WAIC里不只有AI丨WAIC2026

這是我們連續(xù)第三年參加WAIC這場全球AI盛會。今年最深的一個印象就是，AI已經(jīng)真正走到生活、生產(chǎn)之中，并改變了絕大部分產(chǎn)業(yè)。

為什么這么說呢，回顧過去的三屆大會（2024、2025、2026），2024年是“百模大戰(zhàn)”，各式各樣的AI大模型是會場、論壇討論的焦點；2025年是具身智能的崛起，不同形態(tài)、不同功能的具身智能機器人成為了那年WAIC絕對主角。

而今年的WAIC上，AI已經(jīng)開始在產(chǎn)業(yè)側(cè)開花結(jié)果，一邊是各類智能體應(yīng)用已展現(xiàn)出效果，另一邊，在底層算力與數(shù)據(jù)基礎(chǔ)設(shè)施上，AI也推動了它們的發(fā)展，可以說，今年的WAIC，一切以AI為核心，但又不只有AI。

AI應(yīng)用遍地開花

首先，我們還是要先來談?wù)凙I。在AI應(yīng)用方面，今年最明顯的一個變化是：AI已經(jīng)不再只能做問答游戲了，而是正在成為真正的生產(chǎn)力。

一個顯著的變化發(fā)生在消費電子領(lǐng)域。過去，人們談?wù)揂I手機往往聚焦于語音助手或AI修圖，但今年，真正的“AI智能體手機”開始出現(xiàn)。中興通訊在展臺上放出了全球首款量產(chǎn)的AI智能體手機努比亞NaviX Ultra。它不再只是被動響應(yīng)指令，而是搭載了端側(cè)智能體大模型，能從底層將手機改造成一個能自主理解用戶目標、調(diào)用工具、執(zhí)行跨應(yīng)用任務(wù)的智能終端。這標志著AI正在從“手機的一個功能”變成“手機的底層操作系統(tǒng)”。中興同步發(fā)布的新支點AIOS，則試圖將這種能力從手機擴展到家庭網(wǎng)關(guān)、智能中屏等全場景設(shè)備，形成一個“端—邊—云”協(xié)同的智能生態(tài)。

如果說手機是個人計算的中心，那么家庭則是AI服務(wù)的另一個核心場景。京東在世博展覽館搭建了一個名為“JoyInside AI Home”的實景樣板間，直觀展示了AI如何進入物理世界。在客廳里，搭載JoyInside的智能設(shè)備能識別自然口語指令，在嘈雜環(huán)境中準確響應(yīng)；在書房，京造AI投影臺燈能完成多模態(tài)掃題批改、實時答疑和全科輔導(dǎo)；在臥室，智能睡眠床墊能持續(xù)記錄呼吸、體動等體征并生成健康報告。這些硬件不再是孤立“智能家居單品，而是通過統(tǒng)一的AI交互層，變成了分布在家庭不同空間的AI服務(wù)入口。京東透露，JoyInside已與超200家行業(yè)品牌達成合作，2026年預(yù)計接入超千萬臺終端設(shè)備。

教育是另一個被AI深刻重塑的領(lǐng)域。首次參展的AI原生企業(yè)與愛為舞在世博展覽館打造了一座愛學(xué)AI學(xué)習(xí)實驗室。與傳統(tǒng)的拍照搜題或AI生成答案不同，展區(qū)里展示的AI學(xué)習(xí)智能體更像一個耐心的蘇格拉底式導(dǎo)師——學(xué)習(xí)者需要把解題思路講給AI聽，而AI則通過追問和遞進引導(dǎo)，幫助學(xué)習(xí)者自己發(fā)現(xiàn)思維斷點、完善邏輯鏈條。這種“費曼學(xué)習(xí)法”與AI的結(jié)合，讓技術(shù)不再只是提供答案的工具，而是培養(yǎng)思維能力的伙伴。

展區(qū)里還有一個能與觀眾面對面聊天的孔子數(shù)字人，它依托自研大模型被賦予了“有教無類”和“因材施教”的精神內(nèi)核。當我們對其發(fā)問：“怎么看待AI時代的學(xué)習(xí)？”數(shù)字人略作沉吟后回答：“AI興于今世，恰合吾昔日'有教無類'之愿，令學(xué)子由'知之'而'好之''樂之'。”

