从WAIC 2026看AI产业的五个转向

来源：市场资讯

（来源：澎湃新闻）

2026世界人工智能大会（WAIC 2026）闭幕了。综合本届大会论坛观点、展区展示和企业交流观察，笔者梳理了五个值得关注的产业转向，供从业者和未来的从业者参考。

7月17日拍摄的世博展览馆外景。新华社 图

一、AI落地：从“讲故事”转到“算实账”

如果说过去几年，业界和大众看待AI的焦点还在参数规模、榜单排名这些“纸面实力”上，那么今年的一个显著变化是，各方对AI的关注点已经从“纸面实力”转到了能不能“干活”以及要花费多少钱上。即便资本市场在一定程度上仍会关注参数规模和榜单排名，产业端也已经不约而同开始“算实账”。

虽然说“关注落地”和“回归理性”每年都在提，但今年的情况确实有所不同。无论大模型、智能体，还是世界模型、具身智能，讲得天花乱坠，客户都会追问一句：有什么用？成本几何？核心指向正是“单位有效产出成本”（Cost-per-Useful-Output）。不仅算资源利用率是否达标、部署是否稳定可靠、能否弹性扩展，也算那些不写在报价单上的隐性成本的全生命周期的成本，例如适配改造、合规校验、人工兜底等。

这种转向，最直白地表现在大众消费市场。消费者已经不再买账“花一万块买个终端，最后当智能闹钟用”的故事。他们对AI的要求朴实又直接，不仅要“能干活”，还要“干得省”。

这种倾向正沿产业链向上传导，不断改变着AI产品呈现的叙事。以撑起本届约四分之一展区体量的具身智能为例。上届大会上各类机器人还多以“才艺表演”的面目示人，而本届大多都带着真实而具体的工作场景登台，主打连续作业下的规模化与成功率。

再往上游看，不论是行业计价单位从FLOPS（每秒浮点运算次数）转向更直接的Token（词元）性价比；还是近期全球大模型的新一轮提价，倒逼客户精算投入产出比，都是供需两端一起计算落地价值的现实注脚。

这一现象的背后，并不意味着行业失去了想象力。恰恰相反，从“值得关注”到“值得采购”，产业的底层衡量逻辑正逐步回归财务与价值指标，这正是AI产业从概念验证阶段迈向商业成熟的核心标志。

二、国产化：从“单点替代”走向“成套可用”

本届大会另一个极具冲击力的信号，是全栈自主AI体系的集中亮相。

此前说起算力体系的国产化，大多是点上的突破，比如某款GPU参数对标海外产品，某个框架替代了进口。但今年，各展商呈现的已是一整套能够构成商业闭环的系统能力：从国产AI芯片、国产框架、国产调度系统，到国产超节点和全国产供应链。在AI算力展区，各家工作人员最高频强调的一句话都是“我们做到了100%国产化”。

更值得注意的是，国产算力的意义已不止于自主与安全。它还在于其综合成本优势，这恰好契合了前述“重性价比”的产业新风向，让国产方案不仅“可用”，而且越来越“好用”，也越来越“值得用”。2026年4月，DeepSeek-V4预览版发布时便预告：“预计下半年昇腾950超节点批量上市后，V4-Pro模型价格会大幅下调。”算力降本直接传导为模型降价，成套闭环的价值由此可见。

当然，在高端训练领域“国产+海外”双线并行仍是当下的主流。尽管国产产品在单点参数上早已不输海外，但在成套能力上存在明显的短板。也正因此，全栈体系能否真正闭环，将成为观察国产AI算力底座前景的关键变量。一旦链路打通，替代速度可能比外界预期更快。因为迁移成本是一次性的，而成本优势却是持续积累的。

以本届大会呈现的进展看，国产算力底座很可能是未来几年AI产业最确定的增量之一，而不再只是作为一个“替代选项”。

三、热点轮动：从“追逐风口”到“主动取舍”

每届大会都是观察AI热点轮动的窗口。有句话说，真正的趋势不在于谁来了，而在于谁悄悄退场。最值得玩味的是年初爆火的“OpenClaw龙虾”。从全网刷屏到在本届大会上冷场，其速生速朽让很多从业者始料未及。这种快速的热点迁移，与其归咎于资本和大众的“喜新厌旧”，不如说是行业内部形成了全新的筛选共识。

