2026年，当WAIC的展馆里布满了极度注重算力和成本的边缘云网络、不再纠结于双足姿态的各类具身硬件、深入终端设备的轻量化模型、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的企业级系统时，一个极其清晰的行业结论已经浮出水面：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。

7 月18日的上海，2026WAIC世博展览馆里，闷热、潮湿，但依旧人头攒动，人流量堪称史上之最。

在这里，可以看到无论是大厂，还是头部模型厂商，都在为Agent重新改造升级基础设施。

阿里构建起从芯片到云、到 千问 模型、再到阿里云百炼推理与智能体生态的五层全栈架构；腾讯展示了以混元底座、云算力和WorkBuddy、QClaw等Agent智能体为核心的全栈能力；大模型厂商阶跃星辰更是为智能体运行在底层重构操作系统，打造一个合适的运行环境。

还可以看到忙碌于各个产业场景的智能硬件。

机器人们正在药房为接单、取药、递交给客户；在工厂7☓24小时稳定工作；在家庭中叠衣服、制作可口的饭菜。

然而在两年前，这里的展台大多摆着几台iPad或显示屏，演示内容是清一色的文本对话框。无论是写一首诗、总结一份PDF，还是生成一段营销文案，AI的能力被严格锁死在“屏幕之内”；至于模型层的竞争，大多还在围着模型参数和评分。

三年时间，AI在产业里的具体表达，已经发生了巨大的变化。从文本框里的能力，变成了看得见、摸得着、能干活的物理世界生产力。

站在展馆中心，不禁感叹，那场始于2023年末、狂飙于2024年的AI技术大雾，正在缓缓散去；而落下的水滴，已悄然渗入中国产业的泥土深处。

一个值得思考的问题是：过去这三年，AI在产业里的具体表达究竟发生了哪些变化？背后折射出怎样的底层产业逻辑变迁？

WAIC作为中国AI从“技术热潮”迈向“产业深水区”的晴雨表与第一现场，正在成为最好的观察对象。

站在 2026 年的时间坐标轴上回看，答案逐渐浮现。

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最为明显的变化，其实是AI形态的变化。

2024年的WAIC，主角还是基础大模型。展台中央滚动着参数规模、上下文长度、多模态能力和各类榜单，行业竞争围绕模型能力展开。

到了2025年，Agent第一次成为高频词，但更多还是模型能力的延伸，用来证明模型已经具备调用工具、执行流程的能力。

2026年，格局彻底改变。几乎所有头部企业都把Agent放在展台最显眼的位置，模型退到幕后，成为智能体的底层能力。腾讯展示WorkBuddy、CodeBuddy、Marvis等智能体矩阵；阿里重点展示钉钉AI、Qoder、秒悟；百度围绕DAA（日活智能体）串联起搭子、秒哒、一镜、小度搭子、伐谋等产品；科大讯飞则将星火AIPC、星辰Cowork、阡陌智能客服放在核心位置。

更大的变化在于，Agent开始拥有自己的终端。

WAIC开幕前，阶跃星辰发布大模型原生AI终端品牌STEPX，并推出首款大模型原生智能体手机STEPX Neo。现场演示中，用户只需提出出行需求，系统即可结合日程规划机票、酒店，并联动携程、支付宝等服务完成后续操作。

表面看，这是模型、智能体、终端的演进，本质上，其实是商业价值的迁移。

2024年，企业出售的是模型能力，客户采购API，按Token付费；2025年，出售的是智能体能力，一个Agent对应一个业务场景；到了2026年，越来越多企业开始出售工作结果，一个岗位、一段业务流程、一个可交付的KPI，逐渐成为新的商业单元。

商业模式开始出售结果，就需要能够承接结果责任的载体，这也是AI硬件快速升温的重要原因。终端拥有清晰的产品形态、交付标准和责任边界，更容易进入企业采购体系，也更容易形成持续运营能力。因此，STEPX争夺的并非手机市场，而是Agent运行环境。

同样的变化，也发生在端侧AI。

2024年，端侧模型还是少数公司的技术探索；2025年进入产品验证阶段；到了2026年，已经成为行业共识。WAIC期间，智源研究院联合端侧实验室发布报告，将2026年定义为端侧智能规模化落地元年，面壁智能CEO李大海也给出了相同判断。

