7 月 17 日至 20 日，2026 世界人工智慧大會暨人工智慧全球治理高等級會議主論壇（WAIC 2026）正式召開。作為一年一度的 AI 行業盛會，今年大會依然聚集了國內外大模型公司、AI 應用和硬體廠商，雷科技（ID：leitech）旗下 AI 新媒體「雷科技 AGI（leikejiagi）」也派出報導團，赴上海進行現場報導。
在大會首日，台上談論最多的當然還是模型、智能體、世界模型和具身智能。但當這些專家、學者和商業領袖把話題繼續往前推，最後反覆撞上的卻是同一個問題：
機器越來越能幹之後，人要做什麼？這可能也是普通人今天最想問，卻最難從一場技術大會上得到答案的問題。
過去幾年，業界最常給出的回答是「AI 不會替代人，會使用 AI 的人會替代不會使用 AI 的人」。這句話不能說錯，但到了智能體可以連續執行任務、AI 開始進入科研和物理世界的 2026 年，它已經有點不夠用了。真正的變化早已超出多學一個工具，越來越多原本需要人完成的回答、操作乃至決策，都可以被機器接過去。
人當然不可能在每一個環節都贏過機器。但這也不意味著，普通人只能一邊學習最新工具，一邊等待自己的工作被重新定價。翻完 WAIC 的公開演講、圓桌和現場對話，我更願意把答案概括為四件事：
1. 不再和機器比賽答案，守住問題和目標；
2. 不把自動化省下的時間全部還給工作；
3. 可以授權 AI 執行任務，但不能外包價值與責任；
4. 最後，始終給自己留一條可以轉向的路。
人類不用再和機器比賽答案
「要提好的問題，這可能是非常重要的，甚至比有答案更加重要。」
在 WAIC 的 AI for Science 圓桌上，復旦大學教授邱錫鵬把給年輕人的建議壓縮成了這一句話。聽上去有些老生常談，但放在 AI 已經能夠寫程式碼、做研究、呼叫工具的今天，這句話有了新的份量。
過去，很多職業的門檻建立在「知道答案」上。你記得更多知識、熟悉更多流程、能更快產出一份文件，就能在組織裡獲得更高的位置。但大模型做的第一件事，就是讓標準答案和標準產出迅速變便宜。
圖靈獎得主理查德·薩頓也提醒，今天的 AI 主要還是在使用人類知識，再把這些知識交付給人。它會寫、會畫、會計算，卻仍然缺少圍繞目標行動並通過現實反饋不斷修正的第一視角經驗。他甚至直言，現在的 AI 依然「比較弱小而且是不可靠的」。
問題是，薩頓並不認為這種侷限會一直存在。AI 正從靜態的「人類資料時代」走向能夠在行動中學習的「經驗時代」。一旦機器可以自己預測、行動、獲得反饋和調整，普通人只靠記憶知識、熟練執行流程建立的優勢還會繼續變薄。
這時候，人最值得訓練的能力就要往前挪一步：先決定要解決什麼問題，結果應該滿足那些條件，那些代價不能接受，再判斷機器給出的答案到底有沒有意義。
這也解釋了為什麼同一場圓桌上，諾貝爾化學獎得主奧馬爾·M·亞吉一邊肯定 AI 把一些過去耗時數周、數月的化學研究大幅加速，一邊又擔心，如果科學家不主動嘗試和檢驗，最後可能變成由智能體告訴人「科學應該怎麼做」。
AI 帶來了更多答案，但也把困難轉移到了選擇上：什麼值得問，那個方向值得投入，那個結果應該進入現實世界。
中國工程院院士、阿里雲創始人、之江實驗室主任王堅從另一條路徑講了類似的變化。今天的大模型讀過大量論文、書籍和網頁，但自然世界的大量知識其實藏在光譜、遙感、地震波、基因序列和實驗資料裡。
下一代科學基礎模型如果能直接理解這些資料，AI 就不只是在複述人類寫過的結論，也可能從舊資料中發現新問題。
到了那一天，人類也許不再壟斷髮現。但至少在相當長時間裡，那些發現值得追求、如何驗證、應該用在什麼地方，仍然需要人來回答。
所以普通人面對 AI 的第一種自處，是放下把自己訓練成更快機器的焦慮，從「我會不會做」往前走到「這件事為什麼要做」。會寫一份方案當然有用，能定義方案要解決的真實問題更重要；會讓 AI 生成十個答案很容易，知道第十一個問題是什麼，才越來越稀缺。
被解放的時間，
不能只用來接更多工作
「物理智能的使命，是把人還給人。」復旦大學通用物理智能研究院院長蘇昊如是說。
在他的設想裡，機器人承擔的是老人翻身、重物搬運，以及高空、井下、高溫環境裡的危險作業；人退到安全線之後，繼續承擔陪伴、關懷、判斷和創造。這個分工很理想，也很容易得到認同。
但換到今天的辦公室，事情往往是另一種走向。AI 幫人節省一小時，組織不一定把這一小時還給生活，更可能順手再塞進兩項任務。一個人借助智能體擁有過去一個團隊的產出能力，公司也可能反過來追問，為什麼還需要原來那支團隊。
這就是「AI 解放人」最容易被忽略的另一面。技術可以消滅一部分重複勞動，卻不會自動決定省下來的時間歸誰，更不會自動保證勞動者因此過得更好。
階躍星辰董事長印奇判斷，未來工程師、設計師和研究員都可能擁有專屬智能體，「一個人具備一個團隊的能力。」作為商業領袖，他看到了個人能力被十倍放大的機會。但從普通人的角度看，這個判斷還需要補上後半句：
