在2026年世界人工智能大会接近尾声的7月20日，多位诺贝尔奖和图灵奖得主围绕AI发展、安全治理、基础研究及人才培养等议题，分享了各自的洞见。以下是对这些业界顶级大咖发言的梳理，看他们究竟释放了哪些关键信号。

约翰·霍普克罗夫特：人才培养是AI时代最核心的战略

1986年图灵奖得主、康奈尔大学计算机讲席教授霍普克罗夫特，在大会主论坛和人工智能高质量语料生态论坛上做了两次内容相近的演讲。他核心讨论的是AI与大数据对未来的深远影响，以及应对策略。在他看来，“人工智能将持续经历重大变革”，因此国家战略也必须具备适应性。

霍普克罗夫特将人才培养视为最关键的战略。他反复强调，大学最根本的使命是培养下一代人才，而教育的重要意义在于帮助学生发现自身兴趣，规划出令其满意的职业道路——从事自己热爱领域的个人，往往成就卓著。为此，他提出了人工智能时代高校人才培养的三大改革路径：

第一，教育核心在于引导学生发掘内生兴趣；第二，给科研人员松绑，保障自由探索空间；第三，彻底重构高校教学质量评估机制，把育人质量作为核心标尺，弱化论文和经费的权重。

此外，他还特别指出，招聘教师时应关注三项品质：是否具备卓越的教学能力并关注学生学业成就；候选人能否在整个职业生涯中保持高度活跃的研究状态；其学术热情能否经久不衰。

约书亚·本吉奥：AI能力指数增长，但监管框架不能缺席

作为2018年图灵奖得主、深度学习三巨头之一，本吉奥在演讲中聚焦前沿人工智能系统的风险及全球治理。他认为，AI能力正在指数级增长，但缺乏相应的监管，可能导致失控和灾难性后果。具体而言，包括大规模的非伦理滥用（如操纵公众舆论）、网络攻击、威胁儿童安全，以及系统日益发展的化学、生物和放射核能操控能力；更令人担忧的是，AI自身意图也可能产生危害。

针对这些风险，本吉奥提出了三条社会治理原则：

第一条是所有系统在部署前必须被证明和验证是安全的。应当制定一项通用规则：所有系统必须首先经过验证并确认其安全性，任何公司或组织均不得推出可能造成不可接受危害的系统。

第二条是建立负责任的风险管理体系，而且关键决策不能由各家公司各自为政，必须真正体现全球人民的福祉。

第三条是AI带来的益处应当惠及所有人，所产生的财富不仅要在国家内部共享，更需在全球范围内共享，以此避免导致世界不稳定的全球经济分化。

阿里耶·瓦谢尔：AI落地研究，不能脱离对系统特性的理解

2013年诺贝尔化学奖得主瓦谢尔，在科学智能开放论坛上发表了题为《AI赋能多尺度生物模拟：不可或缺的关键互补元素》的学术演讲。他介绍了AI技术与基于物理建模在酶功能研究及实际应用上的成果，并在演讲最后给出了一个关键提醒：如果在不了解系统特性的情况下使用AI技术，仅将其与系统无关的数据样本进行关联分析，那么所有研究都可能徒劳无功。换句话说，AI不是万能钥匙，它必须建立在扎实的领域认知基础之上。

大卫·帕特森：关于AI能耗的“误区”，需要被纠正

2017年图灵奖得主帕特森在实体世界智能科学论坛上，直接针对AI与环境的关系进行了“纠偏”。他指出了几个常见的错误认识：数据中心是全球电力的主要耗电者；无碳能源发电成本过高；AI对话消耗用水量巨大；一些数据中心已通过抵消实现零排放。帕特森对这些误区逐一澄清，并认为AI既有消极作用也有积极作用。在减少碳排放方面，他的结论很明确：对地球而言，采用AI带来的净效益将远超不使用它的情况。