这种判断的依据来自效率。

2026年5 月，面壁发布的 MiniCPM5-1B，仅以 1B 参数在 Artificial Analysis 上取得 17.9 分，只用了约 1500 万个输出 Token 达到这一水平，而更大规模的模型要达到相近水平，需要消耗超过 2.68 亿 Token，中间是十七倍的差距。

不难看出，模型竞争开始从"规模"转向"密度"。端侧也不是云端的补充或降级版，其是把智能的边际成本压向零的另一条路径，这个区别在 2024 年只是技术路线之争，到 2026 年已经变成了成本结构之争。而成本结构，决定了 AI 能不能被"用得起"，也就决定了它能不能被"用起来"。随着智能成本持续下降，AI将真正进入手机、汽车、机器人等终端，形成大规模普及。

而在这种趋势下，中间层或将逐渐被抽空。

数据显示，基础大模型，已经从"百模"收敛到 18 家，做基础模型正在变成一门重资产、高门槛、赢家通吃的生意。留在中间不上不下的公司，要么向上走进应用和 Agent，要么向下钻进芯片和 Infra，要么向外长出终端。

百度提出用 DAA 替代 DAU，这个指标的更换本身就是一次深刻的宣言：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，是过去三年变化最快的赛道。

2024年，“十八金刚”首次集体亮相，全国能够稳定行走的人形机器人仍屈指可数，展台比的是能不能站起来、走几步。

2025年进入人形机器人爆发期。跳舞、拳击、翻跟头、写毛笔字成为最吸引观众的展示内容，宇树展台长期排起长队，150多台人形机器人同场竞技，评价标准仍是动作难度。

2026年，具身智能首次独立成馆。H3馆聚集200余家产业链企业、300多台机器人，机器人与智能硬件企业达到242家，占全部展商近四分之一，成为WAIC最热门的展区。

但真正的变化，是技术路线。

第一，不再刻意强调人"人形"。银河通用 Galbot G1 与魔法原子 Magicbot B1 都是上半身人形双臂、下半身轮式底盘；逐际动力 TRON 2 能在双足、轮足和双臂形态之间切换，还能化身"人头马"。过去行业追求"越像人越先进"，如今开始追求"什么场景适合什么形态"。机器人形态第一次开始服从任务，而不是服从人形。

第二，同一套模型开始套在不同的机器人身上。今年最典型的案例来自蚂蚁灵波。乐聚、星尘智能以及蚂蚁自研R-2三款不同品牌、不同构型机器人，在同一套LingBot-VLA 2.0模型驱动下，自主完成接单、取药、交付全流程，这套方案已经落地上海国大药房，并完成17家厂商、20多种机器人构型适配。

类似变化也出现在大晓机器人、RoboScience、普渡机器人等企业。"一脑多形""跨本体泛化"成为行业共同方向。

这两个现象背后，指向同一件事，那就是VLA模型开始具备跨机器人泛化能力，动作逐渐与硬件结构解耦，本体的差异化价值，正在被模型吃掉。

第三，评价标准发生了变化。过去展示的是Demo，今年展示的是交付能力。乐聚现场复刻工厂产线，并实时显示连续运行时长；智元发布远征A3 Ultra，支持7×24小时运行、自主充电和无人运维，并进入京东物流仓储场景。截至今年6月，智元累计量产机器人已突破1.5万台。行业开始关注连续运行时间、稳定性、任务完成率和规模化部署能力，而不是单次演示效果。

不过，一个清醒的观察是，在 H3 馆，很少看到企业把自家模型单独作为核心竞争力去展示，随处可见的仍是遥控驱动机器人做动作，只有极少数企业能用语音驱动完成打招呼、行走这类简单指令。模型仍然是具身行业最大的瓶颈。

还有一个被忽略的商业事实，宇树 2025 年人形机器人出货超 5500 台、营收 17 亿元，均价约 16.8 万元、毛利率高达 62.9%，科创板 IPO 获批成为"人形机器人第一股"，但其中超过七成来自科研教育。也就是说，行业里跑得最好的那家公司，赚的钱本质上仍是"卖研发工具"的钱，而不是"卖劳动力"的钱。

