【声明：本文内容只代表本人观点，不作为投资建议，请谨慎参考】

【本文约6000字，平均阅读时间15分钟】

      这几天我在上海，应润建股份之邀请参加了WAIC 2026世界人工智能大会。

我的感觉是：上海很热，AI更热。

早晨到上海世博展览馆外，第一眼看到的不是展台、不是机器人、不是大模型，而是排队的人。观众在高温里分批等候入场，队伍一层又一层，像是在等待一场大型演唱会。

【入口处排队，人太多要限流，分批进入】

坦率说，这些年很多行业展会的热度是在下降的。人少了，交流浅了，展台越来越像规定动作，观众越来越像走流程。

但这一次，不一样。

WAIC现场的人气，是久违的。

【展馆内各种排队】

世博馆里人满为患，展台前挤满观众。机器人展区尤其火爆，几乎每一台能动的机器人旁边都围着几层人。现场聆听了很多行业大佬的演讲，其中光院士就是十几位。还有不少熟悉的商业人物：刘润、周鸿祎，还有罗振宇在直播间做“流水席”式的现场直播。

这说明一件事：AI已经不再只是科技圈的内部话题，它正在变成一场产业界、资本界、创业者、媒体人和普通公众共同参与的社会事件。

但是，看展不能只看热闹。

越是热闹的展会，越要问一个本质问题：

这么多人都来了，钱最后会流向哪里？

吴晓波频道最近有篇文章，讲了一个很形象的概念，叫AI产业链的“利润搬家”。

一条街上有三家店：上游卖面粉，中游做面包，下游开蛋糕店。刚开始，卖面粉最赚钱，因为所有人都抢面粉；后来面粉供应充足，做面包的开始赚钱；再往后，真正能做出精致蛋糕的人，成了赢家。

AI产业也是这样。

黄仁勋曾把AI架构比作“五层蛋糕”：能源、芯片、基础设施、大模型和AI应用。再往产业链里拆，可以分成三段：

• 上游：芯片、服务器、光模块、网络、电力、液冷等基础设施；
• 中游：云计算、大模型、算力中心、模型服务；
• 下游：AI Agent、垂直行业应用、智能体和各种AI+场景。

过去几年，最赚钱的是上游，是芯片，是GPU，是算力基础设施。

但现在，利润正在搬家。

从芯片搬向光模块、服务器、电力、液冷；再从硬件搬向云服务、模型服务、算力运营；最终，可能会搬向真正能为客户创造结果的行业应用。

这次WAIC，我最大的感受就是：

AI产业正在从“谁有能力”进入“谁能变现”的阶段。

01-整体体验：人很多，但背后是产业分层

这次参展，我主要去了两个区域：上海世博展馆和张江会场。

两个场馆给人的感觉完全不同。

世博馆人更多，展示内容也更集中在AI产业链中更高价值、更高关注度的部分。这里有大型AI企业，有算力中心解决方案，有Token内容服务和模型服务方案，也有具身智能、机器人、脑机接口、灵巧手、机器狗、行业智能体等热门方向。

【世博馆：AI应用更贴近人】

张江会场相对人少一些，更多是算力服务器、板卡、端侧硬件、边缘计算设备、推理卡等产品和方案。它们当然也是AI产业的重要组成部分，但从现场观感和产业位置来看，张江会场展示的很多产品更偏端侧和硬件集成，技术壁垒相对没有那么高，同质化竞争也更明显。

【张江馆：更多是算力方案的展示】

不能简单说世博馆“热”、张江会场“冷”，更准确的说法应该是：

世博馆展示的是AI产业链里更靠近资源垄断、资本门槛和商业叙事中心的部分；张江会场展示的，则更多是端侧算力硬件和工程化产品，是一个竞争更充分、同质化更明显的市场。

这两个场馆放在一起，恰好构成了AI产业当下的真实剖面：

一边是高门槛、高资本密度、高想象空间的算力中心、模型服务、具身智能和行业应用；

另一边是供应链成熟、参与者众多、价格竞争加剧的端侧硬件和算力服务器。

这就是今天AI产业的真实状态：

热度很高，但不是所有热闹都值钱；机会很多，但不是所有机会都有壁垒。

02-从展馆人流，看AI产业的四个象限

参观过程中，我一直在想一个问题：

为什么有些展台人特别多，有些展台相对冷清？

当然，机器人会动，天然吸引人；大模型会说话，也容易吸引人。但如果只用“好不好看”来解释，那就太浅了。

展区冷热背后，其实反映的是产业链不同环节的确定性和想象空间。

我把这次看到的AI产业分成四个象限：

象限	特征	代表方向
确定且热门	有需求、有资本、有门槛、有商业闭环	算力中心、云侧算力、Token服务、模型服务
确定但不够热门	有市场，但技术门槛较低，同质化明显	端侧算力服务器、推理卡、边缘计算板卡
不确定但热门	想象空间大，资本关注高，但商业化待验证	具身智能、人形机器人、部分行业AI应用
不确定且不热门	概念热，但效果难量化，替代性强；	泛办公智能体、通用AI助手、弱场景SaaS

