广告
加载中

WAIC 我们看到这六个趋势

定焦One团队 2026-07-21 14:23
定焦One团队 2026/07/21 14:23

邦小白快读

EN
全文速览

本文是作者走访2026世界人工智能大会(WAIC)后,总结出当前AI产业的六大核心趋势,核心干货如下

1.大模型竞争未结束,但不再比拼参数大小,赢家更可能是能把模型落地到真实产品、商业闭环的企业,要求做到智能与效率并重,控制推理成本

2.机器人已从展示才艺转向真实场景作业,核心差距不再是硬件参数,而是数据积累和世界模型构建的闭环能力

3.国产算力竞争从单卡性能比拼转向整套系统效率比拼,转向交付可训练可运维的完整系统

4.AI硬件开启下一代智能入口争夺,手机、眼镜等都成为智能体感知入口

5.AI投资集中流向头部模型、机器人、算力领域,资金向有壁垒的头部企业集中

6.AI治理已经成为产业竞争的一部分,安全能力决定市场准入门槛

本文从2026WAIC的产业变化中,呈现了AI领域最新的消费趋势与产业方向,可供品牌商布局参考

1.消费端趋势显示,AI已经从线上聊天走向随身硬件,手机、眼镜等终端成为智能体服务的入口,消费者需求转向真实场景落地服务,品牌可依托AI硬件搭建服务闭环,获取用户交互数据优化产品

2.产品研发方向上,无需盲目追求大参数大模型,可通过多模型调用、私有化部署压缩成本,重点要将AI模型和自身业务流程结合,打造完整稳定的产品体系

3.布局机会上,家庭场景服务机器人、消费级AI硬件已经成为增长热点,可提前布局相关品类;若要进入金融、医疗等高价值场景,需要提前搭建可信可控可审计的AI系统,满足合规要求才能获得市场准入

本文梳理的六大AI趋势,为AI相关卖家明确了增长机会与风险提示

1.可挖掘的增长机会:工业端机器人对分拣、装配、质检等环节的替代需求爆发,家庭端陪伴、服务类机器人也有旺盛需求,相关供应链、配套服务卖家可提前切入;消费端AI硬件迎来密集发布,智能体AI手机、AI眼镜等新品已经启动大规模备货,消费端需求待释放,相关销售渠道可提前布局

2.风险提示:当前AI资金和市场都向少数有核心壁垒、基础设施能力的头部企业集中,同质化无壁垒的AI应用很难获得生存空间,要避免盲目跟风布局

3.注意合规要求:AI治理已经成为市场准入门槛,做To B高价值场景业务的卖家,需要提前搭建安全可控可审计的AI能力,满足合规要求才能拿到订单

从2026WAIC呈现的产业趋势来看,AI为工厂生产升级带来了明确的机会与方向

1.生产端升级机会:当前工业机器人已经可以稳定胜任真实生产场景的上下料、线束装配、工业质检等工作,还能应对光线变化、物品形变等突发干扰,实时调整作业轨迹,工厂可引入合适的工业机器人替代人工,降低人力成本,提升生产稳定性

2.数字化升级启示:国产算力已经可以交付从单卡到集群的整套可运维系统,工厂推进数字化转型可选择适配性更强、成本更低的国产整套方案

3.额外商业机会:工厂拥有大量真实生产场景的交互数据,可与具身智能企业合作,共同优化机器人适配性,打造“真实部署-数据回流-模型优化-再部署”的闭环,在提升自身生产效率的同时,挖掘新的合作收益

本文梳理的2026WAIC产业趋势,明确了AI行业的客户痛点与新的服务机会

1.行业整体发展趋势:当前AI产业竞争已经从单一技术比拼转向整合落地比拼,大模型需要结合芯片、终端、行业数据、业务流程形成完整体系,机器人需要适配复杂真实场景,这给第三方服务商带来了大量整合落地的服务机会

2.核心客户痛点:当前具身智能企业缺少足够的高质量物理交互数据,大模型企业需要高性价比的稳定算力系统,中小AI企业缺少低成本落地AI的能力,AI企业进入高价值场景缺少合规治理相关支持

3.服务商可布局方向:可围绕世界模型、超节点算力系统、智能体操作系统等新技术,针对不同客户痛点打造整合解决方案,比如为工厂提供AI机器人落地调试服务,为中小模型企业提供算力集群运维服务等