工业制造和家庭服务的订单占比还很低。真正的规模化，才刚刚开始。

三、从"堆芯片"到"造 Token"，计算单位改写商业底层

基础设施，也发生了根本性变化。

2024年，比的是"有没有GPU"；2025年，比的是"单卡性能"；到了2026年，WAIC出现了两个高频词，那就是超节点和Token工厂。前者代表算力生产方式，后者代表算力消费方式。

生产侧，H2 馆十余家芯片厂商今年都推出了自己的超节点产品。华为昇腾在黄金位置首次展出业界最大规模超节点 Atlas 950 SuperPoD 真机；中科曙光推出 ScaleX 十万卡超智融合集群；中兴通讯联合曦智科技、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方案"云燧 ESL64-O"。

对比感极强的是，去年 WAIC，华为首次线下展出的还是昇腾 384 超节点，仅仅一年，展出重心就从 384 卡升级到 8192 卡超节点与 50 万卡级集群调度演示。

消费侧，"Token 工厂"或类 Token 工厂的展台大概有二十多家，背后有硅基流动这样的 AI Infra 创企，也有润建股份、新华三这类正在转型的传统 IT 厂商。摩尔线程更是直接描绘了三座工厂，模型训练工厂、词元生产工厂、智能体生产工厂。

会场里，不少大模型和算力厂商举着"扫码领百万 Token"的牌子游走，甚至有厂商开出千万 Token 的引流福利。

这种变化背后的本质，其实是AI基础设施的计量单位正在发生变化，从 FLOPS 换成了 Token。

PPIO是一个典型样本。

WAIC期间，PPIO发布Agentic Cloud定位和智能模型网关，提出"Agent生产力=Token智能密度×Agent运行时长"。智能模型网关能够根据任务复杂度自动调度不同模型，高价值任务采用多模型交叉验证，普通任务调用轻量模型，将Token成本降低60%至80%；Agent Harness则负责任务编排、工具调用和记忆管理，延长Agent连续工作的时间。

截至2026年6月，PPIO平台日均Token调用量突破1.2万亿，同比增长超过8倍。更值得关注的是，这些调用全部来自企业付费客户。按照PPIO披露的数据，今年二、三月经历快速增长后，目前已进入每月10%至20%的稳定增长阶段。

这条曲线意味着，行业已经从尝鲜阶段进入ROI驱动阶段。

模型越来越多，真正稀缺的开始变成模型调度能力。当基础模型逐渐收敛、能力不断接近，价值开始从模型本身转移到调度层和编排层。智能模型网关的出现，本质上就是在解决"哪个模型最适合完成当前任务"的问题。

超节点的爆发，同样遵循这一逻辑。

随着MoE等架构普及，单机八卡已经无法支撑大模型训练，系统必须把数千张芯片连接成统一算力池，降低通信开销，提高单位Token产出效率。而在中国的语境里，超节点还有另一层意义，那就是通过系统架构和集群能力，弥补先进制程的不足，把竞争焦点从单颗芯片性能转向整体计算效率。

因此，2026年的基础设施竞争，已经不再是谁拥有性能最高的GPU，而是谁能够提供成本更低、效率更高、更稳定的Token供给。

Token也不再只是技术指标，而成为整个产业共同的商业语言。算力厂商计算每Token成本，大模型公司关注Token收入，企业客户衡量每Token带来的业务回报。润建股份甚至采用"免费开发、按Token收费"的模式，将软件服务转化为持续的Token消费。

这也是过去三年WAIC最深刻的变化之一，即基础设施出售的，不再只是算力，而是持续生产智能的能力。

四、从"能力涌现"到"可信上岗"，工程体系成了新护城河

如果说前三个变化对应的是技术形态，那么还有一个变化，对应的则是交付。

2024年，企业展台写的是“拥有大模型”；2025年，写的是“拥有行业模型、智能体平台”；到了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。相比模型参数，一个词出现得越来越频繁，那就是“上岗”。

这意味着，AI开始从展示能力，走向交付能力。

背后的原因很简单。

大模型本质上是概率系统，而企业经营依赖的是确定性系统。企业不会因为“大概率正确”承担经营风险，因此真正决定AI能否进入企业的，不再是模型能力，而是一整套把概率变成确定性的工程体系。

