7 月，IJCAI 2026 在德国不来梅召开。议程里最显眼的关键词不是某个新模型，而是 Agent、Multi-agent、Robotics、Reinforcement Learning——它们正在被大模型重新激活。中国厂商的竞争焦点，也正从“谁的模型更强”，转向“谁能把模型放进复杂系统”。
注：统计范围为本文所引公开信息中明确提及的机构与奖项；数字用于快速建立认知，不代表完整名录。
如果观察今年大会的议程结构和重点活动，Agent、Multi-agent、Robotics、Reinforcement Learning 几个词的曝光率，会明显高于任何一家大模型公司的名字。这本身就是一条新闻。
但这些关键词，并不是大模型时代才出现的新问题。
规划、决策、多智能体协作、机器人控制——这些研究最短的也有几十年传统。过去它们分属不同领域，各有各的算法、数据集和评价体系；今天，一个拥有强大语言理解与推理能力的大模型，正在进入这些系统，充当重新组织它们的中介。
这正是观察中国 AI 产业的一个窗口：当模型能力趋同，谁有能力把它放进足够复杂的系统里？
注：以上为编辑对原文高频议题的提取，词语之间无排序关系。
判断一场顶级会议的走向，看奖项归属比看宣传稿可靠得多。今年的获奖名单，指向性非常强。
表彰他在 multi-agent coordination、human-agent teamwork 与 autonomous agents 方面的开创性工作。他在演讲中给出的判断是：Agent 的下一阶段，不是把单个 Agent 做得更强，而是合作、协调、谈判与集体决策。
表彰他在机制设计上的贡献，尤其关注多智能体环境中的效率、公平与激励一致性——当多个 Agent 在同一系统里博弈，规则设计就是底层能力。
研究焦点在计算机视觉、生成式 AI 与机器人智能的结合。它代表的是一条更长的链路：从理解世界，到在世界中采取行动。
三个奖项，三个方向——多智能体、机制设计、物理智能。它们共享同一个判断：AI 的评价标准，正在从“答得对”转向“做得到”。
注：奖项信息依据 IJCAI 2026 官方公布信息整理，获奖人及研究贡献为公开信息。
产业界的动作与学术风向，落在同一个判断上。过去两年国内 AI 最激烈的竞争是“谁的模型更强”；到了今年，真正值得观察的是：谁能把模型放进足够复杂的系统。
模型 → 拆解 → 训练 → 复用。重点在 Agent 的能力供给与经验来源。
模型 → 嵌入 → 调用 → 闭环。重点在数据、知识与真实世界的反馈。
注：两条路线为编辑基于公开信息的归纳，不代表公司官方分类。
阿里在解决 Agent 会什么，字节在探索 Agent 怎么学会，百度们在搭建 Agent 在哪干活——三条路彼此咬合，缺一条都跑不远。
当 Agent 从“回答一个问题”走向连续行动，错误的代价不再是刷新一次网页。今年大会上，几道“冷静”的声音格外值得听。
当模型通过奖励机制学习行动策略时，可能只优化指标、偏离真实目标。在金融交易、代码开发或物流调度中连续行动，错误的奖励信号会带来更复杂的问题。
大模型之后，限制 Agent 的不再只是参数规模，而是高质量行动数据从哪里来。随机探索、意图推理、反思与错误恢复，是补齐这一环的尝试。
模型能力提升不一定只靠更多数据和更大算力，还需要交互、经验复用和自适应学习——这在方法论上直接呼应产业界的 Agent 技能积累。
1986 年，Marvin Minsky 在《The Society of Mind》里写下过一个后来影响深远的想法：“智能”不一定来自某一个全知的大脑，而可能来自许多 agents，通过分工、连接与协作共同产生。
四十年后，大模型拥有了工具调用、记忆、视觉理解与行动能力。
产业热词从“涌现”变成“Agent”，从“对齐”走向“Computer Use”。但技术真正面对的问题没有变：当一个模型需要规划任务、调用工具、获得反馈、调整策略，它始终要回答那个并不新鲜的问题——下一步做什么。
注：链条为编辑对原文思路的递进关系归纳，箭头表示能力向前延伸的方向。
2025 年，DeepSeek 把国内产业的注意力推向了 reasoning、RL 和 test-time compute。但“让模型想得更久”只是起点。从 reasoning 到 planning，从 planning 到 tool use，从 tool use 到 environment interaction，再到 reward——这条链条的终点，不是更大的模型，而是更完整的系统。
当行动从数字世界延伸到现实世界，就轮到 Physical AI 登场。感知、规划、控制、决策，这些机器人领域的旧问题，因为大模型提供的一层语义理解与任务分解能力，重新被点燃。
当模型开始调用工具、制定计划、操作电脑甚至控制机器人，它面对的已经不是语言生成问题，而是现实世界中的连续决策问题。Agent 时代真正要回答的，就是那个老问题：接下来应该做什么？
模型越来越像底座。竞争，正在向模型之外扩散。
参数竞赛的边际收益正在快速收窄。接下来真正的分水岭是“系统能力”——高质量行动数据、真实业务反馈闭环与工具生态的工程整合。谁能踩着这些台阶把 Agent 送进现实世界，谁就拿到下一张门票。
IJCAI 2026 官方议程与论文列表已公开。建议重点追踪 Agent、Multi-agent、Robotics、Reinforcement Learning 四条主线，以及“有限监督”“奖励攻击”这几类冷静议题——它们往往预告下一个冬天的话题。
前往大会官网查看完整议程