6月23日，在2026腾冲科学家论坛（大连）专题活动圆桌对话环节中，多位来自全球各地不同机构、不同领域的专家围绕人工智能、量子计算、网络安全、可信治理等前沿议题展开对话，碰撞出思想火花。
圆桌对话：“未来科学技术前瞻”
发言嘉宾（按发言顺序）：
张亚勤 中国工程院外籍院士、清华大学智能产业研究院（AIR）创始院长
龚克 世界工程组织联合会原主席、中国新一代人工智能发展战略研究院执行院长
Dawn Song（宋晓冬） 加州大学伯克利分校计算机科学教授、伯克利RDI主任
Reena Dayal Yadav 印度量子生态与技术委员会创始人兼首席执行官
Roli Agrawal NTT Data INC首席战略官
核心议题：
张亚勤
1.技术主线：从生成式 AI 迈向智能体 AI
当前全球 AI 产业的核心宏观趋势，是从生成式 AI 向智能体 AI（Agentic AI）演进。面向消费端的云端智能体已步入主流，下一阶段将全面向企业云、产业云渗透，落地到药物研发、家用服务机器人、教育、金融等多元产业场景。
2.组织范式：未来企业的TAP模型
技术演进将催生全新的企业组织形态，可总结为 “TAP 模型”：未来企业由三大核心要素构成 ——Token（词元），Agent（智能体），People（人才），其中人始终是发展的核心。这一模式将催生全新的“通证经济学（Token Economics）”体系，但当前的通证经济模型存在结构性缺陷，尚不具备长期可持续性。
3.交互变革：认知交互界面将成主流
人机交互正迎来第三次范式变革：从 PC 时代的图形用户界面，到手机时代的触控界面，未来将进入 “认知交互界面” 时代。可穿戴设备（智能眼镜、智能手表、智能戒指）、智能汽车、服务机器人将成为核心交互载体，依托语音与认知能力实现自然人机交互，彻底改变人与数字世界的交互方式。
最核心的风险是人工智能安全。当前 AI 正从数字 AI 向实体 AI、生物 AI 延伸，技术影响力从数字世界渗透到物理世界与生物领域，对应的安全风险会被持续放大、加剧，一旦失控将造成严重的现实危害，必须提前布局防控。
龚 克
我完全认同智能体 AI 是当前的核心技术趋势，但更想强调 AI 的发展方向问题：发展 AI 本身不是人类的终极目的，人类的核心目标是在地球上实现永续发展，因此绿色 AI 才是人工智能的正确发展方向。
当前 AI 产业能耗水平极高，背后对应着巨量碳排放，同时算力基础设施的生产还会消耗大量原材料与水资源。数字技术、智能技术不能走“黑色技术”的高耗能路线，必须向绿色低碳的技术路线转型，这是全球科研界需要共同攻克的核心课题，也是技术服务人类可持续发展的核心要求。
AI 安全隐患的根源，在于当前 AI 模型的不可解释性。只有破解机器学习的底层原理、实现技术机制可解释，人类才能真正建立对 AI 的信任，实现安全、可靠的应用落地。可解释性是可信 AI 的核心前提，也是 AI 治理体系的底层根基。
针对“全球 AI 治理需要统一框架还是多元共治” 的问题，核心结论是必须构建多方利益相关方协同共治的全球框架。
1.人工智能是通用底层技术，渗透全行业与人类生活全场景，单一主体无法完成有效治理，必须推动全球多方主体开展对话、凝聚共识。联合国即将在日内瓦举办首届人工智能全球治理对话，这类全球对话机制需要常态化推进，逐步将共识转化为行业规范、技术标准、指导原则，最终形成法律法规体系。
2.AI治理不能只靠规则，还需要技术工具支撑，包括模型安全检测技术、安全护栏搭建技术、AI模型核验机制等。