这一变化，首先体现在AI能不能真正进入业务流程。

网易智企CEO阮良认为，能力涌现与生产力兑现之间，隔着的是知识沉淀、流程编排、安全治理等一系列工程能力。

围绕这一目标，网易智企发布企业级Agent平台“帝王蟹（ClawHive）”，把岗位经验沉淀成标准化技能包，让AI能够参与销售、客服、运营等完整业务流程；同时推出Agent Guard，对权限调用、工具使用和任务执行进行风险控制。

值得注意的是，这些产品真正解决的问题，并不是让AI回答得更聪明，而是让AI能够进入ERP、CRM、客服、销售等真实业务系统，成为企业流程的一部分。

第二个变化，是企业开始购买结果，而不是购买技术。

蚂蚁数科在WAIC发布商业智能体超级工厂Agentar 2.0，并提出“价值交付、效果付费”的商业模式。

这意味着，AI采购逻辑开始发生变化。过去，企业购买License；后来购买模型调用和Token；现在开始购买业务结果。

而支撑这一模式的，不是更大的模型，而是一套能够量化交付效果的评测体系。蚂蚁数科公开展示准确率、胜合率等指标，部分金融项目经过二十多轮评测才正式交付。

只有建立统一、可验证、可仲裁的评价标准，企业才敢按照最终效果付费。因此，评测体系正在成为企业AI时代新的基础设施。未来，谁定义行业验收标准，谁就拥有行业定价权。

第三个变化，是AI开始接受行业标准，而不仅仅接受模型排行榜。

海康威视是这一趋势最典型的代表。

不同于大模型公司从模型走向行业，海康选择从行业走向大模型。今年发布的《观澜大模型白皮书（2026版）》，重点展示的并不是参数规模，而是误报率、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。这些数字比模型排行榜更有意义。

工业现场并不关心模型是否排名第一，而是系统能否连续运行、稳定判断、长期可靠。一个频繁误报的AI，比没有AI更危险。

这意味着，AI第一次开始接受工业世界的评价体系。

回头看过去三年的变化，会发现企业关注的问题已经发生了根本变化。

2024年，讨论的是模型能力够不够强；2025年，讨论的是智能体能不能完成任务；2026年，讨论的是AI能不能上岗、能不能承担责任、能不能创造收益。

如果说模型决定能力上限，那么工程体系则正在决定商业上限。当AI真正进入企业生产流程，竞争焦点已经从模型性能转向交付能力、组织能力和运营能力。

工程体系，已然成为AI时代新的产业护城河。

五、从"对标硅谷"到"被硅谷对标"，开源成了非对称战场

而第五个变化，是其在世界坐标系里的位置移动。这一点，在 2026 年的 WAIC 上第一次变得无法忽视。

回看三年，2024 年的 WAIC，最大的流量来自外资。特斯拉带来 Optimus 二代全球首秀，展台被围得水泄不通，中国厂商的叙事高度统一，那就是对标 GPT-4、对标 Optimus。

2025 年， DeepSeek 之后，语气开始转变，但主流叙事仍是"性价比替代"。

2026 年，月之暗面发布了 2.8 万亿参数的开源权重模型 Kimi K3。而后续的连锁反应超出了所有人预期。独立评测机构 Vals AI 首席执行官 Rayan Krishnan 表示，根据其基准测试，K3 综合性能稍逊于 Anthropic 的 Claude Fable 5，但已超越 OpenAI 旗舰模型 GPT-5.6 Sol；

发布不到 48 小时，月之暗面因用户涌入、集群负载接近极限，宣布暂停 C 端新用户订阅，把算力优先保障已订阅用户；

这种变化背后，真正值得关注的是，中国模型第一次开始影响全球开发者的模型选择。

更为重要的是，这代表着中国AI找到了一条不同于美国头部公司的竞争路径，那就是不完全依赖闭源订阅和算力壁垒，而是通过开放权重、低成本推理和快速迭代，把模型变成全球开发者可以直接使用的基础设施。

这是一场由资源差距逼出的非对称竞争。

高盛研究的共识预测显示，以美国超大规模厂商为主的资本开支 2025 年约 4000 亿美元，2026 年将超过 5200 亿美元；而据瑞银测算，中国主要互联网平台去年合计支出约 570 亿美元，大约九分之一。 同期，OpenAI 被曝把 2030 年前的算力预算预测从 6000 亿美元上调至 7500 亿美元。