吉勒斯·布拉萨德：量子计算将碘伏现有加密体系，而量子密码学是答案

2025年图灵奖得主、量子信息科学奠基人布拉萨德，在论坛上讲述了量子信息科学的起源与发展历程。他抛出一个极具冲击力的观点：量子计算机将彻底破坏所有号称能保障互联网安全的加密基础设施。如果明天真的出现量子计算机，今天的数据就已经失效了——这正是“数据收割”或“解密范式”的体现：即使不懂解密技术，也能获取并存储互联网上所有已加密的信息。

而应对这一挑战的，只有量子密码学等技术。该技术能实现信息的无条件保密传输，且不受任何窃听技术和计算能力的影响，其安全性具有可证明的绝对保障。

在给年轻一代的建议中，布拉萨德的态度简单而坚定：不要盲目追求规模和速度，要珍惜生命，选择自己感兴趣的研究课题。不是因为流行而去做，而是出于兴趣，不必担心潜在的应用价值。他强调想象力的重要性，并鼓励追随梦想以获取幸福。

理查德·萨顿：AI研究的“痛苦教训”——依赖人类知识会限制自身发展

2024年图灵奖得主、现代强化学习奠基人萨顿，在论坛上提出了一个被称作“痛苦教训”的核心观点。这个“惨痛教训”指的是：AI依赖人类知识会限制其本身的长期发展，而唯有探索能够创造新知识的方法，而非简单利用现有的人类知识，才能实现搜索与学习能力的持续扩展。

他进一步阐述了“基础模型”的概念——它并非科学家创造新知识的工具，而是承载人类所有共享性知识的综合性载体。尽管包含“所有知识”是不可能的，因为世界比任何心智都复杂，但包含“所有已确立的共享性知识”是可能的目标。

萨顿还预测了未来会存在多种类型的AI：第一种是拥有完整思维能力、能够体验、学习、创造、思考甚至做梦的AI，它们会像人类一样持续学习并专精于特定领域；第二种是复杂度较低、只需完成特定辅助任务、功能范围明确的AI；第三种则是介于两者之间的基础型AI模型，它是众多用户共享的独立系统，能够精准存储当前公认的知识体系，核心使命是让这些知识易于获取，并根据不同用户的理解层次量身定制呈现方式。

姚期智：科研的“魔法时刻”源于好奇心，而AI五年内将重塑科研环境

2000年图灵奖得主姚期智，与布拉萨德以炉边谈话的形式展开了对话，主题是“量子魔法”。姚期智认为，科研的最初动机源于好奇心——早在我们对世界有了深入了解并产生其他动机之前，好奇心就是投身这一领域的根本动力，也是让人持续数十年研究那些对大多数人而言极其困难且令人痛苦的问题的原因。

他提到了一个有意思的概念：“魔法时刻”（或神奇时刻）。这个时刻存在于科研中发现看似不可能实现却被他人实现，或者发现意外惊喜的瞬间。正是这个“魔法时刻”，才能让研究者长期投入其中。

在青年人才培养方面，姚期智的观点是：人才往往不会被刻意培养。关键在于提供良好的成长环境，让他们有机会接触各种知识来源，同时与高素质的同龄人共事。只要给予这样的环境，他们就会自然而然地成长。

对于AI的未来发展，姚期智判断：五年内，人工智能将极大改变科研环境，它会提高学术发表或认可的标准，传统评价体系已不再适用。面对这种情况，未来能否取得成功，取决于自身付出的努力以及能否认真地尝试创新。

托马斯·萨金特：理性预期可能并不“理性”，我们需要超越它

2011年诺贝尔经济学奖得主萨金特，从经济学视角探讨了AI和机器学习，特别是“理性预期”这一概念。他直言不讳地指出，理性预期本质上是主观性的产物，由大量主观因素构成，所谓的理性预期以及诸如此类的概念其实都缺乏合理性。我们必须超越这些局限，大胆采取激进策略——这才是“理性决策”的核心要义。

他还谈到了世界模型的概念，认为世界模型本质上是一组学习机制构成的体系，是用于构建理性预期的学习框架。通过AI工具，可以建立理性预期模型，进而得出关于世界的深刻见解。