2026年世界人工智能大会（WAIC）在上海圆满收官。在这场盛会上，强化学习领域的权威专家理查德·萨顿（Richard Sutton）发表了主题演讲，他提出了一个与当下大模型热潮有所区别的观点：AI并不会进化成无所不能的“超级心智”，其更现实的未来是成为一部可靠、可共享、能够服务于不同用户的“超级百科全书”。

萨顿指出，AI正经历着一次方法论的重大转变——从被动地吸收人类遗留的静态数据，转向主动地从与环境的交互中学习经验。他强调，AI发展的下一阶段，关键不在于将更多的人类文本数据灌入更大的模型中，而在于让智能体真正地融入现实世界，通过实际行动获取反馈，并不断地根据结果调整和优化自身。萨顿以自身经历为例，他说：“我这一生都在从经验中学习，我坚信，经验时代即将到来，让我们共同迎接这个新时代。”

萨顿的这番言论在会场内外引起了热烈的讨论。与会者纷纷注意到，当前全球AI公司的实践路径，大致可以划分为三类，每类都对应着不同的技术理念和商业策略。

AI价值实现的三大路径：规模扩张、个体强化与协作网络

第一条路径是持续追求模型规模的极致化。OpenAI、Anthropic以及国内的MiniMax、月之暗面等公司，都是这条赛道的佼佼者。智谱在保持基座模型不断迭代的同时，也开始向下游的智能体运行时层进行拓展。然而，这条路径的底层逻辑仍然是Scaling Law，即相信通过不断增加参数、数据和算力，能够带来AI能力的质的飞跃。但萨顿的观点却对这种信仰提出了挑战，他认为这种路径正逐渐逼近收益递减的临界点。

第二条路径则专注于打造单个高性能的智能体。像Manus、Cognition旗下的Devin，以及多家致力于具身智能的公司，都在努力解决“AI的手”的问题——即让一个智能体能够自主地完成上网、编写代码、操作界面或抓取物体等任务。这条路径在个体任务执行上已经展现出了惊人的能力，但一个待解的问题是：当需要多个智能体在真实组织中协同工作时，单个智能体的“单兵作战”能力是否足够支撑起整个团队的运作？

第三条路径则更为抽象，也更具前瞻性和实验性——构建智能体之间的协作网络。微软的Multi-Agent Framework、Google的Agent Space，以及中国的明略科技等公司，都在这个方向上进行了深入的探索。萨顿所说的“完整心智之间的去中心化协作”，正是这条路径所追求的图景：让AI之间能够像人类团队一样，进行分工、交接、校验和迭代。与前两条路径相比，这条路径在资本市场上的叙事还尚未完全明朗。

一家中国企业的实践案例

在第三条路径上，明略科技（2718.HK，2025年11月成功登陆港交所）提供了一个值得观察的案例。其技术框架由三层构成：

第一层是名为Octo的智能体协作网络，该网络于2026年6月以Apache 2.0协议开源。它负责智能体之间的身份识别、任务分发、结果验收和经验沉淀，相当于一套让“AI同事”能够融入团队、接受任务、接受审核、被打回并不断迭代优化的基础设施。值得一提的是，Octo支持私有化部署且不绑定特定模型厂商，这在一定程度上体现了萨顿所强调的“去中心化”工程理念。

第二层是端侧执行模块Mano，它使得智能体能够在真实的操作系统和设备上完成点击、填写等操作。根据第三方公开榜单OSWorld的评测结果，Mano-P曾在端侧GUI Agent评测中位列全球专有模型榜首。当然，榜单排名只是阶段性的参考，实际场景中的稳定性和泛化能力还需要经过长期的检验。

第三层是行业知识积淀DeepMiner，它来源于明略科技旗下秒针系统近二十年服务消费品、汽车、零售等行业所积累的数据和业务逻辑。这部分知识并非通用大模型通过简单推理就能生成的，而是长年与客户交互中沉淀下来的“行业怎么干”的宝贵经验库。

这三层技术加在一起，恰好对应了萨顿判断的三个关键要素：去中心化的协作、真实环境中的经验获取、可共享的领域知识。然而，除了技术架构之外，更实际的问题是——有没有人真正愿意为这套技术买单？

根据明略科技披露的信息，其内部已有过千名员工与超过4000个智能体实例共同开展日常工作，这至少说明该套件在自身体系内已经跑通了一个完整的闭环。在外部市场上，部分汽车、消费品和零售领域的头部客户也已经将Octo与DeepMiner引入日常业务流程中，这意味着这套方案已经产生了实际的收入。

智能体领域企业估值或将迎来重塑

萨顿的演讲留下了一个引人深思的命题：如果“经验时代”的预言真的成为现实，那么AI下一阶段的竞争将不再仅仅停留在参数榜单和跑分成绩上，而是会转移到真实世界的组织、设备和业务流程之中。模型再大，如果没有智能体愿意进入实际场景中接受“打回”和“教好”的过程；协作网络再精巧，如果没有团队每天依靠它来完成真实任务——那么所谓的超级智能，或许仍然只是发布会上的一个华丽演示片段。

目前，资本市场对智能体协作这一层的定价，在很大程度上仍然沿袭了“数据资产”或“软件服务”的旧有框架。然而，如果萨顿的判断逐渐成为行业共识，那么这个领域的估值逻辑或许将会面临一次重大的重塑。