这个四象限，是我这次看完整个展会后最重要的判断。

它比“哪些展台人多”更重要。

因为人流只是表象，资金流和利润流才是本质。

---

第一象限：确定且热门——算力中心、词元（Token）服务和模型服务

现在AI产业里最确定、也最热门的方向，仍然是算力。

但这里说的算力，不只是买几台服务器、插几张卡，而是更上层的算力中心建设、算力资源调度、模型服务、Token服务以及面向行业客户的综合算力运营能力。

这一块为什么确定？

因为AI应用无论怎么发展，都绕不开算力。

大模型训练需要算力，推理服务需要算力，智能体调用需要算力，行业应用规模化部署也需要算力。只要AI继续发展，算力就是基础设施。

而且，算力中心不是谁都能做。

它需要：

• 大规模资本投入；
• 稳定的芯片和服务器供应链；
• 电力、机房、网络、液冷等基础条件；
• 运维能力；
• 客户资源；
• 模型适配能力；
• 资源调度和商业化能力。

这就是为什么它具备一定的行业门槛和垄断属性。

【南网展会：算力的尽头是电力】

在世博馆，我看到的不少方案已经不再只是单纯展示“我有卡”“我有服务器”，而是在讲：

• 我能提供Token级别的服务；
• 我能提供模型调用能力；
• 我能提供算力云服务；
• 我能为行业客户提供完整解决方案；
• 我能把算力变成可售卖、可计量、可持续交付的服务。

