7 月 17 日至 20 日，2026 世界人工智能大会暨人工智能全球治理高级别会议在上海举行。本届大会以“智能伙伴，共创未来”为主题，展览面积首破 10 万平方米，汇聚 1100 余家企业及 3000 余项展品，其中超 300 款产品集中首发。智算与具身智能两大赛道分别吸引超 200 家企业参展。
这是历届 WAIC 中规模最大、技术路线和产品形态最复杂的一届。大模型、超节点、智能体操作系统、AI 手机、人形机器人及各类行业解决方案同台亮相。看似分散的技术赛道背后，呈现出一条清晰的演进路径：AI 正从生成答案的模型，演变为理解目标、调动资源、感知环境并交付结果的系统。
过去三年，大模型已证明其在内容生成、代码编写及复杂推理上的能力。2026 年，行业核心议题已从"AI 能不能做”转向"AI 能否长期、稳定、低成本地做”。从实验室的一次成功到生产环境的数万次请求，从舞台上的单次跳跃到工厂里的连续作业，人工智能进入真实生产需要模型之外的一整套基础设施支撑。
透过本届 WAIC，我们观察到 AI 产业正在发生的三场关键迁徙。
算力不再只看芯片：从参数竞赛走向系统竞赛
本届 WAIC 上，华为 Atlas 950 超节点真机备受关注。超节点的核心价值不在于机柜内的芯片数量，而在于降低芯片间的数据交换成本。高速互联、共享内存、任务调度和软件栈共同决定了计算整体的协同效率。
随着模型规模扩大及推理任务复杂化，单颗芯片难以独立决定最终表现。芯片间的传输速度、千卡集群的协同效率、内存容量及软件工具成熟度，均直接影响算力利用率。若大量时间消耗在等待数据和跨卡通信上，理论峰值再高也难以转化为有效生产力。
AI 算力竞争的基本单位正从单颗芯片转向服务器、超节点和集群；竞争维度也从计算性能扩展至高速互联、散热、软件生态及能源效率。尤其在推理时代，面对海量并发且波动明显的请求，系统稳定性与单位成本成为关键。
数据显示，2025 年中国人工智能相关产业规模突破万亿元，重点行业渗透率超 80%。日均 Token 调用量从 2024 年初的 1000 亿激增至 2025 年底的 100 万亿，并在 2026 年持续快速增长。Token 调用量更接近产业真实水位，标志着竞争焦点从“拥有更大模型”转向“以更低成本、更高效率生产智能”。
奕行智能在本届大会首发 Epoch 系列 RISC-V AI 算力超节点方案，通过云端大算力芯片、ELink 高速互联架构及全栈软件生态，构建了超越传统服务器的系统能力。该方案支持单机柜内 32 卡至 128 卡高带宽互联，采用正交无背板架构大幅降低延时，并可扩展至万卡级集群。目前，其产品已进入量产交付阶段，覆盖互联网、金融等多个行业。
RISC-V 开放指令集为国产算力提供了新路径，但其竞争力最终取决于量产能力、软件适配及长期运行数据。在 AI 基础设施领域，技术指标回归本质：一度电生成多少有效 Token、设备稳定运行时长及故障恢复速度。
算力产业真正的门槛是将芯片转化为客户可持续使用的生产力。随着“Token 工厂”概念兴起，行业关注点转向系统在给定条件下的稳定产出能力。未来的算力龙头，将属于能够将芯片、互联、软件、能源与客户需求组织成高效系统的企业。
智能体进入企业：真正的壁垒是上下文和交付
如果说超节点解决智能的生产问题，智能体（Agent）则解决智能的使用问题。从聊天机器人到智能体，产品逻辑发生根本变化：前者等待明确指令返回结果，后者则接收抽象任务，自主拆解步骤、调用工具并完成工作闭环。
智能体要真正进入企业，需理解三类信息：通用世界知识、企业私有知识（产品资料、客户数据等）以及组织运行规则（权限、审批流等）。通用大模型往往缺乏对企业具体业务场景和隐性规则的理解，这构成了智能体落地的核心障碍。
错误的企业上下文比没有上下文更危险。模型若引用失效政策或错误记录，可能导致严重决策失误。因此，企业 AI 的竞争重心正转向上下文工程，即解决信息的时效性、冲突处理、权限管理及调用逻辑。
特赞科技此次展示的 GEA 企业级智能体架构，由意图、编排、技能和上下文四层构成。其上下文层将企业分散资产转化为统一事实源，编排层协调不同模型与技能。特赞提出的“发散推理模型”旨在让智能体在面对开放性商业问题时，先探索多种可能再结合约束进行判断，而非简单收敛至单一答案。
当智能体开始参与业务流程，它便在一定程度上成为组织的“数字员工”。但这要求极高的可靠性：执行过程可观察审计，错误能被及时发现中止。企业引入智能体后，评价标准也需从功能使用率转向任务成功率、人工接管率及实际效率提升。
未来更可能的形态是一个员工管理多个智能体，或多个专业智能体服务一支团队。人的价值将转向设定目标、提供判断及管理例外。企业部署智能体不仅是技术项目，更是组织工程。只有清晰描述业务、理顺流程，机器才能真正理解并参与其中。
AI 获得身体：从感知世界到形成实时闭环
本届 WAIC 上，具身智能热度不减。超 200 家相关企业参展，产业链涵盖人形机器人、四足机器人、灵巧手及传感器等。行业话语体系已从“像不像人”的动作表演，转向“能不能工作”的任务交付。
具身智能的核心在于赋予机器人泛化能力，使其能理解自然语言指令并适应环境变化。然而，真实世界远比语言世界复杂，机器人需形成完整的“感知—理解—决策—执行—反馈”闭环。本体结构、执行器、传感器及数据采集能力，与大模型同等重要。
工业场景因环境相对结构化、任务目标明确，可能成为具身智能最先规模化的市场。但即便在此场景，大规模落地仍面临挑战。客户更看重机器人连续运行数百小时后的任务稳定性，而非单次演示的惊艳程度。从具体任务切入，积累真实场景数据反哺模型训练，是走向通用能力的现实路径。
与此同时，新一代 AI 终端正从被动操作转向主动感知。端侧 AI 凭借低延迟、隐私保护等优势，与云端形成动态分工。神思动量旗下品牌 LumiMind 推出的 LumiSleep D1 脑电调控睡眠仪，通过非侵入式实时采集脑电信号，解码脑状态变化并生成个性化声学引导，形成了“监测—解码—生成—调控”的本地闭环。
这类神经感知型智能穿戴设备代表了新的技术路径：智能设备开始尝试理解人的内部状态并作出实时反馈。无论是机器人理解外部世界，还是穿戴设备理解内部状态，底层逻辑日益趋同：持续采集信号、判断状态、生成反馈并动态调整。
AI 获得身体后，产业评价标准随之改变。接近物理世界的 AI 对安全性、可解释性和可靠性的要求极高。智能设备需明确数据处理边界，机器人需知晓何时停止，智能体需在高风险任务前请求确认。这些能力是 AI 从演示走向规模化应用的必要条件。
2026 年的 WAIC 表明，产业界正直面比训练大模型更复杂的问题：如何让智能长期运行，如何理解具体的人和组织，如何进入真实世界并保持可控。这场变化概括为三场迁徙：从单颗芯片走向有效 Token 生产的算力系统；从回答问题走向理解上下文并承担业务过程；从聊天框走向拥有感知与行动能力的物理终端。