从2026WAIC的运营实践和产业变化中,可总结出AI平台未来的运营方向与风险规避要点

1.产业对AI平台的新需求:AI产业需要整合科学家、模型企业、芯片厂商、投资机构、政策制定方的多方资源,平台不能只做产品展示,还要成为资源对接、合作落地的枢纽

2.平台运营与招商方向:当前智能计算、具身智能是最热门的两大AI赛道,各自聚集了超过200家相关企业,平台招商可重点倾斜这两大赛道,打造产业聚集区;同时可设置资本对接专区,引入投资机构对接项目,提升平台对企业的吸引力

3.风险规避要点:AI治理已经成为产业合规要求,平台可引入AI治理、合规相关的服务资源,帮助入驻企业满足合规要求,帮助企业提升安全能力,共同规避合规风险,助力企业进入高价值市场

本文基于2026WAIC的一线观察,总结了当前AI产业的最新动向与值得研究的新问题,具有较高参考价值

1.产业六大新动向:大模型竞争从参数大小比拼转向产业落地能力比拼,开源大模型实现群体突破,技术溢价收窄;机器人从演示转向真实场景作业,数据积累和世界模型成为核心竞争力;国产算力竞争从单卡性能转向整套系统效率竞争;AI硬件成为下一代智能体入口的争夺焦点;AI投资向头部模型、机器人、算力基础设施集中,资金流向少数有壁垒的头部企业;AI治理成为产业竞争的核心组成部分

2.值得研究的新问题:当前具身智能高质量物理交互数据缺口大,头部企业的数据量距离Scaling Law验证还差一个数量级;AI能力提升速度远快于安全可控能力提升,AI执行真实任务带来的安全风险需要应对

3.政策研究启示:AI治理规则本身就是产业竞争力,需要在开放创新和风险控制间寻找平衡,推动开源开放的同时建立完善的风险管控体系

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article summarizes six core trends of the current AI industry from the author’s on-site visit to the 2026 World Artificial Intelligence Conference (WAIC). The key takeaways are as follows:

1. The large model competition is not over, but it is no longer a race for parameter size. Winners are more likely to be companies that can integrate models into real products and complete commercial loops, which requires balancing intelligence and efficiency while controlling inference costs.

2. Robots have shifted from performing demonstration skills to operating in real-world scenarios. The core gap no longer lies in hardware parameters, but in the closed-loop capability of data accumulation and world model construction.

3. Competition among domestic Chinese computing power has shifted from comparing single-chip performance to comparing the efficiency of complete systems, and to delivering fully trainable and operable end-to-end systems.

4. AI hardware has entered a race for the next generation of intelligent portals, with mobile phones, glasses and other devices becoming perception portals for intelligent agents.

5. AI investment is concentrated in leading models, robotics, and computing power infrastructure, with capital increasingly flowing to high-barrier leading enterprises.

6. AI governance has become an integral part of industry competition, and security capability now determines market access thresholds.

This article outlines the latest consumer trends and industry directions in the AI sector from industry changes observed at 2026 WAIC, serving as a reference for brand layout:

1. Consumer-side trends show AI has moved from online chat to portable hardware, with terminals such as smartphones and glasses becoming portals for intelligent agent services. Consumer demand has shifted to real-scenario grounded services. Brands can build service closed loops relying on AI hardware, collect user interaction data, and optimize their products.

2. For product R&D direction, brands do not need to blindly pursue large-parameter large models. They can cut costs through multi-model invocation and private deployment, and focus on integrating AI models with their own business processes to build a complete and stable product system.

3. In terms of layout opportunities, home service robots and consumer AI hardware have become growth hotspots, and brands can lay out relevant product categories in advance. For entry into high-value scenarios such as finance and healthcare, brands need to build a trustworthy, controllable and auditable AI system in advance to meet compliance requirements and gain market access.

The six AI trends summarized in this article clarify growth opportunities and risk alerts for AI-related sellers:

1. Explorable growth opportunities: Demand for industrial robots to replace manual work in sorting, assembly, quality inspection and other links is booming, while there is also strong demand for home companion and service robots. Sellers in related supply chains and supporting services can enter this field early. On the consumer side, AI hardware is seeing intensive new releases, and mass production preparation for new products such as intelligent agent AI phones and AI glasses has already started, with consumer demand yet to be released. Relevant sales channels can lay out布局 in advance.