AI作为投资密集型行业，天生需要轮动的热点来承载叙事。问题不在于有没有热点，而在于这一轮退潮的方式。现实中的“龙虾”，要么在厂商手中生长为全新的桌面级Agent工具，要么退回到极客圈“自娱自乐”的原点。在过去，这种风口很少会被轻易“舍弃”，更常见的选择是等一个更大的风口来接棒。但在如今趋向实用的共识下，厂商不约而同开始主动选择“去网红化”。可见，在当下AI语境中，技术热度可以迅速形成，但如果不能转化为持续使用、稳定交付和合理收入，就会被产业自身筛选机制逐步降级甚至淘汰。

就本届大会来说，我们看到越来越多企业开始主动降低概念包装的热度，转而直白地展示订单、客户、部署规模、运行时长和场景效果。每少一些昙花一现的故事、每多一些可被复用和验证的能力，都是行业洗去泡沫、回归理性的标志。这种转变，让宝贵的算力、人才和资金，能够更加集中地流向那些能真正创造价值、产生实际收益的实体场景，从而沉淀出更理性、扎实的能力。

四、数据：从“资源”变为“商品”

“数据是新型生产要素”这一提法深入人心已有多年。但在现实中，“数据能不能交易”“数据怎么交易”“交易什么数据”还存在着大量的拉扯与混沌地带。更多时候一边是“有的无矢”——需求明确却没有合规可用的数据提供；一边是“有矢无的”——坐拥数据却找不到基于合理价格的变现路径。这现象背后体现的一个主要问题便是，数据价值无法被公允地衡量。

这波大模型的爆发无疑为数据交易打开了一扇窗。根本原因在于它带来了一个规模巨大、持续存在、并且愿意付费的买方。训练与评测的需求，把传统语料从“资源”变成“资产”，再变成可定价的“流通商品”；确权、授权、定价、审计这些悬置多年的问题，被真实的交易一步步逼着往前走。

更值得注意的是，专精领域的数据集正成为AI企业真正的护城河。以具身智能为例，这个领域的数据极度稀缺，只能被“生产”，无法被“抓取”。于是，灵巧手、触觉传感器、遥操作设备、视觉采集系统连成了一条完整的数据生产链，催生出大量产业机会。

本届大会现场可以看到，围绕模型训练的数据供给链已初具规模，采集、清洗、标注、合成、评测各环节都出现了专业分工。不少头部AI企业甚至自建独立的数据公司，专门破解训练数据的供给瓶颈，其中一些还获得了独立的资本溢价。由此，数据业务从原先的成本中心，变成了可以单独估值的资产，成为行业内最为活跃的新兴领域之一。未来，随着合成数据和多模态数据的爆发，这个隐形的“卖水人”市场还可能迎来新的扩张。

五、人文社科：从“评论席”融入“工程队”

“AI会不会替代岗位？”这是当下舆论最为关心的AI话题之一。在前些年的普遍认知中，人文社科属于最“高危”的领域。而今年，全球主流大模型厂商加紧招募哲学家、语言学家、认知科学与伦理学者的消息接连出现，正在逐步刷新公众的既有认知。

就本届大会讨论折射的就业趋势看，AI行业内部正在发生岗位重构：纯粹的代码类工程岗位需求增速有限；而对“技术+人文”交叉人才的需求正快速上升。

原因不难理解：当模型能力受到规模化法则（Scaling Law）约束而越来越趋近时，AI产品的差异化优势更能够从交互机制、价值对齐、伦理合规这些“人”的维度上体现，而这些恰恰是人文社科的主场。同时，AI应用从“回答问题”走向“代理任务”，必然涉及目标设定、责任边界、激励相容、用户信任、伦理约束甚至组织流程再造，这些问题也不是单靠工程研发就能解决的。

这也解释了在本届大会现场，人文社科越来越强的存在感。例如，主论坛薛澜关于智能体“委托代理”模型的发言，世博中心AI音乐疗愈的展示，以及更多的AI与人文社科交叉论坛的举办，都说明人文社科不是AI的旁观者，而是能给AI创新带来全新空间的“破壁人”和工程建设参与者。

所以真正的变化不是人文社科被AI替代，而是它从“评论席”融入了“工程队”。当然，批判、反思依然十分必要，但更大的空间在于把人文判断转化为可工程化的规则、指标和设计。对传统人文社科而言，这既是挑战，更是机遇。

（作者钱学胜为智能系统博士，复旦大学智慧城市研究中心高级研究员）

来源：钱学胜