放眼科技感拉滿的展廳，這算是一份相對特別的回答。

與愛為舞聯(lián)合創(chuàng)始人、技術(shù)負責人王琳表示，過去半年公司的技術(shù)重心已經(jīng)發(fā)生躍遷，“從讓AI穩(wěn)定完成一節(jié)課，走向覆蓋全年齡、全學(xué)科，能陪伴學(xué)習(xí)者長期成長的AI學(xué)習(xí)智能體”。這種轉(zhuǎn)變的背后，是AI從單點工具走向系統(tǒng)的縮影。

當然，AI是否真的能有顛覆性的價值，還要看其在企業(yè)側(cè)的應(yīng)用效果，通過本屆WAIC可以看出，AI的能力已經(jīng)體現(xiàn)在它對企業(yè)內(nèi)部流程的重塑上。WAIC期間神州數(shù)碼董事長郭為分享了一個案例——神州數(shù)碼在幫助一家頂級醫(yī)院做胰腺癌并發(fā)癥診斷的智能體時，準確率達到94%，已經(jīng)可以進入臨床。然而做完之后，科室主任說“術(shù)前準備也很重要”，于是又合作做了術(shù)前準備的智能體。做完手術(shù)前，主任又提出早期診斷能不能也用智能體。當三個智能體全部完成并打通底層數(shù)據(jù)后，一套涵蓋術(shù)前的模型可以利用診斷時的數(shù)據(jù)不斷優(yōu)化，術(shù)后的并發(fā)癥數(shù)據(jù)又能反饋給術(shù)前準備，形成了一個全新的診療流程。

“過去即使是有經(jīng)驗的醫(yī)生，經(jīng)驗只停留在大腦里，醫(yī)生之間的數(shù)據(jù)沒有打通，優(yōu)化過程非常緩慢。當數(shù)據(jù)打通之后，就形成了自適應(yīng)的閉環(huán)流程?！惫鶠檫@句話點破了AI從實驗室走向企業(yè)落地的關(guān)鍵：從解決單點問題，到嵌入業(yè)務(wù)流程并驅(qū)動流程自我優(yōu)化。

國產(chǎn)算力的崛起

個人、家庭、教室、醫(yī)院......AI正在以前所未有的密度與深度進入真實場景。而所有這一切流暢體驗的背后，都離不開一個藏在幕后的、正在經(jīng)歷劇烈變革的東西，那就是算力基礎(chǔ)設(shè)施。

今年WAIC最顯眼的展品，不再只是小巧的終端產(chǎn)品，而是那些由數(shù)十個機柜組成的超節(jié)點、整套液冷散熱系統(tǒng)以及高密度的AI服務(wù)器集群。這些過去藏在數(shù)據(jù)中心里的基礎(chǔ)設(shè)施，被首次大規(guī)模搬到聚光燈下，成為大會關(guān)注的焦點。

參會這幾天，在排隊進場、午間吃飯休息的時候，我們多次聽到有不少與會者在討論超節(jié)點。以被選入此次“鎮(zhèn)館之寶”的曙光8000為例，它是中國首個全國產(chǎn)十萬卡AI超集群。

十萬卡是什么概念？當前AI大模型的參數(shù)量正從千億級邁向數(shù)萬億級，訓(xùn)練和推理都需要成千上萬張GPU協(xié)同工作，十萬卡集群被行業(yè)視為下一代AI基礎(chǔ)設(shè)施的門檻。

中科曙光展臺工作人員稱，“實現(xiàn)十萬卡規(guī)模高效運行，考驗的是超大規(guī)模集群背后的系統(tǒng)工程創(chuàng)新能力?！睘槭裁词恰跋到y(tǒng)工程”？因為隨著摩爾定律放緩，單顆芯片的性能提升遇到瓶頸，AI計算早已不是一顆芯片能獨立完成的事。芯片之間以多快的速度傳輸數(shù)據(jù)，數(shù)百乃至數(shù)千顆芯片能否高效協(xié)同，任務(wù)如何調(diào)度，軟件工具鏈是否成熟，這些系統(tǒng)層面的能力，正在成為決定算力實際利用率的關(guān)鍵。