2. Risk alert: Currently, both AI capital and market share are concentrated in a small number of leading enterprises with core barriers and infrastructure capabilities. Homogeneous, barrier-free AI applications have little room for survival, so sellers should avoid blindly following the trend.

3. Compliance note: AI governance has become a market access threshold. Sellers engaging in B2B business in high-value scenarios need to build secure, controllable and auditable AI capabilities in advance to meet compliance requirements before they can secure orders.

Based on the industry trends presented at 2026 WAIC, AI brings clear opportunities and directions for factory production upgrades:

1. Production upgrade opportunities: Today’s industrial robots can stably perform tasks such as material loading/unloading, wire harness assembly, and industrial quality inspection in real production scenarios. They can also handle unexpected interference such as changing light conditions and object deformation, and adjust working trajectories in real time. Factories can introduce suitable industrial robots to replace manual labor, reduce labor costs and improve production stability.

2. Insights for digital upgrading: Domestic Chinese computing power vendors can now deliver complete operable systems ranging from single chips to full clusters. Factories can choose cost-effective, highly adaptable complete domestic solutions for digital transformation.

3. Additional business opportunities: Factories hold large volumes of interaction data from real production scenarios. They can cooperate with embodied intelligence enterprises to jointly optimize robot adaptability, and build a closed loop of "real-world deployment – data feedback – model optimization – re-deployment". This can not only improve the factory’s own production efficiency, but also generate new revenue from cooperation.

The industry trends from 2026 WAIC outlined in this article clarify customer pain points and new service opportunities in the AI industry:

1. Overall industry development trend: AI industry competition has shifted from competing on single technologies to competing on integrated implementation. Large models need to be combined with chips, terminals, industry data and business processes to form a complete system, while robots need to adapt to complex real scenarios. This brings massive integrated implementation service opportunities for third-party service providers.

2. Core customer pain points: Currently, embodied intelligence enterprises lack sufficient high-quality physical interaction data; large model developers need cost-effective and stable computing power systems; small and medium-sized AI enterprises lack the capability to deploy AI at low cost; and AI enterprises entering high-value scenarios lack support for compliance governance.

3. Layout directions for service providers: Service providers can build integrated solutions targeting different customer pain points around new technologies such as world models, super-node computing systems, and intelligent agent operating systems. Examples include providing AI robot deployment and debugging services for factories, and computing cluster operation and maintenance services for small and medium-sized model enterprises.

From the operational practices and industry changes at 2026 WAIC, we can summarize the future operational directions and risk mitigation points for AI platforms:

1. New industry demands for AI platforms: The AI industry requires integration of resources from multiple stakeholders including scientists, model enterprises, chip manufacturers, investors, and policymakers. Platforms should not only serve as exhibition spaces, but also act as hubs for resource matching and cooperation implementation.

2. Platform operation and investment promotion directions: Intelligent computing and embodied intelligence are currently the two hottest AI tracks, each gathering more than 200 related enterprises. Platforms can prioritize these two tracks in investment promotion to build industrial clusters. Meanwhile, platforms can set up special capital matching zones to introduce investors for project matching, which improves their attractiveness to enterprises.

3. Risk mitigation notes: AI governance has become an industry compliance requirement. Platforms can introduce AI governance and compliance service resources to help resident enterprises meet compliance requirements, improve their security capabilities, jointly mitigate compliance risks, and support enterprises to enter high-value markets.

Based on first-hand observations at 2026 WAIC, this article summarizes the latest developments in the AI industry and new research-worthy issues, offering high reference value:

1. Six new industry developments: Large model competition has shifted from parameter size race to industry implementation capability, with open-source large models achieving collective breakthroughs and narrowing technology premiums; robots have shifted from demonstrations to real-scenario operation, with data accumulation and world model construction becoming core competitiveness; domestic Chinese computing power competition has shifted from single-chip performance to overall system efficiency; AI hardware has become the core battleground for the next generation of intelligent agent portals; AI investment is concentrated in leading models, robotics, and computing infrastructure, with capital flowing to a small number of high-barrier leading enterprises; AI governance has become a core component of industry competition.

