WAIC 2026 萨顿说 AI 进入经验时代——经验需要可验证环境，质量体系就是现成骨架
7 月 17 日，2026 世界人工智能大会（WAIC）主论坛，“强化学习之父”、图灵奖得主理查德·萨顿（Richard Sutton）上台，先给全场泼了盆冷水：现在的 AI 还很弱小、不可靠，会产生幻觉、会输出错误信息。
然后他给出了自己的判断：靠预先准备好的静态数据集训练 AI，这条路走到极限了——高质量的人类公开数据即将被耗尽。下一步，是让智能体在与世界交互的过程中获得第一视角经验，靠经验自主学习。他的收尾是一句宣言：欢迎来到经验时代。
大会明天闭幕，这句话大概率会是本届 WAIC 被引用最多的判断之一。但大多数转述都停在”经验时代”四个字上，没有往下追一个更要紧的问题：
经验从哪里来？
经验时代的隐藏前提：环境
人从经验中学习，是因为世界会给反馈：手伸进火里会疼，方案做砸了会被客户骂。智能体要从经验中学习，同样需要一个会给反馈的环境——它做一个动作，环境告诉它对了还是错了，好了多少还是差了多少。
这就是强化学习的基本结构。AlphaGo 那手著名的、人类没教过的棋，是在人类棋谱打底之后，靠”胜负可判”的棋盘环境自我对弈磨出来的；后来的 AlphaGo Zero 更进一步，只凭规则和胜负信号从零学起。
注意”胜负可判”四个字。环境要能训练智能体，反馈得靠得住——对错好坏有可核查的判据、噪声有多大心里有数，而不是纯靠人的感觉打分。
要说明：萨顿讲的是学习范式，没有谈产业格局。沿着他的框架往产业方向推一步，是我自己的判断：经验时代，除了算力和模型，还会多出一种新的稀缺投入——能给智能体可靠反馈的可验证环境。棋盘是一个，代码是一个（测试跑不跑得通，机器说了算），形式化数学是一个（证明可以机械检验）。这几年 AI 恰好在编程和数学上进步最快，自带便宜、可自动化的验证反馈，是重要原因之一——不是唯一原因，但很难说是巧合。
AI 实验室的盲区，就是行业的机会
问题在于：AI 实验室只会去做通用性强、经济价值大的可验证环境——代码、数学、搜索。一个具体行业里的可验证环境，实验室既没有数据，也没有动力去建。
今年五月，Andrej Karpathy 在一次访谈里对创业者说过一段耐人寻味的话，大意是：存在一些非常有价值的强化学习环境，不在实验室的清单上——如果你所在的领域是可验证的，你能构建这些环境和样本，那你就具备了做自己领域微调的条件，并可能从中受益。他甚至说到一半停住：“我不想把答案说出来。”
他没有点名任何行业。把萨顿和 Karpathy 这两个观点放在一起，得到的是一个值得制造业认真去验证的假设：**经验时代的竞争优势，可能属于手里有可验证环境的人。**下面是这个假设在质量域的展开。
质量体系，就是一个现成的可验证环境骨架
现在把镜头转向制造业的质量部门。
做质量的人可能没意识到，自己天天维护的那套体系，用 AI 的语言重新描述一遍，就是一个”可验证业务环境”的骨架：
- FMEA：预测的失效模式后来发生了没有？缺陷库里有答案——预测命中率，可验证；
- 控制计划和检验记录：每一个批次的判定，合格与否有明确判据和留痕——可验证；
- 精益改善：改善建议落地之后，产线指标动没动、动了多少——改善前后数据可量化，可验证；
- 8D 整改：措施实施后，同类问题复发没复发——追溯记录里写着，可验证。
质量体系几十年干的事，本来就是把”好与坏”变成可判定、可追溯、可复核的东西。
得诚实地说：这离”能训练智能体的环境”还有距离。历史记录是离线的观察数据——智能体没法在一堆检验单里做动作、试错、看后果，环境还需要交互接口、状态观测和安全边界。但一个环境最难攒的原材料——结果标签、判定边界、追溯链、改善前后的反馈信号——质量体系里是现成的。而这恰恰是 AI 实验室缺的：他们有算力和模型，缺行业里真实的、带反馈的判定数据，而且很难自己凭空造出来。
硬工程还不止数据打通：失效反馈周期长、严重失效是低频长尾、单个企业数据量未必够、检验判定本身带测量噪声；反馈信号也不能直接拿来当奖励用——简单奖励”预测命中”，会教出一个靠保守预测刷分的投机模型，信号要专门设计。这是一条要走几年的路，不是一个开关。
但方向上的判断可以先立住：这些年被当成”合规成本”维护的质量数据和反馈闭环，在经验时代很可能被重新定价——前提是数据可用、口径稳定、闭环能落地。
换一个问题问自己
所以，与其焦虑”AI 会不会取代质量人”，不如换一个问题：
谁来把质量体系翻译成 AI 的训练环境？
翻译的人得同时懂两边：懂 FMEA 的失效逻辑、懂检验判定的边界条件、懂改善指标的水分在哪——也懂智能体需要什么样的反馈信号。纯实验室团队要补的行业课很厚，多半得找行业里的人合作；而行业里的人，大多数还没往这个方向看。这个空档，就是位置。
萨顿在 WAIC 的开场白说，现在的 AI 弱小、不可靠。让它在你的领域里变得可靠的反馈闭环，原材料有一部分就散落在你的质量记录和过程数据里。
经验时代欢迎的，是带着环境来的人。
本文是「WAIC 2026 观察」系列第一篇——从制造业质量与精益的视角，消化这届大会真正值得带回工厂的东西。