WAIC主题只改了几个字，却把AI行业的分水岭画出来了

一、风向变了，而且不是只有中国在变

今年的世界人工智能大会（WAIC）主题是「智能伙伴·共创未来」。与2023年那一届相比，调子已经完全不同——那年的主题是「智联世界·生成未来」，全场关注的焦点是谁的模型更大、生成能力更强。从"生成"到"伙伴"，这两个字的变化，反映出行业正在承认一件事：AI不再只是被围观的技术奇观，而是要真正进入工作场景，把活干出来。

放到全球来看，资金流向已经给出了更直接的印证。据Menlo Ventures统计，2025年美国企业在生成式AI上的370亿美元支出中，应用层占190亿美元，基础设施占180亿美元，基础模型API本身仅占125亿美元，排在末位。企业更愿意为"可用的产品"付费，而不是单纯为"更强的模型"付费。Gartner的预测同样指向这一点：到2026年底，四成的企业应用将嵌入具体任务的AI智能体，而2025年这一比例还不到5%。

国际数据公司（IDC）今年6月发布的一份关于中国AI专业服务市场的报告，把这个转向落到了更具体的层面：2025年下半年，中国AI专业服务市场规模接近20亿美元，全年超过30亿美元。但比规模更值得关注的是驱动力的变化——基础设施集成仍是市场基本盘，但平台与应用服务、管理与支持服务正在成为新的增长引擎。这意味着，这个行业的竞争逻辑，正在从"帮客户建项目"转向"帮客户把AI长期用下去"，二者的难度并不在同一个量级。

这几组数据分别来自不同市场、不同统计口径，指向的却是同一个结论：AI的价值重心，正在从"造更强的模型"转向"让AI真正干活"，从模型层走向应用层。而"让AI真正干活"这件事，明略已经做了三年——它的动作时间线，早于这个说法成为行业共识。

二、明略赌的不是风口，是三条底层逻辑

明略创始人、CEO兼CTO吴明辉这几年反复提到三条判断，看起来朴素，却决定了一家公司会长成什么样子：

其一，闭源软件已经过时。 当AI能够写代码，任何软件都可能被迅速复刻，软件本身不再构成资产。价值必然从"模型和软件"这一层，转移到离业务更近、更难被复制的应用层——因为那一层沉淀的是数据和场景，而非代码。

其二，横向扩展比纵向堆大更重要。 与其打造一个更庞大的单一模型，不如让多个小模型协同工作，织成一张网络。这不是一种技术上的浪漫设想，而是"从模型到应用"这条路径能够成立的技术根基——单一模型再强，也难以覆盖一个企业内部繁多而具体的任务。

其三，没有场景，就没有资格训练模型。 明略手中积累了二十年的真实业务数据，这是它能够从"使用他人的模型"走向"训练自己的专有模型"的前提。缺少这个前提，训练模型只是重复投入而已。

这三条判断不是从明略的成绩单里事后归纳出来的，而是它过去三年所有动作的起点。接下来的四层布局，可以逐一对照来看，检验这三条判断是否真正落到了行动上。

三、四层布局：判断如何变成基础设施

第一层：端侧模型，回应"闭源软件已经过时"这条判断对边界的要求。

如果价值真的要沉到离业务最近的地方，首先要解决的问题是：AI能否留在企业身边完成工作，而不是把数据搬到外部去训练。6月25日，明略发布了专为AIPC打造的端侧GUI VLA模型Mano-CUA-4B-2.0，上线Thinking模式，已在Hugging Face和ModelScope开放下载。端侧模型的意义不止于运行速度——它是企业数据边界的物理保障：数据无需上云，操作在本地完成。缺少这层底座，"智能伙伴"仍然停留在别人的服务器上，谈不上长期使用。

第二层：评测基准，回应"没有场景就没有资格训练模型"中最容易被忽视的一环。

从事Agent研发的从业者普遍面临一个问题：能力越强的Agent，越难以被准确评测。单步操作可以通过刷榜验证，但一个长链路的真实任务，谁来判断完成质量？明略自主研发了大规模Web Agent综合评测基准WebRetriever，成果被ECCV 2026接收，并发起了相应的全球挑战赛。自行建立评测标准，是搭建基础设施的标志，也是"把AI用好"的前提——先能被衡量，才谈得上迭代。

第三层：产业实证，回应"横向扩展比纵向堆大更重要"这一判断是否成立。

2025年，明略推出专有大模型DeepMiner，定位是可信商业数据分析智能体，本质是一系列基于真实业务场景构建的Agent集群，聚焦全球商业数据分析与决策——这是Agent协作的雏形，AI开始像一个团队运作，而不只是一个工具。2026年，这条路径延伸为Octo，首个开源可信的Agent协作网络：AI以"数字同事"身份加入团队，工作以"事项"为单位被追踪和验收，六种多Bot协作模式支撑真实的分工配合。6月29日，Octo以Apache 2.0协议开源，支持私有化部署。

比开源本身更值得关注的是，Octo已经进入真实生产环节。首批AI原生动画院线电影《神话事故应急处理办公室》开机，明略以"AI统筹"身份进组，在Octo上搭建多智能体与人协作的平台，让不同Agent与创作团队分工配合，完成复杂制作。这意味着，AI已经在一个创意密集型行业中承担统筹角色，与人类共同完成作品交付，"数字同事"由此有了第一个可验证的真实样本。

第四层：生态连接，是前三条判断最终要落地的出口。

前三层解决的是AI能否留下、能否被衡量、能否真正协作，最后一环是这套企业内部的协作网络，能否接入外部正在形成的AI分发体系。明略已启动与微信、通义千问等平台的对接，面向品牌方推出Agent Ready方案，帮助企业布局AI入口。这一步，把企业内部的Agent协作网络与外部的AI平台生态连接了起来。

四层叠加，构成了明略所说的"Agent协作基础设施"——不是单一产品，而是一整套体系。IDC报告中提到的"从建项目到长期用好"，明略给出的答案，正是长期使用所需要的整套基础设施。

四、这不只是一家公司的故事

如果仅仅是明略一家公司的自我陈述，这篇文章的价值有限。真正值得讨论的是：这背后反映的是整个行业正在经历的一次分化。

多数厂商目前的注意力，仍然停留在跑分排行榜、参数规模和基准测试成绩上——这并非没有道理，模型能力确实还在快速迭代。DeepSeek V4支持128K上下文和实时工具调用，数学竞赛准确率达到89.2%，说明模型层面的竞争远未结束。但一个愈发清晰的现实是：模型能力正在变成一张入场券，而不再是决胜的关键。真正拉开差距的，是谁能把这张入场券兑现为企业愿意长期付费的业务价值。

这件事的门槛并不低。MIT的一项研究发现，95%的企业级生成式AI试点未能带来可衡量的利润影响；Gartner也提醒，超过四成的智能体项目将在2027年前失败。应用层的机会窗口确实打开了，但要走通这条路，需要具备场景数据、评测体系、产业验证和生态接入能力，缺一不可。这四项能力，明略过去三年按顺序逐步完成，并非临时拼凑而成。

这也是这篇文章想要说明的：不是因为明略讲了一个足够动听的故事，而是它三年前的布局，恰好对应上了行业如今正在发生的转向。