在这种资本密度差距下，正面比拼"谁堆得起更大的模型"，是一场结构性输掉的战争。 Kimi K3 的 2.8 万亿参数，相比前沿闭源模型 5 万亿到 10 万亿的量级仍有差距；它发布 48 小时就因算力不足暂停新订阅，本身就是这个天花板最直白的注脚。

所以中国 AI 换了个战场，选择把模型做成公共品，让价值沉淀到应用层、硬件层和场景层，而这恰好是中国最强的地方。

这套逻辑的效果，已经被第三方数据验证。MIT 与 Hugging Face 研究者的统计显示，在截至 2025 年 8 月的一年里，中国开源权重模型占全球模型下载量的 17.1%，首次微弱超过美国的 15.86%；a16z 合伙人 Martin Casado 对《经济学人》的说法更直观：他们看到的初创公司里，大约有八成概率在使用中国的开源模型。

美中经济与安全审查委员会（USCC）今年 3 月的一份报告，把这套机制概括为"扩散—创新反馈循环"，简单来说，就是中国实验室虽然发布的开源权重模型总数未必最多，但许可更宽松、迭代和被采用的速度更快，从而形成了一个共享的技术公地，抬升了整个生态的能力水位。

WAIC现场已经能够看到这种位置变化。

比如智谱的 GLM-5.2 是当时榜单上排名最高的开源模型； MiniMax 的 M3 采用自研 MSA 稀疏注意力架构，总参数 428B、激活仅 23B，并完成了国内外主流芯片平台的 Day 0 适配；面壁的 MiniCPM 累计下载 3800 万次、GitHub 星标超 14 万，一路装进了三星的手机和吉利、马自达的座舱。

这意味着，中国模型开始从“对标对象”变成“研究底座”和“比较基准”。

前者只能证明能力接近，后者则意味着技术路线已经进入全球知识生产体系。一个模型被写入论文、成为基准、进入开发框架，其产业影响力往往超过一次榜单领先。

这一变化还在从模型层延伸到标准层。

中国AI过去出海，主要输出硬件、云服务和行业产品。到了2026年，产业开始尝试将模型生态、算力架构、接口标准和治理框架一并输出。例如昇腾服务器、光模块、液冷设备、通信设备、行业大模型、机器视觉产品，都可以进入海外市场。而这随着中国企业逐渐掌握定义接口、标准和部署方式，将直接提升产业地位。

不过，这种变化仍需保持克制。

中国开源模型当前最突出的优势，仍集中在成本、开放程度和部署效率。面对复杂推理、高风险决策和关键代码任务，全球企业依然更倾向于调用性能更强的闭源模型。低Token单价也不等于低任务成本，模型若需要消耗更多Token、运行更长时间，最终成本优势会被削弱。

算力约束同样没有消失。模型发布后出现服务拥堵，说明中国AI在训练与推理资源上仍面临现实天花板。开源可以放大生态影响力，却无法替代芯片、算力和资本投入。

因此，2026年的真正变化，并非中国AI已经完成全面领先，而是竞争位置发生了改变。

2024年，中国企业主要证明“能够追上”；2025年，证明“能够以更低成本做到”；2026年，则开始证明“全球开发者愿意基于中国模型继续开发”。

从对标前沿，到进入全球生态，再到参与制定标准，中国AI开始拥有比模型排名更长期的产业影响力。但最终能否把开源影响力转化为商业收入、技术标准和持续创新能力，仍将决定这场位置移动能够走多远。

写在最后：

从2024到2026，三届WAIC就像一部AI产业的“祛魅史”。

我们见证了技术狂热时的“万模大战”与“黑盒神话”，也经历了产业落地时的“幻觉阵痛”与“PoC泥潭”。到了2026年，当WAIC的展馆里布满了极度注重算力和成本的边缘云网络、不再纠结于双足姿态的各类具身硬件、深入终端设备的轻量化模型、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的企业级系统时，一个极其清晰的行业结论已经浮出水面：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。

只有那些真正把概率型AI改造成确定性生产力、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。

本文来自微信公众号 “产业家”（ID：chanyejiawang），作者：斗斗