2. New research-worthy issues: There is a large gap in high-quality physical interaction data for embodied intelligence today, and the data volume held by leading enterprises is still an order of magnitude short of what is needed to validate Scaling Law. AI capability is improving much faster than AI security and controllability, so new solutions are needed to address the security risks brought by AI performing real-world tasks.

3. Insights for policy research: AI governance rules themselves are a source of industrial competitiveness. Policymakers need to strike a balance between open innovation and risk control, and build a sound risk management system while promoting open-source opening.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

大模型不再比谁大,机器人忙着打工。

定焦One(dingjiaoone)原创

作者 | 陈丹

编辑 | 魏佳

这几天,比上海高温更火热的,是2026世界人工智能大会(以下简称“WAIC”)现场。

7月17日大会开幕当天,「定焦One」走访世博、张江、西岸三大展区,并旁听了多场论坛。展馆里,人潮涌动,形状各异的机器人穿梭其间。有的机器人则留在展台上,反复演示分拣、质检和装配。跑步、跳舞和挥手的少了,开始展示如何进入工厂、仓库和家庭。

另一边,手机、眼镜、耳机等终端被赋予了新的角色。它们不仅仅是承载AI功能的硬件,也被视为智能体感知现实、调用服务的入口。

更显眼的,是那些占据大片展位的“大家伙”——十几个计算机柜组成的超节点、整套液冷和集群系统。这些过去隐藏在数据中心里的算力基础设施,也被搬到了聚光灯下。

在“曙光8000”展台前,参观团一批接一批抵达。讲解员举着小旗,带着人群围绕设备移动,媒体则被挤到了外围,焦急等待一个没有人挡住镜头的瞬间。

热闹背后,是一场规模仍在扩张、内容却已经发生变化的行业大会。

2026年WAIC的展览面积首次超过10万平方米,1100余家企业带来3000余项展品,超过300款产品计划在此完成全球首发。仅智能计算和具身智能两个赛道,就各自聚集了超过200家企业。

本届大会还联动12个国家部委、10余个国际组织,汇集1400余位中外嘉宾,并设置资本对接专区,引入十余家投资机构和约200位专业投资人。同期举行的,还有人工智能全球治理高级别会议。

自2018年创办至今,WAIC早已不只是一场技术与产品展会。它把科学家、模型公司、芯片厂商、机器人企业、投资机构和政策制定者放进同一个坐标系,也让资源的流向和竞争的重心变得清晰可见。

从2026年的WAIC出发,我们总结出六个值得关注的AI产业趋势。

01.趋势一:大模型没有结束竞争,但“最强模型”未必是最大赢家

就在WAIC开幕的前一天晚上,月之暗面发布了Kimi K3。

这款模型拥有2.8万亿参数和100万Token上下文窗口,定位于长程编程、知识工作和复杂推理,被一些开发者称为开源社区的“另一个DeepSeek时刻”。它把接近全球前沿水平的能力放进开放生态,也再次缩短了开源与闭源模型之间的距离。

北京中关村学院院长刘铁岩在接受媒体采访时表示,技术的生命力在于开放流动,一批中国开源大模型从“单点亮相”走向“群体突破”。

而当前沿能力可以越来越快地被开源模型追平,单次模型领先所能换取的技术溢价也在收窄。开发者可以在不同模型之间迁移,企业也可以通过多模型调用、私有化部署和议价压低成本。

2026年WAIC的议题设置,已经清楚地反映了这种变化。

在大会近200场会议、论坛和活动中,出现频率最高的三个标签并不是“大模型”,取而代之的是“产业发展”“人才生态”和“算力”。即便讨论模型,问题也从“参数有多大、榜单排第几”,转向模型如何进入真实系统。

基础模型并未退场,只是不再独占舞台中央。大会重点议题覆盖AI Coding、Token经济、世界模型和OPC等方向;发布的新品包括华为Atlas 950超节点、阶跃Agent操作系统、AI智能体手机、机器人和垂直行业的智能体产品。

从这些发布可以看出,行业真正争夺的重心已经越过模型本身。模型要与芯片、操作系统、终端、行业数据和业务流程结合,形成一套完整、稳定且可持续运转的产品体系,这才是各家真正比拼的东西。

