ICML26闭门会：10个一线研究者说了10个最新趋势量子位

ICML 2026落幕了。

但今年最有意思的讨论，很多并没有发生在Session里。

Coffee Break的走廊上、Poster板前、晚餐桌边——来自全球Frontier AI Labs、顶尖高校、创业公司和投资机构的研究者们，聊的早已不只是论文本身：

下一代扩散语言模型还有多大空间？

世界模型的机会到底在哪？

当Agent开始参与研究流程，科研本身会变成什么样？

这些还没写进论文的思考，往往才是下一轮共识的起点。

就在本次ICML期间，九坤创投发起的Global AI Bridge组织了三场小规模闭门交流。

其中有ICML杰出论文奖得主，有Frontier Lab研究员，有华为天才少年，也有正在把AI推向金融、机器人和科学发现一线的实践者。

我们从中提炼出十个最值得关注的信号。

它们未必已经成为共识，但很可能就是未来几年AI最重要的新坐标。

AI正在重新定义“智能是如何产生的”

过去，我们关注如何设计更好的模型；如今，我们开始重新思考智能是如何被创造出来的。

从模型架构，到数据范式，再到AI在高价值行业的落地，今年ICML最重要的变化，是AI正从追求模型能力，走向构建真正可持续的智能系统。

Takeaway 01 重新定义下一代扩散语言模型的，不只是解码速度，还有生成方式

ICML2026杰出论文奖（Outstanding Paper）一作，清华大学自动化系本科+博士，师从长聘副教授黄高，曾获得国家奖学金、未来学者奖学金、商汤奖学金等

今年ICML有两件事让我特别开心：

一是《The Flexibility Trap》拿到了Outstanding Paper；二是在Oral和Poster的交流中，我发现越来越多研究者也在开始重新思考扩散语言模型的真正价值与能力边界。

我们的工作希望回答一个核心问题：

任意顺序解码究竟带来了什么，又有哪些边界？

如果DLM的优势仅停留在并行解码带来的效率提升，它与Multi-token Prediction的差异可能并没有那么本质。

因此真正值得期待的是，它能否支持像人类写作一样“先写草稿、再修改已写好的文字”的范式，而目前最主流的扩散大语言模型暂时还做不到这一点。

未来，我更关注新一代扩散架构的探索，比如连续空间的扩散语言模型（MIT的ELF），以及Google基于uniform-state diffusion的DiffusionGemma等，它们或许会开启语言模型新的发展路径。

Takeaway 02 四年前，模型定义数据；四年后，数据开始定义模型

ICML 2022杰出论文奖（Outstanding Paper），上海交通大学副教授，国家级青年人才，前智源研究院数据智能中心负责人，阿里具身智能访问学者，北大硕士，爱丁堡大学博士

四年前，我聚焦的Data-Centric AI还是一个小众方向，其价值常受到质疑；四年后，它已经成为大模型、具身智能、AI4Science等前沿领域共同的基础范式。

AI正在加速进入新阶段，模型逐渐成为数据的载体，数据即智能。

对于具身智能而言，真正的瓶颈不仅在于数据稀缺，更在于数据与模型之间的协同机制。

下一阶段的竞争核心，不是谁拥有更多数据，而是谁能够让数据反过来定义模型架构、训练策略与能力边界（Data-Driven Model Design）。

随着具身智能进入大数据时代，数据高效使用与数据驱动的模型设计，将成为未来几年最重要的研究方向，也将重新定义下一代物理AI系统的构建方式。

Takeaway 03 AI正在进入金融领域的新阶段，从技术验证，到商业兑现

纽约大学特恩商学院Andre Meyer冠名终身正教授，计算机科学系与数据科学学院兼职教授，摩根大通量化研究人工智能负责人，CMU博士，伯克利博士后，师从Michael I. Jordan

今年ICML令人兴奋的变化，是AI与金融开始真正汇合。

AI在金融领域正从技术验证走向商业兑现，成为最具价值的应用场景之一。

基础模型、推理模型和Agent正在重塑Alpha Research、市场微观结构建模以及自动化研究流程。

我相信，值得关注的不只是AI公司做金融，而是越来越多具备Frontier AI背景的顶尖研究者，把最先进的大模型研究应用到投资研究、风险管理、交易系统等场景。

未来五年，AI Native的金融机构和研究团队有望成为AI商业化最重要的落地方向之一。

AI正在成为连接数字世界与物理世界的新操作系统

如果AI是一套新操作系统，那它的“内核”是什么？

接下来三个takeaway给出了三种回答：

是自主规划、持续进化的Agent；是让科学积累第一次摆脱生物寿命限制的智能系统；也是像人与人交流一样实时倾听、实时回应的交互架构。