AGI Summit 2026 SF 参会攻略（二）从会说话到会行动：斯坦福教授如何推动 Agent、机器人与自动驾驶
上一篇，我们介绍了 Christopher Manning 的主题演讲 Beyond Language。他提出一个重要观点：AI 的未来，不只是理解语言，而是理解世界。
那么，当 AI 开始理解世界之后，下一步会发生什么？
答案是：
让 AI 从”会说话”，走向”会行动”。
过去三年，我们见证了 ChatGPT 改变了人与信息交互的方式。今天，大模型已经能够写代码、总结文档、生成图片、制作视频，甚至帮助完成科研工作。
但真正的 AGI，不应该只是一个聊天机器人。它应该能够主动规划任务、调用工具、完成复杂工作，甚至在现实世界中驾驶汽车、控制机器人，与人类共同协作。
今年 AGI Summit 上，有四位来自斯坦福大学的教授，正站在这一波技术变革的最前沿。他们分别从 Agent、自动驾驶、机器人和 AI 安全四个方向，共同回答同一个问题：
AI 如何真正走进现实世界？
Christopher Potts：Prompt Engineering 之后，AI 如何真正”工作”？
很多开发者过去两年最熟悉的一件事情，就是写 Prompt。大家不断调整提示词，希望 ChatGPT 回答得更准确、更稳定。但 Christopher Potts 想解决的问题，是一个更深层的问题：为什么还需要人类不断修改 Prompt？
作为斯坦福大学语言学系主任，Potts 长期研究语言理解与自然语言处理。他参与建立的 Stanford Sentiment Treebank（SST），至今仍是情感分析领域最经典的数据集之一，被全球无数 NLP 模型用于训练和评测。
而近年来，他最受关注的工作，是 DSPy。DSPy 并不是一个新的大模型，而是一种新的开发思想。它希望把 Prompt 从”手工编写”变成”自动优化”。开发者只需要告诉系统最终目标，DSPy 就能够自动组合 Prompt、工具和模型，不断寻找更优的执行流程。
这背后其实代表着 AI 的一个重要趋势：
未来真正强大的 AI，不一定来自更大的模型，而来自更聪明的系统。
这也是 Potts 提出的 Compound AI Systems（复合 AI 系统）。
未来，一个 Agent 完成任务时，可能会同时调用多个模型、多个工具、多个数据库，而不是依赖单一的大模型。
对于准备学习 AI 的学生来说，这可能比单纯学习 Prompt Engineering 更值得关注。
如果现场有机会交流，可以问：您认为五年后，Prompt Engineering 还会是一项重要技能吗？还是系统会自动完成 Prompt 优化？
Sebastian Thrun：真正改变世界的，不是 Demo，而是落地
如果说 Christopher Manning 是现代 NLP 的代表人物，那么 Sebastian Thrun 可以说是现代自动驾驶的重要开创者之一。
2005 年，他带领斯坦福团队研发的无人驾驶汽车 Stanley 赢得了 DARPA Grand Challenge。这不仅是一场比赛，更被认为是现代自动驾驶发展的重要起点。
几年之后，他加入 Google，创立了 Google 自动驾驶项目，也就是今天 Waymo 的前身。
随后，他又参与创办了 Google X 和 Google Brain，推动了自动驾驶、人工智能和在线教育的发展。
后来，他创办了 Udacity，成为全球在线教育的重要推动者之一。
为什么 Thrun 特别值得关注？
因为他的职业经历几乎完整经历了 AI 技术发展的全过程：
实验室 → 创业 → 大公司 → 产品落地 → 教育普及。
很多技术在论文中看起来令人兴奋，但真正改变世界，往往需要跨越一条很长的路。
Thrun 正是少数亲自走过这条路的人。
如果现场有机会交流，可以问：从实验室研究到真正改变世界，您认为最难跨越的障碍是什么？
Marco Pavone：机器人时代，正在从 NVIDIA 与 Stanford 同时开始
如果说过去十年属于互联网 AI，那么未来十年，很可能属于机器人。
而谈到机器人，就不能忽略 Marco Pavone。
他有一个非常特别的身份：
一方面，他领导斯坦福大学 Autonomous Systems Lab（ASL）。
另一方面，他同时担任 NVIDIA 自动驾驶研究负责人。
这意味着，他每天都在做一件事情：