这说明AI产业正在从“卖硬件”进入“卖能力”的阶段。

【润建股份：高质量Token服务商】

润建股份，这家立足国内、面向东盟的公司，就提出了自己的新战略方向：成为Token时代的算力运营商，让算力像水电气一样按需取用、按时计费。

我认为，这是一个很务实的战略定位。

因为未来不是每家公司都能成为英伟达，也不是每家公司都能做通用大模型。更多企业真正的机会，是在产业链中找到自己的生态位：

• 有些公司做底层芯片；
• 有些公司做服务器；
• 有些公司做算力中心；
• 有些公司做模型服务；
• 有些公司做行业交付；
• 有些公司做应用结果。

作为润建生态合作伙伴，我甚至能看到润建进一步的目标：用AI底座赋能千行百业。

润建这类公司的关键，不在于它是不是最大，而在于它能不能把算力、模型、Token服务和行业需求连接起来，形成一个可以持续变现的闭环。

如果说过去AI产业赚钱靠“卖铲子”，那么下一阶段，赚钱的不只是卖铲子的人，而是那些能把铲子、矿山、工人和产出连接起来的人。

【润建的ACM解决方案总体框架】

第二象限：确定但不够热门——端侧算力服务器与板卡产品

相比之下，张江会场给我的感受更冷静。

这里展示了很多端侧算力服务器、推理卡、边缘计算硬件、开发板和板卡类产品。它们有价值，也有市场，但问题也很明显：

同质化竞争已经开始出现。

很多产品从外观到功能，从芯片配置到应用场景，看起来差异并不大。

一些企业展示的是基于50系显卡或类似架构搭建的推理服务器和边缘算力设备。这类产品当然能解决一部分企业本地化部署、边缘推理、数据安全和低延迟需求。

但它的商业问题在于：进入门槛相对不高，参与者太多，价格会越来越卷。如果没有自研核心方案，利润会越来越薄。

这一类市场属于“确定但不够热门”。

它确定，是因为端侧推理、边缘部署、本地化AI服务器确实有需求。很多企业不愿意把数据全部放到云端，很多工业场景也需要本地计算。

但它不够热门，是因为它缺少足够高的产业垄断能力。

云侧算力中心拼的是资本、资源、规模、供给和运营能力；端侧服务器拼到最后，往往会变成拼价格、拼交付、拼渠道、拼服务。

【工作站方案】

这不是说端侧没有机会，而是说机会会越来越集中在几个方向：

1.绑定具体行业场景

不是卖一台服务器，而是解决一个行业问题。

2.软硬一体化

硬件只是入口，真正的利润在软件、模型、数据和运维。

3.结果交付

客户不关心你用了什么卡，客户关心业务效率提升了多少。

4.服务能力

谁能长期稳定运维，谁才可能留下。

所以，端侧硬件不是没有价值，而是不能只停留在硬件本身。

单纯卖板卡，利润会越来越薄；围绕行业场景交付结果，才有可能走出价格战。

第三象限：不确定但热门——具身智能和机器人

如果说这次WAIC哪个板块最吸引普通观众，那一定是机器人。

人形机器人、机器狗、灵巧手、机械臂、机器人药房、机器人乐队、陪伴机器人、分拣机器人、下棋机器人、导览机器人……几乎每一个机器人展台前都围着人。

【宇树的超级战甲】

这，很好理解。

机器人是AI从屏幕走向现实世界的象征。

过去我们说AI，很多时候它存在于网页、App、云端和对话框里。机器人不一样，它有身体，会移动，会抓取，会回应，会和物理世界发生关系。

这就是所谓具身智能的魅力。

鲜枣课堂对WAIC具身智能展区的观察很有代表性：今年具身智能规模明显扩大，参展企业数量大幅增加，展示内容从过去的跳舞、翻跟头，转向仓储拆垛、线束装配、商业零售、咖啡冲泡、家务整理、陪伴看护、药品分拣、景区导览等真实场景。

  

【药品的自动分拣】

这说明具身智能正在从“表演阶段”进入“场景阶段”。

但问题也正在这里。

场景展示，不等于商业闭环。

我在现场和一位上市的机器人公司技术总经理一起参观，也重点讨论了机器人在药房零售场景中的应用。

从技术上讲，机器人可以完成取药、分拣、打包、无接触交付。这件事看起来是成立的。

但商业上，我们还要问几个更具体的问题：

• 药房真的需要机器人吗？
• 药房愿意为机器人支付多少钱？
• 机器人能节省多少人工成本？
• 故障率和维护成本是多少？
• 改造现有药房流程的成本有多高？
• 除了试点和展示，能不能规模化复制？
• 这个场景是否一定需要人形机器人，还是传统自动化设备更合适？

这些问题不解决，机器人就还停留在“能做”，而不是“值得用”。

这也是具身智能当前最大的矛盾：

技术进步很快，商业验证还慢。

我相信机器人一定有未来。

但我也认为，机器人真正的价值不是为了替代人而替代人，而是去做人类不适合做的事情。

比如：

• 高危环境；
• 恶劣环境；
• 长时间重复劳动；
• 高强度体力劳动；
• 标准化工业作业；
• 老龄化社会中的基础陪护；
• 医疗康复辅助；
• 电力、矿山、化工、巡检等危险场景。

这些方向更有可能率先形成真实价值。

所以，具身智能现在是一个典型的“不确定但热门”的行业。

它热，是因为未来想象空间巨大。

它不确定，是因为商业模式、应用场景、成本结构、标准化能力和规模化交付都还没有完全跑通。

未来两三年，很可能是这个行业从热闹走向分化的关键时期。

有些企业会成为真正的产业公司，有些企业可能只会停留在展台上。

【消防、应急、处突的机器狗】

第四象限：不确定且同质化——泛办公AI和弱场景智能体

这次展会上，我也看到了大量AI智能体和办公自动化产品。

企业法律顾问、销售助手、营销助手、内容生成、会议纪要、知识库问答、合同审查、客服机器人、HR助手、财务分析……

这些方向看起来都很热，但看多了之后，会有一个很强的感受：

相似度太高，没有说清楚结果。

【Agent公司和方案】

一位朋友是中小企业创始人，公司几千万规模。他和我一起参观了这个展区。他对于AI应用在公司里面充满憧憬，每一个展位都不放过，认真听介绍、看演示、做分析。

很多展出公司都在讲降本增效，都在讲企业智能化，都在讲内部流程改造。但如果继续追问一句：到底降了多少本？增了多少效？带来了多少收入？减少了多少风险？

很多答案并不清晰，老板并不满意。

企业买AI，不是为了买一个过程，而是为了买一个结果。

如果一个AI产品只能告诉客户：“我可以帮你生成内容、整理材料、回答问题”，这还不够。

客户真正想知道的是：

• 我的销售转化率能提高多少？
• 我的客服成本能下降多少？
• 我的合同风险能降低多少？
• 我的员工效率能提升多少？
• 我的获客成本能减少多少？
• 我的业务流程能缩短多少时间？

