10月30日，2026世界顶尖科学家论坛在上海临港开幕。在人工智能平行论坛上，多位图灵奖得主、院士与产业领袖围绕“下一个十年：人工智能的发展与治理”展开对话；同日的未来半导体平行论坛则聚焦“下一个十年：未来半导体与芯片”。两场讨论指向同一个判断：当AI开始走进物理世界，算力、芯片、治理与人才培养都必须被放在同一个系统里重新思考。
AI治理：先谈风险，再谈速度
斯坦福大学荣休教授、图灵奖得主马丁·赫尔曼在论坛上把AI风险与核战争威胁、气候变化并列。他认为，三者背后是同一个失衡：技术赋予了人类近乎“神明般的物理力量”，但人类的行为方式还停留在不负责任的青少年阶段。他打了个比方：这就像一个刚拿到驾照的16岁少年，不知怎么弄到了一辆高性能跑车，必须迅速成熟起来，否则将自取灭亡。
在赫尔曼看来，军事与经济动力都在推动AI加速发展，而充满对抗的国际环境使共同应对风险更加困难。他呼吁构建合作性的世界秩序，建立跨国界的监管机制与安全护栏，认为任何国家单方面的指手画脚只会适得其反。
中国科学院院士、华东师范大学终身教授何积丰从另一个角度回应了这种忧虑。他早在2017年就提出了“可信人工智能”理念，并强调AI永远不应该是一个不可预测的黑盒。在他看来，算法偏见、数据隐患、幻觉问题以及全球智能鸿沟都在提醒人们：AI不能只追求性能的极致，更要守住可信、安全、向善的底线。
圆桌讨论把治理议题进一步具体化：尤里·涅斯捷罗夫认为AI必须被治理，并提出让人机沟通过程可检查的思路；诺加·阿隆提醒，大语言模型内部机制仍不够透明，竞争也可能阻碍审慎发展；陈云霁则指出，当前基于统计的大模型准确率很难达到100%，未来需要引入物理规则和逻辑规则。教育层面的共识是，允许学生使用AI，但必须区分课程和阶段，强化独立思考、批判性思维和问题定义能力，防止出现“用AI越多、知识越少”的局面。
算力与芯片：峰值性能不等于真实效率
安全之外，算力是决定AI下一阶段发展的另一重点。图灵奖得主、美国田纳西大学荣休教授杰克·董加拉提醒，硬件的峰值性能并不等于实际应用效率：计算系统各部分的通信、内存带宽等问题同样重要，仅凭浮点运算速度不足以衡量复杂计算任务的表现，数据搬移本身已经是不可忽视的成本。因此，未来硬件的运行时间、能源消耗同样重要，硬件、算法与软件的协同设计正在成为趋势。
中国科学院计算技术研究所副所长、处理器芯片全国重点实验室主任陈云霁展示了芯片与AI之间正在被重新定义双向关系：一方面，为AI设计更高效的处理器；另一方面，让AI参与处理器设计。在他看来，如果AI能够设计出更好的AI芯片，芯片又支持更强的AI，就可能形成递归自我改进的循环，技术推进的速度也将远超人类想象，这是他对未来十年重要突破方向的判断。
半导体平行论坛把这种“双向关系”落到了器件与系统层面。洛桑联邦理工学院工程学院院长阿德里安·米哈伊·约内斯库在报告尾声提出：“未来智能将从硬件中涌现。”当AI开始感知环境、操作物体，芯片需要支撑的任务也随之改变：既要有足够的计算能力，也要让智能系统以更低的能耗在真实环境中可靠运行。他从蜜蜂身上寻找启发——一只蜜蜂能够感知环境、寻找目标并完成复杂行动，其小巧而高效的信息处理方式，为智能硬件提供了参考。在他看来，感知应成为计算的一部分，材料、器件与算法需要协同设计，芯片创新需要从处理器延伸到整个系统。
香港中文大学电子工程学系助理教授黄超然介绍的光子技术研究，也体现了这种协同思路：光除了传递信息，也可以分担部分处理任务，与电子系统配合，减轻计算负担。武汉大学集成电路学院院长、中国科学院院士刘胜则围绕MEMS先进封装测试平台，以人形机器人的传感器应用为例讨论感知器件的制造、测试与可靠性问题：机器人进入日常环境，需要稳定地获取外界信息，实验室里做出器件之后，仍要解决一致性、测试和可靠性等工程问题，才能支撑持续运行的智能系统。
