2026 WAIC观察：AI落地的五重转向

一、从“屏幕文本框”到“终端硬件”：AI开始拥有身体、岗位与KPI

过去三年，WAIC展台最直观的变化，是AI形态的迁移。2024年，展台中央滚动着参数规模、上下文长度与榜单分数，竞争围绕模型能力展开；2025年，“Agent”成为高频词，但多作为模型能力的延伸演示；而2026年，Agent已跃居展台核心——模型退至后台，成为智能体的支撑底座。 腾讯集中展示WorkBuddy、CodeBuddy、Marvis等智能体矩阵；阿里重点呈现钉钉AI、Qoder、秒悟；百度以DAA（日活智能体）为锚点，串联搭子、秒哒、一镜等产品；科大讯飞则将星火AIPC、星辰Cowork、阡陌智能客服置于主视觉区。 更关键的是，Agent拥有了专属终端。阶跃星辰在WAIC开幕前发布大模型原生AI终端品牌STEPX，并推出首款智能体手机STEPX Neo。现场演示中，用户仅需提出“下周去杭州出差”，系统即可自动调取日程、比价订票、预订酒店，并联动携程、支付宝完成支付闭环。 这一演进背后，是商业价值单元的根本性迁移：2024年卖API、按Token计费；2025年卖场景化智能体；2026年，越来越多企业开始交付可衡量的结果——一个岗位职责、一段业务流程、一项明确KPI。要承载结果责任，就需要具备清晰形态、交付标准与权责边界的载体，终端因此成为必然选择。STEPX争夺的不是手机市场，而是Agent运行环境的定义权。 端侧AI同步加速落地。2026年被智源研究院与端侧实验室共同定义为“端侧智能规模化落地元年”。面壁智能发布的MiniCPM5-1B仅以1B参数，在Artificial Analysis评测中取得17.9分，且仅消耗约1500万输出Token；而同等水平的大模型需超2.68亿Token——效率差距达17倍。模型竞争正从“规模”转向“密度”，端侧也不再是云端降级版，而是将智能边际成本压向零的关键路径。当成本结构发生根本变化，AI才能真正嵌入手机、汽车、机器人等海量终端，实现规模化普及。 与此同时，中间层正在被抽空。基础大模型厂商已从“百模”收敛至18家，基础模型研发日益成为重资产、高门槛、赢家通吃的领域。留在中间不上不下的企业，必须做出选择：向上扎根应用与Agent，向下深耕芯片与Infra，或向外延展终端生态。百度用DAA替代DAU，正是对这一转向的精准注脚——互联网时代的经营单位是“人”，Agent时代的经营单位是“任务”。

二、告别人形执念与表演Demo：VLA大脑开启“物理上岗”

具身智能展区（H3馆）首次独立成馆，聚集200余家产业链企业、300多台机器人，参展机器人与智能硬件企业达242家，占全部展商近四分之一，成为全场最热门区域。但真正的变革不在数量，而在逻辑。 第一，形态设计彻底摆脱“人形崇拜”。银河通用Galbot G1与魔法原子Magicbot B1采用上半身人形双臂+轮式底盘；逐际动力TRON 2支持双足、轮足、双臂及“人头马”四种构型切换。行业共识已从“越像人越先进”，转向“什么任务适配什么形态”。机器人第一次真正服从任务需求，而非人类生理范式。 第二，“一脑多形”成为主流。蚂蚁灵波LingBot-VLA 2.0模型驱动乐聚、星尘智能及蚂蚁自研R-2三款不同品牌、不同构型机器人，统一完成药房接单—取药—交付全流程。该方案已在国大药房落地，并完成17家厂商、20余种机器人构型适配。大晓机器人、RoboScience、普渡机器人等亦同步推进跨本体泛化，动作能力正与硬件结构解耦，模型开始吃掉本体的差异化价值。 第三，评价标准从“能否演示”转向“能否上岗”。乐聚现场复刻真实工厂产线，实时显示连续运行时长；智元远征A3 Ultra支持7×24小时自主运行、无人运维与自动充电，已进入京东物流仓储场景，截至2026年6月量产突破1.5万台。行业关注点聚焦于稳定性、任务完成率、故障间隔与规模化部署能力，而非单次动作炫技。 但清醒的事实同样存在：H3馆内，极少有企业能脱离遥控完成语音驱动的自主交互；多数仍依赖人工干预完成基础指令。VLA模型仍是具身智能最大的瓶颈。宇树2025年人形机器人出货5500台、营收17亿元，但七成收入来自科研教育市场——行业跑得最快的企业，赚的仍是“研发工具钱”，而非“劳动力替代钱”。工业制造与家庭服务的真实订单占比仍低，规模化商用才刚刚启程。