模型的评价标准也因此发生变化。阶跃星辰首席战略官李璟在大会前表示,当智能体进入真实生产环节,市场对基础模型的要求已经是“智能与效率并重”,除了推理、规划和工具调用能力,还要继续降低推理成本,提高响应速度和部署灵活性。

也就是说,下一阶段的赢家,未必是某一次评测中得分最高的公司,更可能是能够把模型组织进真实产品、稳定系统和商业闭环的企业。模型仍然决定能力上限,但真正决定市场位置的,将是系统效率、产品体验和产业落地能力。

02.趋势二:机器人开始告别“才艺表演”,世界模型争夺下一代数据

过去,机器人展台最吸引眼球的是跑步、跳舞和后空翻;今年,真正聚拢人气的,是一支支“打工天团”。

不少企业把整条生产线搬进了展馆。

本届WAIC聚集了超过200家具身智能企业。展馆里,既有能在四足与两足形态间切换的载人变形机甲,也有演示上下料、线束装配和工业质检的机器人。

家庭场景同样热闹。桌面机器人主打个人陪伴,机械臂尝试理解“收拾客厅”这类长程指令,并将其拆解为多个步骤;智能水吧前,机械手独立完成从萃取到递送的咖啡制作流程。

技术演示正在从“秀肌肉”转向真实作业。

但机器人完成一个动作,与在真实现场连续、稳定地把事情做好,中间隔着一条漫长的工程链路。因为,真实环境中,光线变化、物品形变、摆放偏差、人员闯入、任务中断乃至设备老化,都会带来干扰。

机器人不仅要执行标准动作,还要识别异常、重新规划,并在失败时安全退出。以它石智航按1∶1比例搬来的汽车线束装配产线为例,机器人需连续完成取线、布线、插接;复旦大学与上汽智己合作的视触觉系统,则在车灯装配中一边感知受力与形变,一边实时修正轨迹。

机器人一旦进入真实作业,行业很快就会遇到一个比本体成本更加棘手的问题:数据。

没有足够多、足够复杂的物理交互数据,模型就很难获得跨场景泛化能力。启明创投主管合伙人周志峰表示,目前中美头部具身智能公司掌握的高质量物理交互数据,大多只有几十万小时,距离充分验证Scaling Law至少还差一个数量级。

头部企业正在把年度数据目标推向百万小时以上。昂贵的真机遥操作数据只会占其中一部分,更大比例可能来自第一视角视频、人体操作数据和仿真环境。

因此,世界模型在本届WAIC被推到更关键位置。大会专门设置相关议题,讨论如何在虚拟环境中完成建模与推演,再迁移到现实世界。

未来,具身智能公司的差距,可能不再主要体现为机器人能举多重的物体、拥有多少自由度,而在于谁能够更早建立起“真实部署—数据回流—世界模型—再次部署”的闭环。

03.趋势三:国产算力不只拼单卡,开始争夺系统效率

在集结了百余家算力芯片及基础设施企业的张江展区,东方算芯在展台上打出了“14nm约等于4nm”的口号。其首款DF1000采用软件定义和3D近存计算架构,在14nm工艺节点下实现520TFLOPS@BF16的算力。

芯片参数之外,今年WAIC更明确的产业信号是“超节点”。

华为首次公开展示由16个计算柜、1024张昇腾卡组成的Atlas 950 SuperPoD真机,并称单个系统最多可连接8192张NPU。由中科曙光打造的中国首个全国产10万卡AI超集群“曙光8000”也在大会亮相。国产厂商的产品边界,正从单卡延伸至服务器、互联网络、内存系统和集群。

这是由大模型负载的变化决定的。

MoE模型和智能体应用越来越依赖跨芯片通信、内存访问和任务调度。一项任务可能需要调用多个专家模型,智能体则需要维持更长时间的上下文、不断调用工具,并保存大量KV缓存。