没有结果，就没有长期价值。

更现实的是，企业部署AI并不简单。它会带来沉没成本、数据安全风险、流程改造成本、员工培训成本和组织阻力。

所以，泛办公AI和弱场景智能体，很可能会经历一轮洗牌。

这类公司未来能不能留下，不取决于产品界面做得多漂亮，也不取决于是不是接入了最新模型，而取决于能不能回答一个最朴素的问题：

你到底帮客户赚了多少钱，省了多少钱，减少了多少风险？

这就是结果导向。

AI应用的终局，是把账算得清楚。

03-我更看好的方向：垂直行业AI

在所有应用方向里，我更看好垂直行业AI。

但我要强调，这里说的垂直行业AI，不是简单给大模型套一层行业皮肤，也不是做一个行业版聊天机器人。

真正的垂直行业AI，是要进入业务现场，解决行业里的复杂问题。

它需要：

• 行业数据；
• 专业知识；
• 业务流程理解；
• 系统集成能力；
• 责任边界；
• 可量化结果；
• 持续迭代机制。

现场有一个很好的例子：中国气象局依托关键节点推出AI“妈祖”智能预报解决方案，并已服务40多个国家。

这个案例为什么重要？

因为气象预测是一个典型的行业深水区。

它不是简单问答，而是专业计算、数据融合、模型推演和结果验证。天气预报准不准，可以验证；灾害预警是否及时，可以评估；对农业、航运、能源、交通的价值，可以计算。

这类AI应用才是真正有价值的。

未来类似的机会会出现在很多行业：

• 医疗；
• 气象；
• 能源；
• 交通；
• 工业制造；
• 农业；
• 金融风控；
• 应急管理；
• 供应链；
• 城市治理。

这些行业都有一个共同特点：数据复杂、流程复杂、专业性强、结果可验证。

AI一旦真正进入这些场景，它的价值就不再是“提高一点办公效率”，而是改变行业生产方式。

所以我认为，AI下一轮真正值得关注的机会，不是泛化应用，而是深度行业应用。

不是“AI+万物”的口号，而是“AI解决一个具体行业里的具体问题”。在润建，我们也看到这个能力。

【润建农业全产业数智化解决方案】

04-从“利润搬家”看AI下一站

如果把这次WAIC放到更大的产业周期里看，AI产业的利润迁移路径已经越来越清晰。

第一阶段，利润在芯片。

谁有GPU，谁就掌握稀缺资源。

第二阶段，利润在基础设施。

服务器、光模块、液冷、电力、机房、网络设备开始受益。

第三阶段，利润在算力运营和模型服务。

算力不只是建出来，还要卖出去、用起来、跑起来、产生收入。

第四阶段，利润会迁移到行业应用。

谁能帮客户解决问题，谁能拿到预算。

第五阶段，利润会沉淀在结果型公司。

谁能交付确定性结果，谁就拥有长期价值。

这也是我看完WAIC后最大的判断：

AI产业正在从“资源竞争”进入“结果竞争”。

过去，大家问的是：你有没有模型？有没有算力？有没有GPU？有没有机器人？

未来，大家会问：

• 你的模型解决了什么问题？
• 你的算力卖给了谁？
• 你的机器人在哪些场景稳定运行？
• 你的智能体让客户效率提升了多少？
• 你的行业AI带来了多少真实收益？

这就是从技术叙事到商业叙事的转变。

05-仅代表个人观点：AI不会替代我们，而是重塑我们

这次WAIC让我既兴奋，也谨慎。

兴奋的是，中国AI产业的活力确实很强。

现场有大企业，有创业者，有90后创始人，有硬件厂商，有模型公司，有机器人公司，有行业应用公司，也有来自海外的团队。每个人都在寻找AI时代自己的位置。

【世博馆H4：充满活力和创新的舞台】

谨慎的是，我也看到了泡沫。

有些机器人还停留在演示阶段；有些智能体缺少差异化；有些端侧硬件已经开始同质化；有些应用讲了很多过程，但没有讲清楚结果。

所以我认为，AI还会继续热，但热的方式会发生变化。

接下来，市场会越来越现实。

资本会问：你能不能赚钱？

客户会问：你能不能解决问题？

用户会问：你能不能让我更高效？

企业会问：你能不能给我一个确定的结果？

AI不会因为“用了大模型”就有价值，也不会因为“长得像人”就能商业化。

AI最终要回到一个朴素标准：

它有没有让事情变得更好？

我相信AI会替代一部分工作，尤其是重复性、流程化、标准化的工作。但我不认为AI的意义是消灭人。

AI真正的价值，是放大人。

它应该去做那些：

• 人不愿意做的脏活累活；
• 人做成本太高的重复劳动；
• 人无法长时间保持稳定性的工作；
• 人难以处理的大规模数据分析；
• 人无法进入的高危环境任务；
• 人需要辅助决策的复杂问题。