三、从“堆芯片”到“造Token”：计算单位改写商业底层

基础设施的竞争逻辑已彻底重构。2024年比“有没有GPU”，2025年比“单卡性能”，而2026年WAIC的关键词是“超节点”与“Token工厂”。前者定义算力生产方式，后者定义算力消费范式。 生产侧，H2馆十余家芯片厂商集体推出超节点产品：华为昇腾首次线下展出8192卡Atlas 950 SuperPoD真机；中科曙光发布ScaleX十万卡超智融合集群；中兴联合曦智科技、壁仞科技、沐曦股份打造国产Matrix超节点；燧原科技与中兴联合展出正交架构“云燧ESL64-O”。对比去年展出的384卡昇腾超节点，一年之内，焦点已跃升至50万卡级集群调度能力。 消费侧，“Token工厂”类展台达二十多家，涵盖硅基流动等AI Infra新锐，也包括润建股份、新华三等转型中的传统IT厂商。摩尔线程直接描绘三座工厂：模型训练工厂、词元生产工厂、智能体生产工厂。会场内，“扫码领百万Token”“千万Token引流”成为常见标语。 这一转变的本质，是AI产业计量单位正从FLOPS向Token迁移。PPIO在WAIC发布Agentic Cloud定位与智能模型网关，提出“Agent生产力 = Token智能密度 × Agent运行时长”。其网关可根据任务复杂度自动调度模型：高价值任务启用多模型交叉验证，普通任务调用轻量模型，使Token成本降低60%–80%；Agent Harness则负责任务编排、工具调用与记忆管理，显著延长连续工作时间。 截至2026年6月，PPIO平台日均Token调用量突破1.2万亿，同比增长超8倍，且全部来自企业付费客户。二、三月快速增长后，已稳定在每月10%–20%的增速区间——这标志着行业正式迈入ROI驱动阶段。 当基础模型能力趋近、参数差异收窄，真正稀缺的不再是模型本身，而是模型调度与任务编排能力。智能模型网关的价值，正在于回答“哪个模型最适合当前任务”。超节点的爆发同样遵循此逻辑：MoE架构普及后，单机八卡无法支撑训练需求，必须构建数千卡统一算力池以降低通信开销、提升单位Token产出效率。在中国语境下，超节点还有另一重意义——通过系统级优化弥补先进制程差距，将竞争焦点从单芯片性能转向整体计算效能。 Token已超越技术指标，成为全产业通用的商业语言：算力厂商核算每Token成本，大模型公司关注每Token收入，企业客户评估每Token业务回报。润建股份甚至采用“免费开发、按Token收费”模式，将软件服务转化为持续性智能消费。基础设施出售的，不再是静态算力，而是持续生产智能的能力。

四、从“能力涌现”到“可信上岗”：工程体系成为新护城河

如果说前三重转向关乎技术形态，那么第四重转向则直指交付本质。2024年展台标语是“拥有大模型”，2025年变为“拥有行业模型与智能体平台”，而2026年，越来越多企业开始展示准确率、任务完成率、评测轮次、投资回报周期等经营指标。 今年WAIC共有132家企业展示行业AI应用，覆盖17个细分领域。“上岗”一词出现频率远超“推理”“微调”“对齐”。这意味着AI正从能力展示，转向责任交付。 原因在于根本矛盾：大模型是概率系统，企业经营依赖确定性系统。企业不会因“大概率正确”承担经营风险。决定AI能否进入企业的，不再是模型上限，而是一整套将概率转化为确定性的工程能力。 这一能力首先体现为AI能否真正嵌入业务流程。网易智企发布企业级Agent平台“帝王蟹（ClawHive）”，将销售、客服、运营等岗位经验沉淀为标准化技能包，使AI可参与完整业务链路；同步推出的Agent Guard，则对权限调用、工具使用与任务执行实施全程风险控制。这些产品解决的并非“回答更聪明”，而是让AI能安全接入ERP、CRM、客服系统，成为企业流程的有机部分。 其次，采购逻辑正从“买技术”转向“买结果”。蚂蚁数科发布商业智能体超级工厂Agentar 2.0，明确提出“价值交付、效果付费”。支撑该模式的，是一套可量化、可验证、可仲裁的评测体系——金融项目需经二十多轮评测才正式交付，准确率、胜合率等指标全程公开。只有建立统一验收标准，企业才敢为最终效果付费。评测体系，正成为AI时代的新基础设施；谁定义标准，谁就掌握定价权。 第三，AI开始接受行业标准，而非模型排行榜。海康威视《观澜大模型白皮书（2026版）》通篇未提参数规模，聚焦误报率、漏报率、部署效率等工业指标。在钢铁、安全生产等真实场景中，相关产品将误报率降低95%以上。工业现场不关心模型是否榜首，只关心系统能否连续运行、稳定判断、长期可靠——一个频繁误报的AI，比没有AI更危险。AI第一次真正接受工业世界的评价体系。 回看三年，企业关注的问题已发生质变：2024年问“模型够不够强”，2025年问“智能体能不能完成任务”，2026年问“AI能不能上岗、担不担责任、创不创造收益”。模型决定能力上限，工程体系则决定商业上限。当AI进入真实生产流程，竞争焦点已从算法性能，转向交付能力、组织协同与持续运营能力。工程体系，已成为AI时代最坚实的新护城河。