3.AI 治理的根本根基是实现技术的可解释性 ，没有可解释性就没有技术可靠性，整个治理体系就失去了底层支撑。
Dawn Song（宋晓冬）
智能体 AI 是 AI 领域的下一个前沿赛道。早在2024年智能体概念尚未普及时，我就开设了全球首门智能体 AI 慕课，目前全球累计学习人数已超4万人，行业热度的快速升温也印证了这一判断。
从技术能力迭代来看，前沿 AI 在网络安全领域的进展速度远超预期。我们团队研发的Cyber Gym平台，目前已是全球评估前沿 AI 网络安全能力的基准标杆，OpenAI 首席执行官山姆・奥特曼近期专门发文提及该平台，其最新模型 GPT-5.5 Cyber 登顶该平台排行榜。数据显示，仅过去一年，AI 挖掘大型真实开源应用漏洞的成功率就从 20% 提升至近 90%，前沿 AI 的网络攻防能力已经达到、甚至在部分场景下超越了人类专家水平。
AI 是典型的两用技术，既可以赋能网络防御，也会被攻击者利用。我们团队经深度研究得出结论：短期内，AI 对攻击方的能力增益显著大于防御方。随着前沿 AI 网络攻防能力的快速迭代，全球网络安全防御体系将面临极大挑战与系统性风险。
Reena Dayal Yadav
未来的计算体系不会是单一技术路线的垄断，而是多元计算技术融合共生的格局：量子计算、生物计算、经典计算、边缘计算、太空计算等技术路线将并行发展，分别对应不同场景的解决方案，形成以人为本、以问题为导向的发展模式。
其中，量子技术与 AI 的融合具备广阔的产业前景，既有望破解大型数据中心高能耗的行业痛点，也能在药物研发、新型材料开发等领域释放巨大价值，为人类社会带来突破性解决方案。
核心风险来自两个层面：
1.全局系统性思维缺失：当前行业大多聚焦局部技术方案的突破，缺少将全球作为完整系统的宏观研判，不同技术的叠加影响容易被低估，技术融合也会进一步放大治理的复杂度。
2.后量子安全危机：规模化量子计算机可破解当前所有主流加密算法，将对全球信息安全体系造成颠覆性冲击。全行业必须提前布局，尽快向后量子安全体系迁移。
此外，量子与 AI 的深度融合，也会让 “负责任量子技术”“负责任 AI” 的治理议题变得更加复杂，需要全球提前形成共识。
Roli Agrawal
从商业落地视角来看，三大技术方向将在短期内快速释放产业价值。
1.实体 AI 规模化落地：AI 从数字场景向物理场景延伸是最直观的商业机遇。自动驾驶、工业制造等场景的实体 AI 应用，将直接释放 AI 的技术价值；而实体 AI 的规模化落地，需要传感器、通信网络、机器人技术等全产业链的配套创新。
2.多元算力融合发展：破解算力瓶颈不能依赖单一技术路线，需要经典计算、神经形态计算、量子计算等多路径融合发展。例如 NTT 正在研发的光量子计算，可突破传统超导量子技术的极低温运行限制，实现室温环境下工作，具备很强的落地潜力。
3.能源体系全面革新：AI 的高能耗属性让能源供给成为产业发展的核心约束。能源生产（核能、氢能、可再生能源）、储能技术、能源传输升级、全流程能效提升，将成为未来技术攻关的关键赛道。
此外，个性化医疗与教育、气候变化应对、太空探索三大领域，将是技术落地后最具社会价值的方向。
有两大系统性风险最容易被忽视：
1.气候反噬风险：AI 本可以成为应对气候变化的重要工具，但如果管控不当，其极高的能耗需求会大幅增加碳排放，反而加剧气候变化，形成技术发展的反噬效应。
2.社会不平等加剧：当前 AI 的发展红利高度集中于少数群体与企业，收益分配严重不均。如果不加干预，AI 将持续推高社会基尼系数，放大全球范围内的贫富差距，带来严重的社会风险。
（根据现场发言整理）
