2026 世界人工智能大会（WAIC）：大模型退居幕后，AI 竞争走向系统能力

题图摄于上海外滩

从模型跑分、国产算力到开源生态，看 AI 竞争如何从单点走向体系。

今年世界人工智能大会（ WAIC ）最热闹的是机器人，但我认为，最重要的信号恰恰是模型正在退到幕后。

模型仍然决定 AI 能力的上限，但单靠一个领先模型，已经越来越难构成完整的产业优势。算力、模型、Agent、终端、行业数据和业务流程，正在被组织成一套相互咬合的系统。

AI 竞争的基本单位，正在从“一个模型”变成“一套体系”。

据大会官方披露，今年 WAIC 有 1100 余家企业参展，展出 3000 余项产品。把 Atlas 950 超节点、Agent 操作系统、智能体手机、人形机器人和 Kimi K3 放在一起看，背后是一条清晰的产业链：

算力提供底座，模型提供智能，Agent 负责执行，终端和机器人进入真实场景，开源生态决定这套能力能扩散多远。

WAIC 的价值，不是证明这些产品都已成熟，而是集中呈现了 AI 产业的结构性变化。

模型跑分内卷，但已不是 AI 产业的唯一主线

过去三年，AI 新闻几乎都围绕参数、榜单和推理能力展开。这种局面正在改变。斯坦福大学 HAI《2026 AI 指数报告》显示（参见本号文章斯坦福HAI年度报告解析），中国领先模型在部分公开评测中已接近全球前沿水平。公开评测只能反映模型的部分能力，不能代表算力、资本和产业生态的整体实力；但它说明模型能力正在加速扩散，单一模型优势越来越难长期保持。

Kimi K3 是一个最新例子。据官方技术博客，它以 2.8 万亿参数进入前沿模型竞争，并宣布分阶段开放完整权重。国产模型企业正在同时挑战能力、成本和开放性。（参见本号文章性能逼近 Fable 5，Kimi K3 真正改变了什么？）

模型远未同质化。但对大多数企业来说，首要难题已经从“有没有好模型”，变成怎样接入数据、调用工具、控制权限、验证结果并处理错误。

AI 产业正在从“获得智能”，进入“组织智能”的阶段。

国产算力的系统化路径：不只看单卡，更要看集群

今年 WAIC 上，华为展示 Atlas 950 超节点，中科曙光展示十万卡级国产 AI 超集群。“超节点”可以简单理解为通过高速互联，把大量芯片组织成一台更大的计算机。

过去谈国产算力，大家总追问单颗芯片与主流加速计算平台相比处于什么水平。但大模型训练和推理不是单卡比赛，互联、内存共享和任务调度决定了大规模集群能否形成有效算力。

这说明国产算力产业正从“做出可用芯片”，转向“建立可运行的计算系统”。竞争主体也从芯片厂商扩展到网络、存储、能源和软件。

集群规模大，不等于整体性能已经领先。训练效率、推理成本、稳定性、软件兼容性和利用率，才是更有意义的指标。部分国产算力平台在算子完善度、主流开发框架原生适配和模型迁移工具链上仍有短板；不少开源模型首先针对 CUDA 优化，迁移到国产集群需要额外适配。

这些适配成本，是国产算力从“能用”走向“好用”的门槛。

在单点性能存在差距时，用互联、集群架构和系统软件提高整体效率，可能是国产算力最现实的路径，也会成为 Agent 和具身智能的底座。

Agent 的本质：把模型从聊天框接入业务流程

今年 WAIC 出现了 Agent 操作系统、智能体手机、AI Coding 和大量行业智能体。Agent 也成为最容易被滥用的概念之一，一些产品只是给聊天界面增加几个工具调用，就开始自称 Agent。

撇开营销包装，Agent 代表的真正变化是大模型正从回答问题走向执行任务。

以采购询价为例，Agent 不仅要写邮件，还要读取供应商名单、调用企业系统、遵守审批权限、记录操作，并在价格或交期异常时把任务交还给人。

到了这一步，模型只是其中的推理部件。

权限、记忆、工具连接、任务编排、监控和验证，都变成不可缺少的基础设施。Agent 操作系统就是要管理这些能力，让不同 Agent 稳定运行和协作。

因此，国内外企业都在建设 Agent 平台。Google、OpenAI、Anthropic 和微软争夺企业 Agent 与工作入口，国内企业则更多从手机、汽车、办公软件和行业流程切入。