這就像一支足球隊，擁有身價最高的球星，不意味著能贏得比賽，戰(zhàn)術(shù)配合、攻守平衡、體能分配都可能成為更關(guān)鍵的因素。AI算力正在經(jīng)歷相似的轉(zhuǎn)變：競爭的基本單位從單顆芯片變成了服務(wù)器、超節(jié)點，甚至是整個集群。

以正式因為此，超集群得以成為今年WAIC被提及最頻繁的技術(shù)之一。簡單來說，超節(jié)點是通過高速互聯(lián)技術(shù)，把數(shù)百至數(shù)千顆AI芯片整合成一個邏輯統(tǒng)一的龐大算力池，讓成千上萬張GPU像一臺超級計算機一樣協(xié)同工作。

壁仞科技在WAIC期間發(fā)布了基于NPO（近封裝光學(xué)）光互連、分布式解耦架構(gòu)的超節(jié)點方案，支持單個超節(jié)點擴展至1024張GPU。

為什么需要光互連？壁仞科技AI框架架構(gòu)副總裁丁云帆在現(xiàn)場解釋了一個物理現(xiàn)實：隨著GPU算力不斷增長，互連帶寬需求將超過1TB/s，端口速率達到224Gbps時，銅纜電信號在3米內(nèi)就會嚴重衰減，導(dǎo)致現(xiàn)有電互連超節(jié)點最多只能支持128張GPU，難以滿足萬億參數(shù)大模型對更大規(guī)模超節(jié)點的需求。而光信號傳輸距離可達數(shù)百米，衰減極小，天然適合大規(guī)模GPU互連。

壁仞選擇了把光引擎直接與GPU模組融合的NPO路線，去掉高功耗的信號處理芯片，在性能、功耗和工程可落地性之間取得平衡。

這一技術(shù)選擇背后有明確的行業(yè)判斷。丁云帆認為，AI行業(yè)的重心正在從訓(xùn)練向推理偏移。雖然訓(xùn)練側(cè)單次任務(wù)動輒需要萬卡GPU協(xié)同數(shù)月，但能持續(xù)投入訓(xùn)練頂尖大模型的公司越來越少。

相反，推理側(cè)隨著多模態(tài)模型和Agent應(yīng)用的興起，整體算力需求規(guī)模已經(jīng)超越了訓(xùn)練。今年年初Agent大爆發(fā)，其最大特點是超長上下文和模型規(guī)模越大、效果越好，這導(dǎo)致每次推理需要緩存的海量中間計算結(jié)果（KV Cache）規(guī)模越來越大，對互連帶寬和存儲延遲提出了前所未有的要求。超節(jié)點因此從一個技術(shù)概念變成了應(yīng)對推理爆發(fā)的行業(yè)剛需。

超節(jié)點對推理服務(wù)的價值，在算力服務(wù)商那里得到了更直接的驗證。北京淘肯智能科技有限公司總經(jīng)理宋志方在WAIC期間點出了超節(jié)點的本質(zhì)：推理服務(wù)客戶衡量服務(wù)質(zhì)量的核心指標就是延遲。在延遲的層級里，GPU計算速度最快，其次是訪存，高速緩存、顯存、內(nèi)存、硬盤速度逐級遞減，最后才是網(wǎng)絡(luò)通信——這是相對最慢的一環(huán)。超節(jié)點就是在解決網(wǎng)絡(luò)的瓶頸，讓網(wǎng)絡(luò)不再成為拖慢推理服務(wù)最大的那個環(huán)節(jié)。

Token工廠是生產(chǎn)AI價值的地方

本屆WAIC上還有一個細節(jié)折射出算力需求的結(jié)構(gòu)性變化。一位算力服務(wù)商在大會期間對我們表示，“過去客戶問'你們有多少張卡'，現(xiàn)在問'Token成本多少，響應(yīng)時延多長'”。原本只有算法工程師才關(guān)心的Token，成了衡量算力服務(wù)競爭力的核心標尺。