當個人產出被放大十倍，收益如何分配，工作強度會不會也被放大十倍？
好的 AI 應該增強人的能力、拓展人的邊界，讓人在使用中獲得知識、能力和成長，而不是讓人對產品形成依賴。這條尺度不只適合判斷產品，也適合判斷自己的工作。使用 AI 一段時間後，可以回頭問三個很具體的問題：
離開這個工具，我是否更理解原來的問題？我有沒有因此掌握一套可遷移的方法？它省下來的時間，究竟變成了新的創造、關係和休息，還是只換來了更多工？
如果答案始終是後者，那麼 AI 確實提高了效率，卻沒有把人還給人。
圖靈獎得主約翰·霍普克羅夫特在現場談教育時也講到，大學最根本的使命，是幫助學生發現自己的志趣，並找到能夠彰顯自我價值的職業道路。在一個無法精準預測下一次技術轉向的時代，比追逐短期熱門技能更穩妥的策略，是培養能夠適應變化的人。
興趣在這裡不是什麼文藝說法。它意味著當一項熟練技能被迅速自動化之後，你還有動力繼續追問、學習和重新組織自己的工作。AI 可以替人完成越來越多過程，但一個人願意把長期注意力放在那裡，仍然會決定他最終積累出什麼。
可以讓 AI 執行，
但別把責任一起交出去
如果說大模型主要改變的是「誰來回答」，智能體改變的就是「誰來執行」。印奇在演講中提出，電腦、手機、汽車和機器人會成為同一智能體在不同場景裡的「身體」。智能體不僅能呼叫工具，還可能擁有身份、能力和信用，自主尋找夥伴、組織協作甚至完成交易。
問題是：智能體代表誰行動，後果由誰負責，身份是否可信，權限能否控制，行為能否追溯。
這些問題聽起來很像行業治理，落到普通人身上並不遠。讓 AI 改一段文字，錯了可以重來；讓它代發一封郵件、操作帳戶、提交申請、安排醫療建議，錯誤就可能進入真實關係、金錢和制度，甚至很難撤回。
清華大學蘇世民書院院長、清華大學人工智慧國際治理研究院院長薛瀾在主論壇上說得更直接：「涉及價值判斷的問題不能交給 AI。」
人犯錯之後，可以區分故意和過失，也可以被追責、受罰；AI 本身沒有能夠承擔法律和道德後果的主體人格。出了事故，責任最終仍然要沿著開發、部署、營運和使用的完整鏈條，落回具體的人與組織。
所以普通人使用智能體，提示詞寫得多漂亮沒那麼重要，更該看有沒有設定邊界。涉及公開發佈、身份、隱私、金錢、醫療和法律時，權限應該儘量小，關鍵步驟應該保留確認，過程應該能夠查看，操作應該可以撤銷。
這並非對技術過度謹慎。習近平主席就在大會開幕演講上指出，智能體是人工智慧產品和服務的新形態，應當明確決策權限和行為邊界，建立行為追溯和風險提示機制，著力提升智能體內生安全能力，化解應用衍生風險。
說到底，授權只是把一項任務交給機器，不能順手把判斷和責任也丟進去。AI 越像一個可以替你辦事的夥伴，人越要清楚什麼時候必須親自出現。
始終給自己留一條可以轉向的路
普通人當然還是要學 AI。
但真正值得學的，不是某個模型的按鈕、某一種提示詞格式，甚至不只是眼下最熱門的一套工作流。工具迭代越來越快，把自己繫結在單一平台和單一流程上，可能剛熟練就迎來下一次重做。
「所有既有的慣性、對原始經驗的依賴性現在都在降低。」北京智源人工智慧研究院研究員、Sand.ai 創始人曹越將新一代人的特點概括為更善於放棄舊經驗，年輕人在使用新工具時的深度和能力，很大程度上取決於他們是否「願意相信、敢於相信」。
WAIC 青年科學家對話中，清華大學人工智慧學院助理教授兼元環智能首席科學家劉子鳴補充說：「新一代」和年齡無關，關鍵是會不會拿已經失效的經驗機械處理新問題。Recursive 創始成員諸葛鳴晨也指出，五年前的 AI 和今天已經完全不同，「要讓自己始終保留一條新路徑」，不要等到新事物產生影響時再被動應對。
所謂留一條新路徑，不一定是辭職轉行。它可以是主動把 AI 接進一項真實工作，看它那裡能用、那裡會錯；可以是在主業之外保留一種持續學習的能力；也可以是不把資料、流程和個人知識全部鎖進一個平台，給自己留下更換工具的餘地。
更重要的是，別只在對話方塊裡學習 AI。薩頓把經驗看作智能的來源，蘇昊說物理世界是「最誠實的考官」，背後其實是同一個道理：任何看起來漂亮的輸出，最後都要交給現實檢驗。
方案有沒有人願意用，程式碼能不能運行，內容是否經得起事實核查，決策會不會傷害具體的人，這些反饋無法靠多問模型幾輪完全替代。
AI 時代，普通人的安全感不會來自掌握所有新工具，這也不可能。它更可能來自一套不容易過期的能力——能提出問題，能核查結果，能在現實中試錯，知道那些判斷不能外包，也能在舊經驗失效時重新選路。
這當然不能保證每個人都不受技術衝擊。但在宏觀答案到來之前，普通人仍然可以先守住自己的位置。不必證明自己比機器更像機器，也不要因為機器能做更多事，就把目標、責任和生活一併交出去。讓 AI 接過那些重複、危險和消耗人的工作，把省下來的時間還給關係、判斷、創造和重新選擇。
這可能才是「把人還給人」對普通人最現實的意義。 (雷科技)