为，仿真绕不过去。仿真就是用计算机模拟物理世界，让机器人在虚拟环境里练习。只靠真实数据收集，效率慢、质量受限；但仿真也不能包打天下，最终要上下分层、配合使用。
这透露出一种未来的产业趋势，即具身智能不会靠“纯仿真”或“纯真机”单条腿走路，而会像“虚拟驾校+真实路考”：先在仿真里低成本、大规模地练基本功，再到真实世界里校准触觉、噪声和长尾意外。谁能把这两套系统高效接起来，谁就更有机会把机器人从演示视频带进真实产线。
在某些单一场景里，机器人已经开始实现对人类技能的超越。自变量机器人创始人兼CEO王潜透露，其研发的机器人已在物流场景做到传统机器人做不到的事，并超过人类ROI（投资回报率）。
但行业内人士普遍认为，具身智能产业完全实现商业化还有很长的路要走。许华哲较为乐观，三年内机器人就能在很多地方提供通用服务。而韩铮认为，商业化前提是绝大多数任务接近100%成功率，不能靠大量后训练过拟合。“我觉得会在接下来1到2年里面，大家看到某一大类的任务在各个行业里面成长得非常迅速。但如果是要求机器人能完成通用的99.9%的任务，的确需要很长的时间。”
智能体：用户信任是破局关键
对于智能体来说，支付是商业化落地的“最后一公里”，但身份授权、能力评估、资金安全和责任追溯等问题，始终困扰着行业。
“从去年四季度开始，所有人都对智能体商业非常乐观，预测增长也非常快。但今年实际的落地速度，比大家预想的要慢很多。”蚂蚁集团CEO韩歆毅在圆桌讨论上“泼了盆冷水”。在他看来，主要是由于智能体商业的供需两端尚未形成正循环，陷入了“先有鸡还是先有蛋”的怪圈，“用户想用，但商家没有很好的智能体服务。商家看到没有用户在用，又不太敢投入去开发智能体。”
要想破局，一要解决安全和信任问题，二是推动智能体供需生态飞轮的形成。为此，嘉宾们的共识是，构建智能体商业的关键，离不开用户的信任感和安全感。
蚂蚁集团的解决方案围绕六方面展开：首先是授权，明确用户允许智能体做什么；其次是身份，除了对用户和商家的身份认证，还需要“了解你的智能体”（KYA）；第三是对智能体能力进行评估，让个人智能体能够判断商家智能体是否有能力满足用户需求。此外，还需要资金安全体系，包括反欺诈、风险控制等。最后，还需要建立可追溯、可审计的机制，以便在交易出现问题时厘清责任。
此外，智能体完成交易后，责任链条也需要明晰。万事达卡首席产品官乔恩·兰伯特表示，支付网络需要支持智能体在用户授权下完成交易，并通过“验证意图”等机制确保智能体准确理解用户目的。阿里巴巴集团首席科学家周靖人表示，意图理解不只是模型能力，还需要智能体系统组织上下文，并在不确定时学会向用户提问。在执行层面，还需要权限管理、可追溯、可审计等安全体系。
“智能体支付还需要漫长的时间。重点不在技术本身，而是用户对于智能体执行任务和支付的行为，产生一种信任感和安全感。”韩歆毅说。
原标题：《机器人在某些单一赛道开始超越人！AI新经济走到转折点》

[Оригинал](https://finance.sina.cn/stock/jdts/2026-09-10/detail-inirkcsq2729816.d.html?vt=4&cid=76993&node_id=76993)