PPT里的AI和工廠里的AI，中間隔了多遠？

(作者｜周琦 編輯｜呂棟)

7月19日，當2026年世界人工智能大會（WAIC）進入第三天，世博展覽館里的觀眾依然密集，大模型展臺的演示屏幕前圍滿了人，人形機器人的展位前排著長隊，這是AI大會照例的熱鬧場面。

而一場規(guī)格不低、但氣氛相對冷靜的圓桌會正在進行，由財聯(lián)社與WAIC CONNECT聯(lián)合打造的“鏈合π圓桌會”，主題定得很直接，“AI新周期：重構產業(yè)底層邏輯”。

四場主旨演講、三場企業(yè)發(fā)布、一場圓桌對話，貫穿始終的核心問題只有一個，AI技術從PPT走向工廠和醫(yī)院，中間到底還差多少步？

算力底座：先進封裝成關鍵賽道

作為一家汽車被動安全領域的龍頭公司（全球市占率第四），華懋科技從2023年開始向AI算力產業(yè)鏈轉型，先后入股了光模塊PCBA企業(yè)富創(chuàng)優(yōu)越和先進封裝企業(yè)中科智芯。

董事長吳黎明給出的核心判斷是，摩爾定律在5nm節(jié)點后已經失效，3nm、2nm的制造成本不降反升，芯片性能的瓶頸已從芯片本身轉向外圍的物理極限——互聯(lián)墻、供應墻、散熱墻這“三堵墻”。

突破這三堵墻的核心路徑，就是先進封裝和光互聯(lián)技術。

他援引了一組數據，2025年先進封裝銷售額首次超過傳統(tǒng)封裝，雖然數量僅占7.4%，但貢獻了48%的銷售額。CPO（光電共封裝）被視為下一代算力互聯(lián)的核心方案，預計到2030年市場規(guī)模達390億美元。

從光模塊代工到CPO先進封裝，華懋科技試圖構建一個端到端的交付能力。吳黎明坦言，這個技術方向仍處于早期階段，“與行業(yè)近10家客戶深入交流后，每一家都有不同的技術路線選擇，說明市場還在演進中?！?/p>

工業(yè)AI：從“實驗室能用”到“工廠能用”

若說吳黎明講的是“硬件底座”，那么上海精智董事長魏杰和海清智元副總經理柴劍講的，則是AI在工業(yè)現場的真實處境。

魏杰提出了一個名為“工廠原生AI”的概念。他認為，當前制造業(yè)普遍存在“AI焦慮”，但多數工業(yè)AI項目在實驗室表現優(yōu)異，一進工廠就難以持續(xù)運行。根源在于三個系統(tǒng)性難題：數據分散且缺乏生產語義、模型難以滿足多重工業(yè)約束、驗證場景稀缺導致容錯率極低。

“工廠不是互聯(lián)網，一個錯誤的工藝推薦可能導致零件報廢，一個不合理的排產可能讓整條產線停產。”魏杰說。他的解決方案是，讓AI從真實的制造數據中生長出來，在真實的生產過程中訓練和驗證，換句話說，工廠既是數據源，也是訓練場和驗證場。

上海精智的實踐已覆蓋近300家制造企業(yè)，涵蓋機加工、壓鑄、鈑金、注塑等核心工藝環(huán)節(jié)，客戶包括特斯拉的電機供應商和復興號的零部件供應商。魏杰當天還發(fā)布了一款開源的工藝大模型“沃土”，基于近10萬張原始圖紙和30萬道非標工序數據訓練。

柴劍則從“物理AI”的角度切入。他將AI分為數字AI和物理AI兩條路徑，前者基于數字語料生成文本和圖像，后者通過端側設備直接感知真實世界。

物理AI的最大特點是”不可回滾”，即“數字AI說錯了可以真誠道歉，但物理AI打錯方向盤的結果是致命的。”

海清智元的業(yè)務聚焦于物理安全場景，核心產品是多光譜AI火災預警系統(tǒng)，已在數據中心、電力系統(tǒng)、能源設施等場景落地。柴劍透露，公司的第一大客戶已從傳統(tǒng)的工業(yè)客戶轉向數據機房。

這多少說明，算力基建的擴張正在帶動配套的安全需求。

醫(yī)療AI：從技術可用到商業(yè)可用

平安科技發(fā)布的“AI專病管家”，是當天上午唯一一個C端產品發(fā)布。

平安科技醫(yī)療智能負責人倪淵介紹，該產品面向腫瘤患者，提供病情檔案智能管理、7×24小時重疾咨詢、診療方案優(yōu)選、名醫(yī)醫(yī)院精準匹配四大功能。技術架構采用三層模型：底層開源大模型、中間層基于平安十年積累的醫(yī)療數據訓練垂域模型、上層針對具體場景強化學習。

