图片来源：国际科技创新中心官网
2026年哪些AI技术方向有真实需求、哪些指标正在变硬、哪些能力接近入场券？智九对2025、2026年“中关村新域新质创新挑战赛”AI领域需求做对照梳理，追踪其变化与重心迁移。以下分析基于公开需求文件的功能要求、主要指标与实测要求，不代表大赛官方解读。
一、总体盘面：AI需求占比稳定，但AI能力全面渗透其他领域
“人工智能与大数据”是两届赛事中需求数量最多的单一领域（各13项），需求方以军工科研院所、装备单位及专精特新企业为主，问题域覆盖核应急决策、电磁频谱分选、航空航天图像判读、低空监视、涉密研发环境、装备与电源运维等。因此，需求描述天然是任务级的——判读什么、识别什么、在多长时间内给出结论，而非产品级的功能罗列，方案跨场景迁移的成本较高。此外，处理对象以非结构化专业数据为主，“数据不出域、软硬件国产化”是两届共同的默认前提。
在上述共性底色之上，两届需求的具体构成与技术重心发生了明显移动。下一部分先给出13项需求的全清单对照与主题归类。
人工智能与大数据领域 13 项需求全清单对照
2025 |
主题归类 |
2026 |
主题归类 |
基于低功耗芯片的本地化部署大模型（RK3588、≤6TOPS、RAG） |
端侧部署 |
基于大模型的内网安全开发环境（英伟达GPU、全离线、跨网摆渡） |
端侧离线 |
国产自主RWKV骨干网络在华为910B的训练优化（64卡MFU≥40%） |
模型训练 |
离线智能去水印技术（本地工作站、批处理） |
端侧离线 |
多源图像智能定位工具（对标geospy） |
多模态感知 |
基于国产边端平台离线部署大模型的语音情感交互系统（≥1B、10轮、5表情） |
端侧离线 / 情感计算 |
基于大模型的航空航天图像智能判读与文字整编 |
多模态感知 |
基于国产端侧平台的具身机器人离线多轮语音交互系统（≤0.4s、6情绪） |
端侧离线 / 情感计算 |
电磁数据自动分选与智能识别 |
多模态感知 |
多模态生理和运动信号智能融合处理（肌电/心率/惯导、边缘AI迁移） |
多模态感知 |
多模态时空数据大模型训练与应用（ADS-B航迹、低空经济） |
多模态感知 |
多模态大模型无人机视频智能分析插件（自2025信安领域迁入） |
多模态感知 |
基于大模型的GraphRAG优化及应用工具 |
知识工程 |
智治引擎——基于大模型的低代码多模态数据治理平台（对标Palantir） |
智能体/治理 |
基于AI的试验数据管理与集成应用（私有化大模型） |
知识工程 |
全源信息关联融合分析智能体（OSINT/SIGINT/GEOINT、威胁研判） |
智能体/治理 |
基于深度学习的气溶胶危害预测模型（LSTM） |
垂域应用 |
通用航空器飞行异常行为告警模型（5类数据源、8类异常、≤10s） |
垂域应用 |
基于生成式AI的核应急决策支持系统 |
垂域应用 |
基于深度学习的气溶胶危害预测模型 |
垂域应用 |
核应急数据同化模型 |
垂域应用 |
电源动环系统AI智慧运维（预测性维护、百万点、国产化） |
垂域应用 |
自编辑智能化特定物品鉴别APP |
垂域应用 |
基于对话内容的行为异常检测和心理变化分析技术 |
情感计算 |
针对开源人工智能大模型的安全检测技术 |
AI安全 |
图像合成生成检测技术 |
AIGC鉴伪 |
主题结构迁移：重心移动一览
主题方向 |
2025 |
2026 |
变化 |
模型训练与推理优化 |
1 |
0 |
消失 |
端侧/边端/离线部署 |
1 |
4 |
↑ 显著增长 |
多模态感知理解 |
4 |
2 |
↓ 收敛 |
RAG/知识工程→智能体 |
2 |
2 |
→ 形态升级 |
情感/心理/人因计算 |
0 |
3* |
↑ 全新方向 |
垂域AI应用（预测/运维） |
4 |
3 |
→ 基本稳定 |
AIGC检测鉴伪 |
1 |
1 |
→ 主题延续 |
* 情感计算按主要归属去重后为1项独立需求，另2项（语音情感交互、具身语音交互）以端侧部署为主归属但均含硬性情感指标，合计3项涉及。
