四大技术赛道同步“晋级” 见证AI产业迭代澎湃节奏

来源：滚动播报

（来源：新华日报）

具身智能机器人在埋头干活。（主办方供图）

□ 本报记者 蔡姝雯 张宣

2026世界人工智能大会于20日落下帷幕。《科技周刊》记者历时三日行走会场，10万平方米展区、1100余家参展企业、4000余项前沿展品、400余项全球首发首秀，搭配多场重磅产业论坛，全程亲历AI产业迭代的澎湃节奏。

产业进阶的脉络，藏在每一处展台、每一台设备、每一次人机交互之中。从构筑算力底座的超节点，到锚定物理现实的世界模型，从开启产线作业的人形机器人，到协同分工的智能体集群，人工智能正在从虚拟空间的参数竞赛，向着实体产业进发，以系统化技术底座，开启智能落地的全新周期。

趋势一 算力从“拼单卡”走向“超节点”

AI能力的持续提升，最终都需要强大的算力基础设施支撑。

走进2026世界人工智能大会H2技术与创新馆，扑面而来的一组组大型算力集群设备、模块化算力模组，呈现出最直观的行业风向——算力“新物种”超节点来了。

往年WAIC算力展区，企业宣传重点集中在单颗芯片算力、显存带宽等纸面指标；而今年所有头部厂商的展示重点，均从“单芯片性能”转向“整套系统交付能力”，多款重磅超节点产品集中首发亮相，展现下一代算力基础设施的形态。

华为展台人头攒动，参观者在一组黑色庞然大物前排起长队，这是华为首次公开展出业界最大规模的超节点真机昇腾950（Atlas 950 SuperPoD）。另一边，中科曙光的首个全国产十万卡AI超集群“曙光8000”迎来全球首秀，其在系统建设上实现了“芯片、计算、存储、网络、散热、应用、服务”全链路全自研AI基础设施能力，入选本届大会“镇馆之宝”。中兴通讯的OEX超节点也是首次公开亮相，正交无背板设计实现零线缆互联，使互联成本降低80%。此外，阿里云、沐曦股份、摩尔线程、壁仞科技、百度智能云等厂商纷纷亮出超节点的最新技术、产品和方案。

何为超节点？通俗来讲，它将海量芯片、服务器单元通过高速互联整合为一台逻辑统一的超级计算机，核心特征是大带宽、低时延、跨节点统一内存编址。7月19日，鹏城实验室联合全球计算联盟在大会现场发布《超节点定义与实践白皮书》，为行业给出权威界定：超节点是一种在物理上由多个计算节点通过高效的互联协议紧密连接组成，具备跨物理节点统一内存编址能力，逻辑上具备“一台计算机”特征的计算系统。鹏城实验室主任高文研判，超节点已成为AI基础设施建设全新范式。

展馆硬件展品的更迭，背后是全行业对算力底层瓶颈的共识，这一观点也在大会多场算力专题论坛上得到专家、产业从业者一致印证。当前模型迭代、智能体协同、具身智能落地都需要海量稳定的算力支撑，但全球AI算力已陷入多重瓶颈：一是沿用近80年的冯·诺依曼架构天然存算分离，数据反复搬运带来的时延、能耗损耗，大幅削弱单芯片理论性能；二是算力需求呈指数级增长，传统分散式单卡集群面临能耗、散热、机房空间多重约束；三是国内各地算力中心陆续建成，但算力单元缺乏统一标准，跨机房调度难度高。因此，整套算力系统的搭建、调度、运营能力，将成为企业、区域乃至国家AI产业长期竞争的核心变量。

算力进入“拼系统”时代，构建超节点、超集群已经成为主流做法。但其普及仍存在现实挑战：不同厂商超节点硬件、调度软件标准尚未统一，跨品牌组网存在适配成本；超节点前期研发、部署投入较高，中小厂商入局门槛偏高；超节点与上层世界模型、多智能体系统的联合优化仍需长期打磨等。

行业正在加速推进超节点标准化落地。本次大会发布的《超节点定义与实践白皮书》，首次统一行业术语与架构评测标准，为芯片、整机、高速互联、算力调度软件全产业链协同迭代提供统一参照。

中科曙光相关负责人在论坛分享中提到，搭建大规模超集群只是第一步，让算力真正可用、易用才是下一阶段核心布局方向。目前“曙光 8000”已依托国家超算互联网接入全国一体化算网，完成300余项重点应用优化，未来将面向科研院所、高校、企业及个人用户全面开放普惠、高效、便捷的算力服务。

趋势二 机器人不秀“才艺”埋头“干活”

2026世界人工智能大会为具身智能专设单独展区H3，记者最直观的感受是画风变了：往年展台前围满观众，举着手机等机器人来一段后空翻或者集体舞；今年人群聚拢的地方，机器人大多在埋头认真“干活”。