大家走向同一个 Agent 时代，入口却不完全相同：云服务和软件平台通常从知识工作切入，拥有制造业和终端场景的企业则更适合把智能嵌入设备、工厂和供应链。不同的产业基础，正在塑造不同的 AI 产品形态。

机器人走出展馆，还要跨过可靠性鸿沟

据 WAIC 官方统计，智算和具身智能赛道分别聚集了超过 200 家企业。资源加速进入，并不等于通用人形机器人已经完成商业化。

展馆里的一次抓取，与工厂数千小时连续运行及严格的安全要求之间，还隔着大量长尾问题。成本、磨损、数据和安全责任，都会让机器人发展慢于软件 Agent。

因此，我不赞成把 2026 年称为“人形机器人爆发元年”。WAIC 能证明供应链正在形成，却不能证明商业闭环已经完成。

不过，当模型获得视觉、空间理解和动作能力，AI 必然从屏幕扩展到物理世界。制造业体系、零部件供应链、工程人才和实体场景，是国内产业发展具身智能的现实基础。

重要的不是哪台机器人在展馆里走得最稳，而是谁能把模型、传感器、控制系统和真实任务连成闭环，让算力与 Agent 获得进入物理世界的“手脚”。

开源不只是技术选择，也在扩大产业生态

WAIC 的另一条信号是，开源正在获得超出技术社区的意义。“开放权重”允许企业下载模型参数，在自己的环境中部署和修改。随着 DeepSeek、Qwen、Kimi 和 GLM 持续提升，它已不再只是闭源模型的低成本备选。

开放既能扩大开发者覆盖面，也能降低企业采用和本地化部署的门槛。对于重视成本、数据控制和定制能力的企业，开放模型提供了云端闭源服务之外的另一种选择。

企业的模型选型正在形成两类路径：一类依托闭源模型和云平台，追求更强的综合能力与服务体验；另一类采用开放模型、本地算力和行业定制，更强调成本、控制权和部署灵活性。

两者不会截然分开。开放模型越成熟，行业 Agent 和机器人的开发门槛就越低。谁能影响更多开发者和终端的选择，谁就可能形成更持久的行业影响力。

开源生态的扩散速度，也决定了体系化竞争能够覆盖多大的产业范围。

体系化能力不等于所有企业都要全栈自研

体系化竞争也抬高了门槛：软硬件协同需要资本和复合型人才，模型接入业务还会碰到数据安全、知识产权和责任边界。

这会不会意味着，只有少数巨头才能参加下一阶段的竞争？我认为不是。

“体系化”不等于每家公司都去造芯片、训练模型和开发机器人，关键是找准自己控制的环节。

大型平台企业要成为体系连接器，定义接口和标准；创业公司应在某一层做深；传统企业则应先跑通一个可衡量的业务流程，把数据、工具、权限和效果评估做成闭环。

未来真正稀缺的，也不只是会训练模型的人，而是能把模型组织进复杂业务系统的产品和架构人才。

软件产业早期也围绕单点技术竞争，进入大规模应用后，架构、生态、工程能力和持续运营开始决定胜负。AI 正在经过同样的转折。

下一阶段的赢家，未必是某次模型评测的第一名，而更可能是能把模型、算力、数据、Agent 和行业流程组织成稳定系统的企业。

模型决定能力上限，体系决定产业落地深度。这才是今年 WAIC 留给我的最重要信号。

最后也想听听你的实际感受。

你所在的公司或行业，AI 落地最大的卡点是什么？是模型能力不足、算力成本太高，还是业务系统根本接不进去？欢迎在评论区聊聊。

参考资料

1. Stanford HAI,The 2026 AI Index Report

https://hai.stanford.edu/ai-index/2026-ai-index-report

2. Kimi:Kimi K3 Tech Blog: Open Frontier Intelligence

https://www.kimi.com/blog/kimi-k3

3. Google Cloud:Introducing Gemini Enterprise Agent Platform

https://cloud.google.com/blog/products/ai-machine-learning/introducing-gemini-enterprise-agent-platform

关注【亨利笔记】，持续跟踪 AI 技术进展、行业动态与前沿观点，稳稳抓住人工智能时代的真正机会。