在这种情况下,单颗芯片的峰值算力已不足以决定系统表现,衡量口径变成了系统每单位时间能够稳定产出多少Token,以及这些Token需要消耗多少电力和成本。

国产算力竞争因此正在从“能否替代一块卡”,转向“能否交付一套可训练、可推理、可迁移、可运维的系统”。

当单芯片差距难以在短时间内完全抹平,互联效率、软件栈、集群可靠性和运维能力,可能会成为新的追赶路径。

04.趋势四:AI手机、AI眼镜,抢夺下一代入口

AI硬件同样在WAIC迎来一轮密集发布。

徐汇西岸近1万平方米的展区内,超过100家企业带来200余款产品,其中57项为首发首秀,64件消费级产品可以直接体验。手机、眼镜、学习设备、健康硬件和陪伴机器人共同出现,AI正在从屏幕中的聊天窗口,进入用户随身携带和持续使用的设备。

但今年更重要的变化,不是出现了多少种新硬件,而是智能体开始进入操作系统。

字节跳动与中兴努比亚合作的NaviX Ultra,据报道已备货8万至10万台,首批规划总量达到50万台。阶跃星辰也发布了智能体原生操作系统Step AOS、个人智能体Amoo和手机STEPX Neo。

心眸科技的14.9克AI眼镜可以记录对话并生成纪要、摘要和待办。蚂蚁展示的AI眼镜则把智能体与扫码支付、城市伴游等服务结合。

种种迹象表明,下一代入口争夺的对象正在发生变化。手机、眼镜、耳机乃至汽车,都可能为智能体提供更连续的感知入口。

对模型公司来说,硬件的意义也不只是销售收入。

阶跃星辰董事长印奇直言,只有通过硬件,才能形成完整的价值闭环和数据飞轮。没有操作系统和终端生态,模型就难以获得学习真实操作所需要的数据。

05.趋势五:投资火热,机器人、算力和头部模型吸走大额资金

WAIC从来不只是技术的秀场,也是资本的集市。

本届大会设置资本对接专区,引入十余家投资机构、约200位专业投资人。会前,大会已推动57个核心应用场景落地,累计达成约162亿元意向合作金额。

钱仍在涌入AI,但不再平均地流向每一家公司。

据媒体报道,2026年一季度全球AI初创融资2555亿美元,已超过2025年全年AI风投总额,其中三分之二由三笔超级交易贡献。

刚发布Kimi K3的月之暗面,上一轮200亿美元估值融资于6月底完成交割,新一轮融资投前估值已升至315亿美元。DeepSeek已正式完成首轮外部融资,投后估值约3500亿元人民币。阶跃星辰完成近25亿美元Pre-IPO轮融资,冲刺港股。

还有很多资金涌向了具身智能。据媒体统计,2026年上半年,国内具身智能赛道融资约438亿元,已经逼近2025年全年规模,其中超过一半的资金流向研发具身大模型的“大脑派”公司。

资金逐渐离开同质化模型和缺少壁垒的应用,流向机器人、芯片、算力基础设施,以及少数仍然有能力训练前沿模型的头部公司。

与此同时,资金用途也在变化。

过去,机器人融资更多用于验证技术路线和完成原型;现在,大额融资越来越多地用于建设数据采集体系、扩充产线、采购算力、推动量产和准备上市。机器人公司正在从实验室项目变成重资产企业,融资逻辑也越来越接近基础设施投资。

具身智能和芯片需要巨大的前期投入,前沿模型需要密集的算力和人才,AI终端则需要供应链与渠道。产业越深入现实世界,规模能力就越重要,资本也越容易流向少数拥有基础设施、数据闭环和商业化能力的公司。

06.趋势六:AI治理,正在成为产业竞争的一部分

今年大会,“人工智能全球治理高级别会议”与WAIC并列出现。

这不是简单增加一场安全论坛。

随着AI进入关键基础设施、工业系统、智能终端和机器人,AI治理也正在从伦理倡议,转向围绕标准、机构、开源和算力展开的制度竞争。

大会前一天,世界人工智能合作组织协定签署仪式在上海举行,29个国家代表签署协定,成为创始成员国。中国继续强调开源模型和AI能力的普惠价值,希望降低发展中国家使用AI的门槛,同时提出保持人类监督,建立风险预警和治理机制。

为进一步支持全球人工智能发展、推进全球人工智能能力建设,未来5年,中国将面向发展中国家提供5000个人工智能专题研修培训名额,面向东盟、阿盟、非盟、拉共体、上合组织和金砖国家建设国际人工智能应用合作中心,并推动气象智能预警方案“妈祖”在30个国家落地。