本届大会聚集了超过200家具身智能企业，参展数量比去年翻了一倍有余，展台上的主角也从“表演者”变成了“打工人”。不少企业直接把“生产线”搬进了展馆。它石智航按1∶1比例复刻的汽车线束装配产线上，机器人正连续完成取线、布线、插接等工序，被称为“汽车神经网络”的线束柔软易变形，装配精度要求达到亚毫米级别。来自江苏的魔法原子展台前，轮式人形机器人MagicBot D1在模拟货架间穿行，识别不同高度的物料、精准抓取后定点转移，几步之外，搭载自研通用具身大模型Magic-VLA K02的机械臂正在演示叠盒封胶，遇到偏移后毫秒级重规划路径。

工业场景之外，家庭端的应用场景同样热闹。一些人形机器人的机械臂开始尝试理解“收拾客厅”这类模糊指令，并自主拆解为多个步骤执行。启元机器人展出的启元T1，是全球首款可变形个人机器人，轮足人形和四足形态自主切换，室内是居家助手，出门能变机器狗跟随拍摄，为消费级机器人落地打开了新思路。

观众的反应也同步发生改变：发出的赞叹不再是“好厉害，但是能用来干嘛”，而是“这个还真能用得上”。掌声变少了，询价变多了；围观表演的人少了，围着技术人员讨论落地细节的专业观众多了。

从“秀肌肉”到“交作业”，展台风向的务实转变，折射出整个行业正从概念走向产业，而行业重心也正在从机器人的身体能力转向决策能力，长程任务执行能力成为各家比拼的重点，机器人不仅要执行标准动作，还要识别异常、重新规划，并在失败时安全退出。

当然，演示与产品之间仍然隔着一条漫长的工程链路。真实环境中，光线变化、物品形变、摆放偏差、人员闯入、任务中断乃至设备老化，都会带来干扰。机器人完成一个动作不难，难的是在真实现场连续、稳定地把事情做好。

在同期举办的相关论坛上，与会专家针对具身智能的行业发展给出理性判断。

复旦大学浩清特聘教授、通用物理智能研究院首任院长苏昊在主论坛演讲中直言：“今天的AI会写诗、会写代码、会做PPT，但它帮不了一位老人翻身。智能的价值大多还停在数字世界，可人最沉重的那些需求全部在物理原子世界。”他认为，物理智能不是人的替代者，而是协作者，要把体力活交给机器，把照护者的时间还给陪伴与关怀；把危险的作业交给机器，让人退居安全线之后承担判断与创造。

苏昊提出三个判断供行业检验。首先，物理智能的突破口不在模型架构，而在知识聚合。视频在互联网上，方程在教科书里，力觉数据在各家实验室，操作的直觉在亿万劳动者身上，没有谁能独自集齐，需要整个行业共建数据、共立标准。其次，行业重心将从酷炫的演示转向可靠的运行，通用性只是起点，真正的难点在于工程上将可靠性从99%提升至99.9%。最后，物理智能将推动AI从科学的读者蜕变为知识的创造者。

对于行业翘首以盼的“人形机器人高光时刻”，专家们的预期普遍在两到五年之间。业内专家认为，具身智能的下半场是“高热度、高投入、高试错性、不确定性”并存，落地顺序上物流、清洁、零售等商业场景会率先突破，随后进入工业环境，家庭与养老则需要更长时间。

趋势三 模型从“内容生成”走向“物理推演”

本届世界人工智能大会上，大模型赛道发生清晰迭代：前两年行业聚焦文本、图像、视频等数字内容生成能力比拼，而今年全场核心焦点转向世界模型。

“世界模型是物理AI发展的核心引擎，其核心能力是预判与推演。”中国科学院工业人工智能研究所研究员徐凯说，世界模型成为热门赛道，是因为具身智能大模型碰壁，倒逼行业寻找新方向。

大晓机器人董事长王晓刚则在“世界模型‘六小龙’巅峰论坛”上直言，数字世界模型失误仅影响图文生成，而物理场景下智能体预判偏差将产生不可逆真实损失，为此行业急需适配真实世界的具身世界模型，在复杂不确定环境中最大限度降低机器人行动试错成本。

该论坛现场发布的开悟世界模型 3.1（Kairos 3.1），依托混合Transformer架构打通理解、生成与预测的技术壁垒，将视觉观测、语言指令、力触状态、策略轨迹等多维数据压缩进统一隐空间，从底层实现生成智能、物理智能、认知智能三大能力的融合，使机器人不再只能复刻预设动作，而是能够预判自身操作对周边物理环境造成的连锁影响，形成安全可控的闭环自主控制。

另一边展会现场，生数科技展示的MotuBrain世界动作模型，则聚焦动态物理运动认知。参观者站在摄像头前做出抬手、搬运、弯腰等动作，模型便能实时捕捉人体关节、受力变化，同步输出精准三维运动数据，能够适配人形机器人动作复刻、工业机械臂运动规划、人体康复仿真等场景。

不少机器人厂商也同步展示世界模型配套落地方案：搭载轻量化世界模型的机械臂，面对摆放偏移、物料形变等突发状况，无需人工重新编程，即可自主推演调整抓取路径；仓储人形机器人依托世界模型感知货架空间布局，自主规划最优搬运路线，规避障碍物与人员动线。