把大学里的最新研究，转化成真正能够进入产业的技术。
近年来，他重点研究的是：
Foundation Models for Robotics
Autonomous Driving
Simulation
Long-tail Scenarios（长尾场景）
自动驾驶最大的难题，并不是正常情况下如何开车，而是那些极少发生、却极其危险的特殊情况。
例如：
突然冲出的儿童、复杂天气、道路施工……
这些”长尾场景”，很难依靠真实数据全部收集，因此 Pavone 团队大量利用 AI 和仿真技术生成训练数据。
这也是为什么今天机器人越来越依赖 Foundation Models。
未来，机器人学习的对象，不再只是现实世界，而是现实与模拟世界共同构建的训练环境。
如果现场有机会交流，可以问：Foundation Models 将如何改变未来机器人学习方式？
Mykel Kochenderfer：AI 最大的挑战，不是聪明，而是安全
过去几年，人们一直讨论：AI 会不会越来越聪明？
但真正进入现实世界以后，一个新的问题出现了：
如果 AI 自己做决定，出了问题怎么办？
这正是 Mykel Kochenderfer 长期研究的方向。
在加入斯坦福之前，他曾在 MIT Lincoln Laboratory 从事航空安全研究。
他的研究直接推动了新一代航空防撞系统 ACAS X 的发展，如今已广泛应用于全球航空领域。
他的核心研究包括：
AI Safety
Decision Making under Uncertainty
Reinforcement Learning
Autonomous Systems
对于自动驾驶、机器人乃至未来的 AI Agent 来说，“正确决策”远远不够。
更重要的是：在信息不完整、环境不断变化的情况下，依然能够安全地做出决策。
未来，每一个能够自主行动的 AI，都需要回答这个问题。
如果现场有机会交流，可以问：您认为未来 Agent 最大的挑战，是能力不足，还是安全性不足？
从 ChatGPT 到 Agent，AI 正在进入一个新的时代
把这四位教授放在一起，会发现一个共同点：
他们关注的，已经不是 ChatGPT 本身。
他们关注的是：
AI 如何自主规划任务
AI 如何调用工具
AI 如何进入机器人
AI 如何驾驶汽车
AI 如何保证安全
AI 如何真正成为现实世界的一部分
过去几年，大模型让 AI 学会了”表达”。
未来几年，Agent 将让 AI 学会”行动”。
这也正是今年 AGI Summit 最值得关注的方向之一。
给学生的一点建议
如果你准备参加 AGI Summit 2026，不妨带着一个问题去听这些教授的分享：
未来十年，AI 最需要继续突破的能力是什么？
每位教授都会给出不同的答案。
有人会说是 Agent，有人会说是机器人，有人会说是安全，也有人会说是系统设计。
真正重要的，不是记住每一个答案，而是在这些不同观点中，找到自己真正感兴趣的方向。
因为今天的高中生，也许就是十年后推动下一代 AI 技术的人。
— 2026 AGI Summit 见 —
AGI Summit 2026 将于 2026 年 7 月 18–19 日 在 旧金山 Palace of Fine Arts（艺术宫） 举办。大会汇聚来自 Stanford、UC Berkeley、OpenAI、Google DeepMind、Anthropic、Microsoft、NVIDIA 等高校与企业的顶尖研究者、创业者和行业领袖，共同探讨人工智能的最新进展与未来方向。
作为 AGI Summit K12 AI Initiative-Youth AI 合作组织，App-In Club 将组织学生参与 Youth AI Panel、AI Project Showcase、Youth AI Awards、Student Networking 等活动，为青少年提供与全球 AI 社区交流和展示的机会。
🎟 成人购票
App-In Club 专属优惠码：APPIN（15% OFF）
🎓 学生团购票
两天通票：$99
一天票：$59
学生报名、Youth AI 活动及学生团购登记：
下一篇预告：《AI 为什么能够工作？斯坦福教授如何寻找大模型背后的理论基础》，我们将继续认识 Surya Ganguli 和 Ellen Vitercik，一起探索扩散模型、Scaling Law，以及 AI 如何开始”设计算法”。
Comments