倪淵強調，AI專病管家的目標不是替代醫(yī)生，而是“讓頂級醫(yī)療資源更可及”。她援引了一組數據，平安每年1000萬醫(yī)療健康類理賠中，腫瘤僅占30萬例，卻貢獻了50%的醫(yī)療支出。國內真正建立多學科會診機制的醫(yī)院約60%，實際接受多學科會診的患者僅20%。

但醫(yī)療AI的商業(yè)化挑戰(zhàn)，在隨后的圓桌對話中被進一步放大。輕松健康集團市場總經理汪琪指出，行業(yè)核心瓶頸早已不是模型研發(fā)，而是服務鏈與支付鏈的結構性難題，“跨機構數據無法互通，醫(yī)院、醫(yī)保、商保與個人之間的付費邊界和責任劃分不清晰，始終沒能形成穩(wěn)定的支付閉環(huán)?！?/p>

具身智能：從“翻跟頭”到“搬箱子”

愛仕達和魔法原子的兩場發(fā)布，把話題拉到了當下最熱的具身智能賽道。

愛仕達副總經理梁銳展示了一段視頻，智元靈犀機器人在上海多家商超里做導購、引流的實地測試。這是愛仕達與智元深度戰(zhàn)略合作的一部分——愛仕達提供行業(yè)數據和線下渠道（全國數萬個網點），智元提供本體和模型，雙方試圖在商業(yè)零售場景打造數據飛輪。

愛仕達給自己定的短期目標是“百千萬”，百個機器人進千家店，最終萬臺規(guī)模。

魔法原子市場負責人江濤則發(fā)布了三款硬件新品：180cm全尺寸人形機器人MagicBot X1（可完成扣籃等高動態(tài)動作）、輪式人形機器人D1（適配工業(yè)和物流場景）、輕量化四足機器人T1（兼顧巡檢和消費場景）。他透露，公司2026年在手及跟進訂單已達11億元，包括1.5億元大健康行業(yè)交付訂單。

一個值得注意的信號是，兩家公司都不約而同地強調了“場景落地”而非”技術展示”。

江濤直言，“2025年投資人問的是你家機器人后空翻漂不漂亮，2026年問的是能不能在垂直場景規(guī)?；涞?。”行業(yè)敘事從“炫技”轉向“干活”，本身也是成熟的體現。

圓桌對話：泡沫、落地與盈利

四場主旨演講和三場企業(yè)發(fā)布之后，一場圓桌對話把溫度降了下來。

GoodVision AI董事長鄭玉山給出了一個明確的時間判斷，AI算力基建的泡沫“在2028年秋天之前不會破”——因為美國、韓國等國家的千億級算力投資規(guī)劃最快也要到2028年底才能建成，屆時如果AI需求沒有增長10倍，算力就會過剩。“算力過剩其實是個好事，Token價格降到接近零的時候，真正的應用爆發(fā)才會到來?！?/p>

汪琪的判斷更為審慎。她認為醫(yī)療AI的當務之急不是技術迭代，而是在不確定性中尋找確定性——“需求真實、價值可控、權責清晰、支付閉環(huán)”的場景才值得做。

恩和科技AI&Computation總監(jiān)宋任劍則從生物制造領域的實踐出發(fā)，提出了一個關鍵觀察，一個行業(yè)被AI取代的速度，取決于數據閉環(huán)的迭代速度?！癈oding已經沒人手動寫了，因為開發(fā)者用AI迭代模型的速度足夠快。生物制造領域也一樣，物理實驗的數據能有多快回流到模型中，決定了AI能走多遠。”

時空象限創(chuàng)業(yè)孵化器負責人曹莉莉的總結最為簡潔，“跟著利潤走，別跟著熱鬧走?！彼詧F隊孵化的AI潮玩項目為例，先用59元的基礎產品驗證市場、實現百萬級銷量，再把具身智能技術降維應用到IP上?！跋扔?、再迭代，依托穩(wěn)定營收反哺技術研發(fā)，這才是長期主義?！?/p>

整場圓桌會從算力底座到工廠原生AI，從醫(yī)療專病管家到具身智能商業(yè)部署，討論覆蓋了大量前沿話題，但如果用一個詞概括所有人的共識，大概是“落地”，不是紙面上的技術參數，不是Demo里的完美演示，而是真實的工廠、真實的醫(yī)院、真實的商場里，AI能不能穩(wěn)定地、可持續(xù)地、可盈利地運行。

本文系觀察者網獨家稿件，未經授權，不得轉載。