世界模型旨在解决物理世界智能落地的难点和痛点，但目前其发展仍存在短板。在大会主论坛举行的“从虚拟到现实：世界模型如何驱动具身智能”专题讨论中，智元机器人合伙人、高级副总裁姚卯青直言，世界模型的核心功能是预测世界的下一步状态，需具备多模态融合理解，掌握物理规律、因果推理与长程推理三项关键能力。今年世界模型虽然火爆，但大多数仍停留在视觉生成层面，主要是基于视觉生成预训练模型做后训练，且训练中存在数据类型错配、数据不足两大问题。

针对当前具身智能行业普遍面临机器人仿真训练数据供给不足的问题，影眸科技此次带来世界生成模型Hyper3D WorldGen，参观者仅输入文字描述或上传一张实景照片，系统即可自主生成符合现实物理规律的完整三维空间，包含家具、电器、墙体结构等全部配套物件，规避镂空、穿模、物体错位等行业常见缺陷。影眸科技联合创始人曾初啸介绍，不同于部分以视频预测为核心的世界模型，该模型侧重输出可直接交互的三维场景，企业采集真实环境素材后，能够快速批量生成具备物理交互属性的仿真场景，可批量用于机器人仿真训练工作。

在“世界模型与多模态范式跃迁”专场论坛中，在提到数据缺乏问题时，中国科学院院士、南京大学副校长周志华提出一种低成本迭代的技术思路：行业可先用少量高质量数据搭建一个较为可靠的世界模型，通过和世界模型的交互来替代与现实世界的交互并形成决策；再将这些决策投入真实场景测试，就能将试错成本大幅压缩，在此基础上再持续迭代和优化世界模型。

趋势四 智能体从“单人答题”转向“团队协同”

前两年的世界人工智能大会，观众盯着人工智能大模型聊天，看谁回答得更聪明；今年观众排队体验的，是能直接帮你干活的“AI员工”。不用你一步步教，说清楚要什么，它自己查资料、写文档、调软件，一套流程跑完给你结果。

这就是今年颇为受宠的智能体。大会评出了10件“镇馆之宝”，其中就有百度展出的通用智能体“百度搭子”。“整理一下这周国内AI行业的大新闻，分好类做成简报！”记者对着这款智能体发出指令，不一会儿它就自己去搜资料、筛选归类、排版成文。

办公软件里也藏着智能体。金山办公新出的灵犀专业版和WPS Comate，一个给个人用，一个给企业用，都比以前的AI写作更聪明，不是你写一句它补一句，而是你交代个任务，它自己排版、做表、找素材。来自苏州的智慧芽则走了专业路线，这家江苏企业专门做科技创新领域的智能体，帮研发人员查专利、分析竞争对手技术，把以前要花几天的检索工作，压缩到几小时搞定。

在大会同期的智能体论坛上，专家们把这个趋势讲得更明白。云知声创始人黄伟认为：大模型像是AI的“脑子”，负责想问题、讲道理；智能体则给这个脑子配上了“手和脚”，会规划步骤、会用工具、会跟外界打交道，做完了还能自己检查对不对。用他的话说，AI从看热闹的旁观者变成了真上手干活的行动派。

中国信通院院长余晓晖总结了3个智能体最新变化的趋势，他认为，以前比单个智能体有多聪明，现在看整套系统能不能配合好；以前学完就定型了，现在能边用边进化；以前单打独斗，以后多个智能体还能组队协作。简单说就是，AI不再是一个只会答题的学生，正在变成能独当一面的职场人。

记者在现场转了一圈发现，观众的提问方式也变了。去年体验AI，大家爱问“你会写诗吗”“你能翻译吗”，考的是知识面；今年排队试用智能体的人，开口就是“这个能帮我做PPT吗”“报销单它能自动填吗”，关心的全是能不能省自己的事。不少人试用完第一反应是“这个上班真能用”，而不是单纯觉得新鲜。用户的期待变实在了，产品的方向自然也要跟着落地。

当然，智能体发展还存在难题：真实工作的数据不够多，不同任务之间没法通用，干得好不好缺少及时反馈，这些都是要慢慢磨的硬功夫。

工信部相关负责人在论坛上说，智能体已经成为带动新质生产力发展的重要力量，行业正在从单个技术验证，走向整套系统的规模化应用。IDC也发布预测，说未来几年全球的“数字员工”数量会快速增长。但热闹归热闹，真要走进每个人的日常，还差不少火候。有时候理解错了你的意思，有时候调用工具出了错，有时候结果马马虎虎还得人返工，这些小毛病在真实场景里都会影响体验。

此外，安全问题也不能大意。国家工业信息安全发展研究中心的专家提醒，智能体自主性越强、能调用的工具越多，风险也就越复杂。它要是自己乱操作软件、乱发消息怎么办？多个智能体之间互相配合会不会出乱子？这些问题不解决，大家用起来心里也不踏实。

总的来说，AI的下一站，不是更会说，而是更能干。智能体比干活、比实用的竞赛刚开场，理解需求、规划步骤、动手执行、回头检查，这四步要在各种复杂场景里都稳定跑通，还得靠整个行业慢慢攒数据、磨工程、补安全。