二、AI需求的四个结构性变化（2025 → 2026）
变化一：技术重心从"模型本体"迁移到"系统工程"——大模型需求进入深水区
2025年需求中仍有“自研骨干网络的训练优化”“多模态时空数据大模型训练”这类贴近基础模型层的需求；2026年13项中，基础大模型/自研骨干训练优化类需求消失（此处“训练”指基础模型预训练与骨干网络优化），转向内网离线开发环境、低代码数据治理平台、端侧语音交互、智能体研判等工程问题；应用层的模型训练与优化则作为系统工程的一部分继续融入具体场景需求。
|
|
变化二：端侧化、离线化、国产化——"数据不出域"成为硬约束
端侧/边端/内网离线部署类需求从2025年的1项扩展到2026年的4项，且约束升级：
算力档位上移：2025年要求≤6TOPS入门级平台；2026年语音情感交互要求≥8TOPS国产边端平台，模型规模≥1B，鼓励7B及以上量化部署。
实时性进入毫秒级：具身机器人语音交互核心响应≤0.4s、首字响应≤300ms，并要求给出显存/内存/功耗/算力余量评估。
国产化在部分场景变为硬约束：2026语音情感、具身交互点名昇腾、寒武纪、瑞芯微等国产边端平台；电源动环明确需在国产化环境部署；智治引擎点名达梦、金仓、Neo4j。但内网安全开发环境明确基于英伟达GPU与CUDA，离线去水印基于RTX A6000。国产化并非所有AI需求的统一门槛，而是分场景硬化。
|
|
变化三：多模态的内涵从"感知世界"扩展到"理解人"——情感与生理信号入场
2025年多模态指图像、视频、电磁信号、时空航迹，对象是物理世界；2026年新增生理信号（肌电、心率、惯导）与心理维度，并密集出现情感指标：
行为异常检测与心理变化分析（言语、姿态、手势、表情、生理指标→心理归因）；
语音情感识别准确率≥85%（5类情感）+≥5种拟人化表情反馈；
具身交互要求识别≥6种情绪并驱动机器人表情/动作，且情感分析原则上复用语音交互大模型，明确要求共享主干以降低端侧开销。
口径说明：按主要归属去重后，独立情感计算需求为1项；另2项语音情感交互、具身语音交互以端侧部署为主归属，但均含硬性情感指标，合计3项涉及。
|
|
变化四：知识工程升级为智能体，对标Palantir的情报分析范式出现
2025年知识工程需求是工具级的：GraphRAG优化、试验数据管理；2026年跃升到智能体级：
全源信息关联融合分析智能体：接入OSINT/SIGINT/GEOINT/TECHINT等≥8类信息源，≥10类实体识别，1~N跳关联路径查询，自动输出意图研判与威胁等级评估结论并给出证据链；
智治引擎数据治理平台：明确“借鉴Palantir Dynamic Ontology动态本体驱动理念”，大模型自动生成解析代码和DDL（覆盖达梦、金仓、Neo4j），治理能力“动态演化”。
三、总结：从需求看当前AI行业落地趋势
综合两年13项需求的对照结果，可以跳出单一赛事本身，对当前人工智能在产业侧的落地阶段形成以下四点趋势判断：
01 基础模型已不构成瓶颈，价值重心转向工程化与场景适配。
02 落地主战场由云端向端侧与离线环境转移，国产软硬件生态同步成熟。
03 AI应用形态从"感知与识别"进入"决策与执行"，智能体成为新的系统形态。
04 交互范式变化：AI开始理解人的状态，人因智能与具身智能合流。
|
|
智九AI生态联盟
数据来源与适用范围说明：
本报告数据来自2025、2026中关村新兴领域专题赛公开文件，判断基于需求文件的功能要求、主要指标与实测要求，不代表官方解读；单位属性与场景判断为基于内容的推断。分析对象为两届赛事“人工智能与大数据”领域全部需求（各13项），属特定赛事、特定发榜主体的定向样本，而非行业普查数据。发榜与参赛主体集中于国防军工科研院所、装备单位及专精特新企业等有限人群，需求受其任务场景、技术基础与保密要求影响，可能带有与该人群高度相关的特殊性；加之样本量有限，个别题目增减即可引起结构性统计的明显变化。因此，本报告结论仅作为研判参考，用于理解该特定渠道的需求特征，不宜直接外推至整个行业或其他市场。
如需进一步交流，欢迎关注“智九人工智能产业研究院”公众号，或通过官方渠道与我们联系。