Token從技術(shù)指標變成經(jīng)濟度量衡，本身就是今年WAIC最值得關(guān)注的信號之一。宋志方對此有一個形象的類比：“Token跟電相似的地方，它也支撐了社會上千行百業(yè)的企業(yè)的經(jīng)濟體量。工業(yè)時期大家以電為度量衡來衡量國家的經(jīng)濟體量和工業(yè)發(fā)展水平；今天，Token的用量正在成為衡量社會AI經(jīng)濟體量的標尺?！?/p>

在他看來，Token化對算力行業(yè)的影響是結(jié)構(gòu)性的，過去企業(yè)想做推理服務(wù)，需要自己租算力或買算力，這是非常重的投入，也無形中承擔了算力空置的成本。轉(zhuǎn)換為Token之后，按用量計費，對于中小微企業(yè)來講，投入相對更友好。

當Token成為經(jīng)濟度量衡，Token工廠自然也成為了生產(chǎn)AI價值的地方。在宋志方看來，Token經(jīng)濟的興起正在重塑算力服務(wù)商的競爭邏輯。“Token起來之后，會催生一批基于Token的企業(yè)，這批企業(yè)不需要去買算力。原來租算力的智能體企業(yè)，也可能轉(zhuǎn)向只用Token。”但這并不意味著算力需求減少了，“Token的客戶在爆發(fā)，算力的需求也在持續(xù)爆發(fā)，只是需求方更集中了——集中在模型企業(yè)、大廠和Token工廠”。

“當然，Token工廠要具備三個要素：成規(guī)模的算力、成熟穩(wěn)定的推理服務(wù)、以及用戶?！彼沃痉秸J為，“只要你能穩(wěn)定對外提供Token服務(wù)，需求是源源不斷的?！?/p>

Token工廠的概念在本屆WAIC上已經(jīng)具象化成了產(chǎn)品，滴普科技在大會期間了推出了DeepexiOS AI級企業(yè)操作系統(tǒng)，該系統(tǒng)定位為企業(yè)Token生產(chǎn)力平臺，由DeepWorks企業(yè)智能體平臺、Deepexi 企業(yè)大模型、Deepology企業(yè)本體數(shù)據(jù)和Skills集三部分組成，整體為“日常工作入口—企業(yè)知識底座—行業(yè)Skills集合”的產(chǎn)品結(jié)構(gòu)。

據(jù)滴普科技創(chuàng)始人、董事會主席、執(zhí)行董事兼CEO趙杰輝介紹，基于這一產(chǎn)品結(jié)構(gòu)，企業(yè)員工與合作伙伴可通過DeepWorks企業(yè)智能體平臺入口完成的日常工作，這也會成為企業(yè) AI 能力持續(xù)成長的來源：日常工作技能沉淀為企業(yè)Skills，DeepWorks企業(yè)智能體平臺自下而上匯聚企業(yè)日常工作的數(shù)據(jù)、知識與技能。

中科類腦也提出了算電協(xié)同Token工廠的概念，中科類腦董事長劉海峰算了一筆賬：一個1000P標準算力集群，年度總耗電約2000萬度，通過其自研的算電一體化調(diào)度平臺優(yōu)化，可節(jié)約20%用電量，每年直接減少400萬度電力開支。他解釋稱，行業(yè)長期存在一個天然斷層：算力研發(fā)團隊不懂電力調(diào)度機理，電力從業(yè)者缺乏AI算力底層邏輯，兩者數(shù)據(jù)互通、技術(shù)耦合存在巨大障礙。而中科類腦作為國家算電協(xié)同標準的牽頭編制單位，提前三年布局了這一融合技術(shù)，目前已打通全鏈條。

AI離全民化還有多遠？

逛遍了AI應(yīng)用場景，也看完了底層算力基礎(chǔ)升級，上升到價值層面，本屆WAIC與會者都在思考一個不可回避的問題：AI到底給企業(yè)和社會帶來了多少真實價值？

