2026世界人工智能大会观察：AI正从云端走向物理世界

人多、天热、终端雷同——但这次不一样

任何一个走进2026世界人工智能大会（WAIC）的观众，都很难忽视三件事：人多、天气热，以及展台所展示终端的雷同——算力厂商沐曦和大模型厂商阶跃星辰的展台上都摆着车；阿里千问和科大讯飞把巨大的AI眼镜放在入口；几步之外，一台机器人正在煮咖啡或泡茶。 两年前，WAIC的焦点是百模大战与参数比拼；一年前，行业还在为算力焦虑和应用难产争论不休。而今年最拥挤的展台，属于那些试图长出眼睛、耳朵和手脚的物理设备。 大会官方数据显示，本届WAIC期间有超过300款产品全球首发，其中消费级AI产品与具身智能终端占据显著比例。如果说过去三年的AI发展是在云端的快速扩张，那么2026年的WAIC则是一个转向的开始：大模型公司、传统终端巨头与初创企业，开始在具体方向上展开真实的商业竞赛，将AI从抽象能力拉入可触、可感、可执行的物理世界。 硬件不再是算力的容器，而是大模型商业闭环与数据飞轮的物理锚点。但这届WAIC最重要的变化，不是AI终于有了“身体”，而是每一种身体都开始被追问：它到底能负责什么。

智能体手机：争夺系统底层权限的入口战

手机是距离用户最近的计算中心，也是竞争最激烈的战场。 阶跃星辰在WAIC展出STEPX品牌首款AI终端STEPX Neo，并自研智能体原生操作系统Step AOS。这款产品成为全场排队最长的展项。几乎同期，字节跳动豆包与中兴努比亚联合推出“第二代豆包手机”，支持语音订机票等跨应用操作，虽流程已通，但响应速度仍显迟滞。 模型公司执意造手机，根源在于现有移动生态结构：超级App筑起数据孤岛，大模型若仅作为App存在，难以理解用户的跨平台意图；若强行调用其他App核心数据，则易触发防御性反制。 因此，模型公司选择绕过App层，直抵系统权限。阶跃星辰走操作系统重构路线，豆包则采用GUI Agent方式，让AI“看懂屏幕、模拟点击”，降低对第三方API的依赖。 印奇在主论坛提出：电脑、手机、汽车、机器人，将是同一智能体在不同场景下的不同“身体”。而产业必须回答：智能体代表谁行动？行动后果由谁负责？这正是模型公司争夺终端入口的根本动因——硬件不只是数据起点，更是商业模式从按Token收费转向硬件分成或订阅制的关键落脚点。 传统手机厂商亦迅速响应。荣耀发布Robot Phone，并将MagicOS升级为“伙伴型多模态智能体操作系统（Agentic OS）”，强调连续意图承接能力。其四自由度云台系统可在播放音乐时随节奏转动；官方演示中，它能连续完成订蛋糕、打车、预约KTV等任务。 荣耀CEO李健指出，AI正从“冰冷工具”走向“伙伴型类人生命体”。这背后是对系统入口的重新定义：手机不再只是App载体，而要成为用户意图的持续承接者。 无论是STEPX Neo还是Robot Phone，都标志着AI手机的竞争已从预装助手，升级为系统级权限争夺与跨应用执行能力构建。但实现真正闭环，仍面临端侧模型内存与功耗瓶颈，以及更关键的权限治理难题：大模型跨App调度数据时，如何向用户透明解释流向？超级App是否愿意让渡核心业务流？

AI眼镜：争夺“持续佩戴”的感知层

AI眼镜是本届WAIC增长最快的品类之一。科大讯飞、阿里千问、李未可、Rokid、Moonix等20余家厂商带来40余款产品，形态各异，但共性明确：放弃复杂虚拟空间构建，转向轻量化与日常可用性。 科大讯飞主推重约40克的AI眼镜，定位软硬一体生态入口，聚焦翻译与办公助理；Moonix莫奈AI眼镜标称仅14.9克，主打无感记录；Rokid等厂商已打通支付软件，支持语音指令直接购买。 更进一步的是跨形态协同。HGR在现场演示“人·眼镜·机器狗”系统：当佩戴者视线锁定外卖位置并发出“去那里”指令，系统需对齐1.6米人眼高度与0.4米机器狗摄像头视角，将视线落点转化为导航目标，完成取件与送达。这意味着未来调度可能不再依赖遥控器，而基于自然语言与视线交互。 实时视觉+语音处理对算力要求极高，因此端侧模型成为可穿戴设备的关键支撑。RWKV等新架构通过状态压缩降低内存占用；面壁智能宣布其端侧模型已搭载于三星手机，并拓展至智能座舱等场景。AI能力下放至端侧，是眼镜在弱网环境下保持高频可用的基础。 IDC预测，2026年中国智能眼镜市场出货量将达450.8万台。但AI眼镜作为最接近“随身感知层”的终端，也最受生理与社会规范约束：音频、翻译、第一视角拍摄等单点功能更易形成使用习惯；而将其直接定义为“手机替代品”，则忽略了佩戴时长、隐私共识与线下验配门槛。眼镜能否成为入口，不仅考验供应链与渠道，更取决于周围人是否接受“被它看见”。