面向未来,人工智能治理应在开放创新与风险控制之间寻找平衡。一方面鼓励开源开放、合作共享,让AI赋能产业发展;另一方面建立法律法规、技术监测、风险预警和应急响应体系,防止技术被滥用,并确保关键决策始终处于人类监督之下。

本届WAIC期间,图灵奖得主、深度学习先驱约书亚·本吉奥将重点推介并解读联合国人工智能治理工作框架。相关报告围绕通用AI的能力、风险与安全措施展开,指出模型在推理、网络安全和生物等领域的能力仍在快速提升,但系统的可靠性、监控能力和可控性并未同步跟上。

当AI不再只是回答问题,而是开始调用工具、操作系统并执行真实任务,模型的一次错误就可能直接作用于现实世界。安全因此从产品上线后的合规要求,逐渐变成产品能力的一部分。

能够证明系统可信、可控、可审计的企业,才更有机会进入金融、医疗、工业和公共服务等高价值场景。对企业而言,安全能力决定的不只是能否规避风险,也决定了产品能够进入哪些市场、承接哪些任务。

由此看,治理规则已经不再游离于产业竞争之外。谁能够率先建立被广泛接受的安全标准、评测体系和责任机制,谁就可能掌握下一阶段的市场准入门槛,并在一定程度上影响AI产业的规则制定权。

07.结语

在WAIC现场,一位参观者在社交平台记录下了这样一个片段。

一家机器人公司的人形机器人正在表演投篮。围观者纷纷举起手机,等待它投进的一刻,并为之欢呼。他拍下视频,发给儿子:“你看,机器人会打球了。”

但儿子不以为意,更关心的是自己能不能吃一个冰淇淋。

当展馆里的人们还在讨论AI替代、生产效率、产业格局和未来职业时,一个孩子用最直接的方式提出了另一个问题:在一个机器越来越“像人”的时代,那些纯粹属于人的、未必高效却真实的需求,究竟被放在了哪里?

技术的终点,不是技术本身。篮球可以投进,咖啡可以冲好,产线可以自动化运转,但吃冰淇淋的欲望、对生活琐碎的关切、无目的的快乐——这些能力不一定永远无法被机器模仿,但它们恰恰定义了人在一个高度自动化的世界里,如何保持主体性。

展馆里的超节点、机器人和智能体,展示了AI能够抵达的未来;而那个关于冰淇淋的问题则提醒我们,技术最终仍要回到具体的人。

我们真正需要回答的,从来不只是AI能够做什么,而是我们希望它把人类带向哪里。

注:文/定焦One团队,文章来源:定焦One,本文为作者独立观点,不代表亿邦动力立场。

文章来源:定焦One

广告
微信
朋友圈

FAQ回顾

2026年AI产业有哪些核心发展趋势?

2026年AI产业有六大核心趋势:大模型竞争转向落地能力比拼,机器人聚焦真实作业场景,国产算力争夺系统效率,AI硬件抢占智能体入口,资本向算力、机器人等硬科技倾斜,AI治理成为产业竞争重要组成部分。

具身智能赛道当前的发展重点是什么?

当前具身智能赛道发展重点已从技术演示转向真实作业落地,企业需攻克复杂环境稳定作业难题,加快积累物理交互数据,搭建“真实部署-数据回流-世界模型-再次部署”的闭环,抢占行业发展优势。

国产算力产业的竞争方向发生了哪些变化?

国产算力产业已不再局限于单卡参数比拼,竞争方向转向系统效率,重点围绕超节点、互联网络、软件栈、集群可靠性和运维能力展开,目标是交付可训练、可推理、可迁移、可运维的完整算力系统。

当前AI领域资本投资的重点方向是什么?

2026年AI领域融资持续增长,资本逐渐离开同质化大模型和低壁垒应用,重点投向算力基础设施、具身智能、头部大模型企业,资金更多用于数据体系建设、产线扩充、算力采购及商业化落地。

AI治理对AI企业发展有什么影响?

AI治理已成为产业竞争的重要组成部分,安全能力从合规要求转为产品核心能力,具备可信、可控、可审计技术能力的企业,更容易进入金融、医疗等高价值场景,获得更大市场空间。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0