麥肯錫的調(diào)研數(shù)據(jù)常被行業(yè)引用：目前有88%的企業(yè)在使用AI，但真正在財務(wù)上有顯著提升的只有5%到7%。WAIC期間的一場“AI創(chuàng)新管理論壇”上，德勤咨詢首席增長官黃偉強分享了一個案例：一家擁有三千多家門店的全球快餐連鎖品牌，店經(jīng)理培養(yǎng)需要一年，但離職率超過30%。他們做了一件事：把十個最好的店經(jīng)理聚在一起，花6~8周時間，用知識圖譜把他們的隱性運營經(jīng)驗蒸餾出來，訓(xùn)練成多個Agent。然后把門店里標準化的配貨、供應(yīng)等工作交給AI，店經(jīng)理則騰出精力去處理那些需要情感溝通和現(xiàn)場決斷的事務(wù)。結(jié)果，一個店經(jīng)理可以同時管理兩三個甚至四個門店。

黃偉強說，這個過程中最難的不是技術(shù)，而是員工的顧慮。店經(jīng)理的第一個反應(yīng)通常是：“我為什么要訓(xùn)練它？訓(xùn)練完了，我沒有工作了。”如何讓碳基人和硅基人融合協(xié)作，是管理者必須面對的新課題。

回到產(chǎn)業(yè)層面，AI的規(guī)?；栈葸€面臨幾個現(xiàn)實瓶頸。

首先就是數(shù)據(jù)。北汽新能源享界超級工廠設(shè)備工程部部長李明宇在WAIC期間公開表示，制造業(yè)和AI結(jié)合時，經(jīng)常卡在“先有雞還是先有蛋”的問題上，“你覺得我們的數(shù)據(jù)質(zhì)量有問題，我們會覺得AI企業(yè)沒有提出明確的數(shù)據(jù)要求。比如建能源模型，采樣周期到底應(yīng)該是多少？電的采樣周期是多少？冷熱的采樣周期是多少？”如果把采樣周期做到毫秒級，數(shù)據(jù)規(guī)模會爆炸式增長，但投入產(chǎn)出比是否劃算？這個問題常常無解。

其次是ROI問題。李明宇透露，判別式AI在整車制造企業(yè)已經(jīng)用了十年，應(yīng)用案例成百上千，但五年后回頭看，大部分案例沒有實現(xiàn)當初承諾的持續(xù)效益。原因是工藝變更了，或者設(shè)備改造了，個案式的AI方案往往不可復(fù)用，導(dǎo)致長期價值打折扣。

最后是風險可控性。AI給出的結(jié)論本質(zhì)上是概率性輸出，而傳統(tǒng)制造業(yè)追求的是可驗證、可重復(fù)的確定性?！案怕市缘慕Y(jié)論一旦被大規(guī)模自動化復(fù)制，就會形成系統(tǒng)性的風險，尤其是對于造車這種關(guān)乎安全的產(chǎn)品?！蹦愁^部造車企業(yè)相關(guān)負責人稱。

這些瓶頸背后，是AI正在從一個能生成答案的模型，變成一套能夠理解目標、調(diào)動資源并交付結(jié)果的系統(tǒng)。一個模型在測試中成功完成一次任務(wù)，與一套系統(tǒng)每天處理數(shù)萬次業(yè)務(wù)請求，是完全不同的兩件事。人工智能從能力展示進入真實生產(chǎn)，需要模型之外的一整套體系，這套體系涵蓋了算力如何組織，數(shù)據(jù)如何流動，工具如何調(diào)用，權(quán)限如何控制，結(jié)果如何評價，錯誤如何被發(fā)現(xiàn)。

前年行業(yè)還在關(guān)注誰能創(chuàng)造更強的模型，去年行業(yè)關(guān)注誰能造出功能性更強的機器人，今年行業(yè)已經(jīng)在看誰能把模型用出真正的商業(yè)價值。

我們在大會現(xiàn)場問過很多人一個問題：“今年WAIC你最深刻的三個感受是什么？”而其中有兩個答案出奇的一致：“熱、期待”。熱一方面是天氣，另一方面是產(chǎn)業(yè)火熱；而期待則具象在了整個行業(yè)對國產(chǎn)算力和AI價值的憧憬。

WAIC的舞臺上，AI是主角，但圍繞在AI周圍的算力、數(shù)據(jù)、管理、人才和治理體系，一起才構(gòu)成了這個時代的完整圖景。當AI不再是孤例的、只屬于一小群人的，當它真正進入全產(chǎn)業(yè)鏈路上，或許就離全民化不再遙遠了。

這也正是今年大會最大的啟示。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）