AI走进工厂与代码：先改变流程，再谈颠覆
半导体支撑AI发展，AI也开始参与半导体自身的创新。拓荆科技董事长吕光泉介绍，企业正将AI用于工艺优化、设备状态分析和研发工具开发等环节，工程师借助AI编程，将专业经验转化为可以执行的任务。这一过程仍然依赖真实数据和专业知识：能否获得、理解并使用工艺与设备数据，是AI进入生产场景的重要条件，模型能否发挥作用，仍需放到实际流程中检验。
北京华大九天AI研究院首席科学家范俊指出，AI在部分设计任务中已取得进展，但距离自主交付可靠、可制造的芯片仍有差距，复杂设计中的工程取舍以及物理和制造要求，不能随着方案生成而省略。他描绘的工作方式是：工程师确定目标和约束，AI推进设计过程，设计工具提供验证支持，工程经验与AI能力的结合将成为研发制造方式调整的重要内容。
类似的探索也出现在工业软件领域。上海交通大学教授孔令和介绍，团队基于MiniMax大模型开展软件再工程：先理解系统语义，再生成式重构代码，最后通过多智能体交叉比对、差分测试等方式验证成果。团队在论坛上宣布，将开源动态系统仿真软件中的约5000个核心函数，并开放相关代码、文档和测试用例。
具身智能进家庭：标准化与隐私红线先行
当AI进入物理世界，责任要求会变得更加具体。上纬新材、启元机器人联席总裁高全中谈到，消费级个人机器人正在以每月数千台的速度下线，但进入家庭场景所面临的泛化难题与商业门槛远高于工业场景。他呼吁，机器人产业亟需像智能手机早期一样，加速硬件本体、操作系统与数据接口的标准化，避免碎片化导致的成本过高。同时，针对机器人进入私密家庭空间带来的信任问题，现场还联合发布了《个人机器人安全与隐私保护白皮书》，提出了边界感、透明、可掌控与可追责等核心原则。
人才培养：把产业标准转化为教学标准
创新方式在变，人才培养也需要回应。浙江大学信息学部主任、中国工程院院士吴汉明介绍了从产线知识进入教材，到“一生一芯”的培养探索：让产业经验成为教学内容，通过虚拟平台与真实实践相衔接，帮助人才理解设计与制造的完整过程，并谈到贯通培养和校企双导师协作。德国于利希研究中心生物电子学研究所所长安德烈亚斯·奥芬豪泽分享了一个案例：让分别具有生物学和电气工程背景的两名学生在同一个项目中合作，双方保持各自的专业专长，同时学习彼此的语言、交流想法。
杭州电子科技大学电子信息学院院长何志伟则指出，课程项目的成功与产业产品的成功评价标准并不相同：功能正确、流程能够运行只是工程实践的一部分，企业还需要综合考虑良率、成本、功耗与可制造性。他建议“把产业标准转化为教学标准”，通过实践平台和跨专业项目加强系统能力培养，让企业导师深入参与教学，同时鼓励青年教师到企业开展研发。
影响与展望：下一个十年的竞争在系统层面
把两场平行论坛放在一起看，本届论坛的共识其实很清晰：下一个十年的竞争不在单一指标上。峰值算力需要换算成真实效率，模型能力需要换算成可验证、可制造、可信赖的系统，机器人走进家庭需要先过标准化与隐私这一关，而所有这些最终都取决于能否培养出理解不同环节、在真实约束下协作的人才。
这场讨论发生在上海并非偶然。作为论坛的永久会址，上海临港新片区也是全球人工智能最密集的试验场之一，从“滴水湖AI创新港”的高性能芯片落地，到具身智能机器人在真实场景中的批量跑通，上海围绕AI的布局正在理论、芯片、具身智能、安全治理多线并行。对中文读者而言，这场论坛的价值不在于某句金句，而在于它把未来十年的议题清单一次性摊开：治理、安全、算力、芯片、机器人与教育，哪一项掉队，都会成为其他项的天花板。