五、从“对标硅谷”到“被硅谷对标”：开源成为非对称战场

2026年WAIC最不易察觉却最具深远意义的变化，在于中国AI在全球坐标系中的位置移动。 2024年，最大流量来自特斯拉Optimus二代全球首秀，中国厂商叙事高度统一：对标GPT-4、对标Optimus；2025年，DeepSeek之后语气渐变，主流仍是“性价比替代”；而2026年，月之暗面发布2.8万亿参数开源模型Kimi K3，引发连锁反应：独立评测机构Vals AI确认其综合性能超越GPT-5.6 Sol；发布48小时内因用户激增、集群负载逼近极限，官方暂停C端新用户订阅，优先保障已订阅用户。 这标志着中国模型首次实质性影响全球开发者的模型选型。更重要的是，它揭示了一条差异化竞争路径：不依赖闭源订阅与算力壁垒，而是通过开放权重、低成本推理与快速迭代，将模型打造为全球开发者可直接调用的基础设施。 这是资源约束倒逼出的战略转向。高盛预测，美国超大规模厂商2026年资本开支将超5200亿美元；瑞银测算，中国主要互联网平台同期合计支出约570亿美元，仅为前者的九分之一。OpenAI更将2030年前算力预算上调至7500亿美元。在此结构性差距下，“堆更大模型”是一场注定输掉的战争。Kimi K3的2.8万亿参数虽低于前沿闭源模型的5–10万亿，但其发布即拥堵，恰恰印证了现实天花板。 于是中国AI主动换战场：把模型做成公共品，让价值沉淀到应用层、硬件层与场景层——而这恰是中国最具优势的领域。MIT与Hugging Face统计显示，截至2025年8月，中国开源权重模型占全球下载量17.1%，首次微弱超越美国的15.86%；a16z合伙人指出，其接触的初创公司中约八成正在使用中国开源模型。美中经济与安全审查委员会（USCC）将此机制概括为“扩散—创新反馈循环”：许可更宽松、迭代更快、采用更广，形成共享技术公地，整体抬升生态能力水位。 WAIC现场已可见证这种位移：智谱GLM-5.2为当时榜单最高分开源模型；MiniMax M3采用自研稀疏注意力架构，总参428B、激活仅23B，完成主流芯片平台Day 0适配；面壁MiniCPM累计下载3800万次、GitHub星标超14万，已装入三星手机及吉利、马自达智能座舱。 中国模型正从“对标对象”，变为“研究底座”与“比较基准”。前者仅证明能力接近，后者意味着技术路线已进入全球知识生产体系——被写入论文、成为基准、纳入开发框架，其产业影响力远超一次榜单领先。 这一转向正从模型层延伸至标准层。中国AI出海，已不止于硬件、云服务与行业产品，更尝试输出模型生态、算力架构、接口标准与治理框架。昇腾服务器、光模块、液冷设备、通信设备、行业大模型与机器视觉产品，正系统性进入海外市场。随着中国企业逐步掌握接口定义权、标准制定权与部署方式主导权，产业地位将持续提升。 但需保持清醒：中国开源模型当前优势集中于成本、开放性与部署效率；在复杂推理、高风险决策与关键代码生成等场景，全球企业仍倾向调用闭源模型。低Token单价不等于低任务成本——若模型需更多Token、更长运行时间，成本优势将被抵消。算力约束依然真实存在，服务拥堵即是明证。开源可放大生态影响力，却无法替代芯片、算力与资本投入。 因此，2026年的真正变化，并非全面领先，而是竞争位置的迁移：2024年证明“能追上”，2025年证明“能更低成本做到”，2026年则证明“全球开发者愿基于中国模型继续开发”。从对标前沿，到融入生态，再到参与标准制定，中国AI正获得比模型排名更持久的产业影响力。而能否将开源势能转化为商业收入、技术标准与持续创新能力，将决定这场位移能走多远。

结语：一场关于确定性的硬核拉锯战

从2024到2026，三届WAIC如同一部AI产业的“祛魅史”。我们告别了“万模大战”的喧嚣与“黑盒神话”的迷思，穿越了“幻觉阵痛”与“PoC泥潭”，最终抵达2026年的展馆：这里布满注重算力与成本的边缘云网络、不纠结双足姿态的具身硬件、深入终端的轻量化模型、具备物理世界控制力的通用大脑，以及追求绝对确定性与高ROI的企业级系统。 一个清晰结论已然浮现：人工智能不再是一场高高在上的技术神话，而是一场关于工程细节、成本控制、场景理解与商业闭环的硬核拉锯战。 只有那些能把概率型AI改造为确定性生产力、能让企业客户“放心雇佣并持续付费”的企业，才能在这条陡峭而真实的AI落地曲线上，握住通往下一个时代的入场券。