而人应该把更多时间留给判断、创造、审美、关系、责任和价值选择。

所以，未来真正被淘汰的，不一定是某一种职业，而是那些不能用AI提升自己的人，以及那些只会用AI包装概念、却不能创造结果的企业。

结语：热闹之后，留下来的是什么？

WAIC 2026是一场热闹的展会。

但它不只是热闹。

它像一面镜子，照出了AI产业当下的真实结构：

• 算力中心仍然是确定性最高的赛道；
• Token服务和模型服务正在成为新的商业入口；
• 端侧硬件市场正在走向同质化竞争；
• 具身智能拥有巨大想象力，但仍需验证商业闭环；
• 泛办公AI会经历洗牌；
• 垂直行业AI可能成为下一轮利润迁移的承接点。

如果说过去几年，AI产业比的是谁先冲出来，谁先拥有能力，谁先占领叙事高地；

那么接下来几年，AI产业要比的就是：

谁能把能力变成产品，谁能把产品变成结果，谁能把结果变成利润。

这次WAIC给我的最大启发是：

AI的上半场，是技术的狂欢；AI的下半场，是商业的结算。

人山人海终会散去，展台灯光也会熄灭。

最后留下来的，不是最会表演的机器人，不是最会讲故事的智能体，也不是参数最高的硬件。

最后留下来的，一定是那些真正为客户创造价值、为行业提高效率、为社会解决问题的AI公司。

看完WAIC之后，我更坚定一个判断：无论大模型如何迭代，无论机器人如何进化，无论算力中心如何扩张，最后真正要把AI用起来的，仍然是千千万万家企业。企业才是这场工具革命真正的主角。

因为只有企业自己最清楚，哪些流程是低效的，哪些岗位是重复的，哪些知识沉淀在老员工脑子里，哪些场景值得被AI重做一遍。外部工具可以提供能力，外部模型可以提供算力，但真正的业务价值，一定诞生在企业自己的流程、组织和岗位现场里。

AI转型不是买一个软件，也不是上一套系统，更不是让员工简单学会几个提示词。它更像一次组织能力的重建：从岗位开始，把业务专家的经验讲出来；从知识开始，把隐性经验沉淀下来；从技能开始，把重复动作标准化；最后，把这些能力变成一个个可以协同工作、可以持续进化的数字员工。

这也是我们正在做的事。

我们设计了一套面向企业的AI转型训战课程和陪辅项目，核心不是讲概念，而是带着企业真实业务团队，一步一步完成从岗位、知识、技能到数字员工的最小可行性产品。项目通常以四周为一个周期：第一周识别高价值场景，第二周盘点岗位知识和测算ROI，第三周完成岗位智能体验证和迭代，第四周进入真实业务验证，并形成项目总结、组织方法和可复制的数字资产。

在这个过程中，业务岗位专家、AI产品经理和AI工程师会组成一个小型AI项目队。业务专家负责讲清楚真实场景和判断标准，AI产品经理负责把经验转化为智能体的提示词、流程和技能，AI工程师负责完成知识库、工具调用、系统集成和运行观测。最后交付的不是一份PPT，而是一个能够在企业内部跑起来的岗位数字员工，以及一套企业可以继续复制的AI转型方法。

过去，我们常说企业要数字化转型。今天，问题已经变了。

不是企业要不要用AI，而是企业能不能把AI变成自己的生产力。

不是员工会不会使用工具，而是组织能不能把工具变成流程，把流程变成能力，把能力变成新的增长。

WAIC的灯光会熄灭，展馆的人潮会散去。但对企业来说，真正的AI转型才刚刚开始。

下一站，不在展台上。

在每一家企业自己的会议室、业务现场、岗位流程和组织变革里。

欢迎大家交流讨论！

·全文完·

点击下方卡片关注华友汇

业绩增长，向华为学销售

👇