具身机器人：不是更像人，而是更不需要像人

会跳舞、能格斗的具身机器人仍是人气展区，但2026年最大变化在于：厂商不再比“多像人”，而比“能干啥”。缺乏清晰场景支撑的机器人，正快速失去叙事空间。 智元机器人将整条产线搬进展馆，演示机器人完成上料、装盒、整箱转运的连续流程；乐聚机器人让人形机器人处理纸箱与塑料箱拆垛、小件上料，并在箱体偏移时自动校准；它石智航复刻汽车线束作业环形流水线，实现“取线—布线—插接”，其A1方案搭载自研AWE具身大模型与21自由度DexHand灵巧手。 一位它石智航客户表示，线束场景“非常讨巧”：虽涉及柔性物料与精细插接，但工位、物料流转与质量标准明确，可拆解为可示教、可验收的步骤。相比开放环境中的通用服务，这类重复、节拍清晰的任务更易积累数据、验证效益，并以租赁模式试点落地。 新零售与服务场景同样活跃。蚂蚁集团灵波大模型联合国大药房，展示三台不同构型机器人协同接单、取药、打包，全程约90秒；首次参展的Sharpa展示机器人自主拍照，难点在于手部精细化操作，未来可适配各类手持工具。 但所有演示均基于展馆可控环境：固定路线、标准物料、稳定光照与分工。进入真实工厂或门店后，机器人还需应对物料缺失、箱体变形、指令歧义、网络波动与人工接管等异常。 因此，本届展会最大转变是评价标准从“会不会动”，转向“能否连续工作”。完成一次演示、跑通一个试点、形成可复制的商业部署，仍是三个截然不同的阶段。相比于非标且容错率低的家庭场景，工业流水线与标准化零售柜台，是当前最具可行性的落地选择。 智元机器人合伙人姚卯青指出，短期更易落地的是“高频、刚需、环境可控、确定性强、具备一定容错空间”的简单任务；它石智航创始人陈亦伦认为，制造业数据密度高、任务标准明确、人类操作数据丰富，是具身智能最友好的早期环境；而真正的物理世界模型，还需力觉、接触反馈等视频无法提供的信号。

AI硬件的真门槛，不是智能，而是责任

智能体手机、AI眼镜、具身机器人，共同指向一个尚处起步期的变化：AI正获得更接近现实世界的感知与执行界面。 数据不再只来自屏幕点击，也来自视觉、听觉、空间坐标与运动轨迹。硬件不再只是指令接收端，而是参与感知、推理与执行的完整链条。但三类终端并不共享同一种商业闭环：手机要解决服务调用与权限治理，眼镜要建立高频佩戴与社会接受度，机器人则需客户为可靠性、维护成本与安全责任买单。 一位从硬件转向Agent创业的从业者坦言：当前AI硬件供应链仍未成熟。他以智能手机发展史类比——iPhone并非凭空诞生，而是先定义新交互范式，再倒逼供应链快速跟进。当下未必需要等待某个“iPhone时刻”，但提示行业：只有当一种形态同时跑通用户价值、软件能力与供应链效率，围绕它的零部件、渠道与服务网络才会大规模跟进。这也是其团队选择先做软件系统、暂不涉足硬件制造的原因。 因此，更可能的路径不是某一件设备短期内接管所有入口，而是三类终端在各自边界内形成分工：手机协调服务，眼镜补充随身感知，机器人在标准化场景承担执行。它们共享模型、芯片与传感器等底座，却需分别回答权限、隐私与责任问题。 如果这些条件被逐步满足，AI硬件改变的将不只是某一台设备，而是人们获取服务的方式、设备完成工作的方式，以及数据在真实世界中流动的方式。