“AI只有开源才能普及，只有普及才能创造可持续、普惠的智能时代。”11月3日，阿里巴巴集团联合创始人、董事会主席蔡崇信在2026世界互联网大会乌镇峰会开幕式上，给出了一条完整的AI方法论：不喊口号，只排因果——开源是因，普及是果，普惠是终点。
11月4日，科技大佬们的对话和交流继续，话题却不约而同地从应用沉向了底座：从算力系统怎样组织，到机器人要对齐物理世界，再到智能体时代的信任如何建立、AI的红利怎么分配。如果说开源是方法论，那么接下来的问题更具体：算力供不供得上、机器人落不落得了地、用户敢不敢把任务和钱交给智能体、中小企业分不分得到红利。流量在上，地基在下，AI的下一个十年，从打地基开始。
中科曙光董事长历军：
算力竞争是系统能力之争
中国在先进制程、高带宽存储等关键环节仍面临制约，但也拥有丰富应用场景、相对完整产业链、较强工程化能力以及能源供给和开源生态等优势，不能只依靠单颗芯片性能追赶，更要着眼于系统整体效能。未来算力的竞争，并不只是单颗芯片峰值性能的竞争，更是将大量计算、存储、网络、电力等资源高效组织起来的系统能力之争。
要以系统级创新对冲单点短板，一方面推动计算、存储、网络、供电、冷却等环节协同优化，提高系统整体效率；另一方面促进芯片、基础软件、模型与行业应用协同创新，将产业链优势转化为实际算力供给能力。
当前国产AI软件栈在工具链、兼容适配和应用生态等方面仍有短板，产业链复杂问题难以由一家企业独立解决。企业应发挥各自所长，通过专业分工和开放合作，减少重复投入与低水平竞争。
自主创新不等于封闭发展，关着门自己做自己的绝对不行。面向智能时代，中国计算产业要坚持自主、开放、安全、普惠，依托世界互联网大会等开放平台，加强国际产学研合作，与世界共建共享开放生态。从替代走向重构，国产算力要突破的不只是单点技术瓶颈，更要形成芯片、系统、服务与生态协同发展的产业能力。
蚂蚁副总裁陈亮：
智能体替人办事，先过信任关
智能体互联网在很多场景下已经到来，C端用户的核心担忧集中在信任上：用户委托智能体完成一件事情、完成交易的时候，会不会担心智能体把我的动作做错了？只要做交易肯定会动钱，智能体会不会乱花我的钱？
PC互联网时代，支付宝通过担保交易解决了C端用户基本的信任问题；移动互联网时代，你敢付、我敢赔等一系列产品，解决了用户把钱付出去的担心。智能体时代的授权不再只是勾选几个权限、获取用户信息、获取账单信息、帮你付款、设计一个额度，这些都是基本的操作。最难的是智能体执行用户委派的任务时，这个任务到底需要多少权限，用户是不是能提前知道；在整个链路上，平台方的、用户自己的、关联到调用外部平台的授权怎么做，这是非常有技术挑战的。
连接侧，现在是多端的时代，用户不仅通过手机，还可以通过耳机、AI眼镜连接。耳机到手机上的信任怎么传递，手机到云端，云端再到服务商，整个链路上连接的可信，包括意图、授权、身份，都是需要解决的问题。智能体跨平台调用还面临流量识别难题：以前每个网站都会出验证码防止机器流量，现在C端用户授权的情况下，平台如何识别这不是机器流量，而是用户授权的流量，就这一个点现在就很难推动，需要整个行业侧、国家各个部门一起确立标准。
宇树科技创始人王兴兴：
AI和真实世界的对齐还差一点点
开源可以汇聚全球开发者的力量，加快机器人从数字模型走向物理世界的对齐进程。宇树在机器人格斗等项目上实行“完全开源”——包括数据集、训练方法和部署策略，多个指标已达到全球领先水平。在全自主格斗中，两台机器人完全不需要人参与，理论上可以做几十上百个动作，很多情况下，人已经打不过同类型的机器人。
目前最大的问题，还是最后几个毫米的问题没有解决好。机器人做工厂单工序成功率极高，但在精密装配等精细操作上，对物理世界的触觉理解依然不够，AI模型的输入输出和真实世界的对齐还是差了一点点。很大概率，2027年会是整个具身智能行业或者模型的一个临界点。
头部大模型公司已经让模型自己采集数据、训练、迭代，人目前最大的价值变成了评价AI模型，或者设置目标让AI去实现。机器人领域自进化用得还少，大量机器人数据尚未被充分利用。未来数据和算力非常重要，芯片产能和能源矿产稀缺，算力生产本身会成为重要产业。
知乎创始人周源：
AI技术能力溢出，但分配红利没跟上
国产模型在Agent、Coding、前端设计等消费场景表现突出，但在知识图谱关系与实体提取、长上下文产业政策提取、复杂图文题目批改等高反馈成本场景上，仍有待提升。这一判断的产业含义在于：消费级应用的繁荣并不等同于模型能力的纵深。
“人工智能+”的真正含义：不是把AI加到流量上，而是加到硬骨头上。高端芯片、量子科技、生物制药、脑机接口、具身智能，既是AI大展拳脚的战场，也是真正卡脖子的环节。同时在这些领域的场景落地过程中，将会诞生大量的创新机会。
除算力和人才外，“人工智能+”高质量发展的关键在于产业升级与科学发现，尤其在高质量的数据驱动上——由各学科的人类专家来驱动，形成“既提升模型水平，又反哺垂类领域工程创新和科研发现”的价值闭环，让人和技术相互反哺。
当下AI技术能力的溢出和技术红利的分配并非同步对等，商业定价、渠道分发的成本结构并未掌握在中小企业手中，技术红利就得不到有效分配。
掌握技术能力的平台或企业，开放更多创新机会，为中小企业提供更多分配红利的空间。真正意义上的开源并非单纯开放技术参数，而是应该带动整个生态的构建和创新。以开源社区为例，社区汇聚的集体智慧，相比单个实验室，拥有更强的创新力与生命力。
北京商报记者 魏蔚 鲁芹
