WAIC 2026：95%的展品都“动”起来了，AI开始“干活”了

2026年7月，上海。世博中心、张江、西岸——三个展区，10万平方米展览面积，1117家企业，4486项展品。四天时间，102个国家和国际组织参会，线下观众超40万人次。351款产品全球首发，203.6亿元意向采购金额，同比增长25%。

一位展区负责人说了一句让我印象最深的话：“去年主要是静态展示，今年所有机器人都动起来了。”

动起来的，不只是机器人。

“能聊”的AI内卷落幕，“能干”的AI开始重画地图。

2023到2025，AI的竞赛是在虚拟世界比谁更聪明。2026年开始，竞赛转入物理世界——比谁更有用。但这不是替代，是延伸。能聊是能干的底座，能干是能聊的出口。

2023–2025的AI大模型浪潮，解决的是信息差——不会写、不会算、不会查，AI帮你补全。2026之后的实干AI，解决的是执行差——不会做、做不快、做不准，AI替你落地。通用对话大模型的超额认知红利正在逐步消退，产业界的竞争重心转向生产力落地的价值红利。

这一幕预示着一场更大的版图迁移：AI的竞争战场，正在从数字空间延伸至真实物理世界。

一、AI从展台走向车间

过去几年，大模型的能力竞赛主要集中在数字世界。本届WAIC最显著的变化是：AI正在突破屏幕边界，从“对话”走向“行动”。

展馆中央，节卡与华域汽车联合展出的电机装配线上，两台机器人双机协同完成精密锁付，单次仅需10秒——这套方案已在年产百万套电机的真实产线上跑通。展馆外，浩海星空的机器人零售舱里，轮式人形机器人为顾客取货递送，全程无人干预，日均服务数百人次。蚂蚁集团的“智慧药房”里，3台机器人在国大药房上海门店“已经在跑了”。

这些案例有一个共同标签：不是演示，是正在发生的商业运营。

具身智能——搭载机器人实体、能在物理世界执行任务的AI——已成为今年大会的核心赛道之一。据IT桔子数据，2026年上半年国内具身智能及机器人领域融资总额达460亿元，涉及226家企业。但融资额排名前20的企业拿走了约330亿元，占总额的七成。马太效应已经显现——通用具身赛道正在从普惠创新，转向巨头主导的重资产竞赛。

闭幕式上，涵盖AI基础设施、具身智能、科学智能、智能体应用等领域的32个重点项目集中签约，总投资额超过409亿元。上海物理智能与机器人研究院同步揭牌成立。

资本和政策的流向很清楚：AI不再只是“能聊”，它在学着“能干”。资本的新标尺也一并亮了出来——不再为炫酷Demo买单，只为可算账的落地项目下注。

但你仔细看这些“实干”场景，会发现一个共同点：它们几乎全是封闭环境。

“实干”的难度，至少有四个层次：

• L1：封闭、标准化、无扰动——仓库搬运、药房取药。固定动线+简单识别，WAIC大量展示。
• L2：封闭、流程化、有限扰动——汽车产线精密锁付。视觉定位+力控+异常检测，正在大规模跑通。
• L3：半开放、非标准化、中度扰动——餐厅传菜、商场导购。动态避障+多模态交互+实时决策，零星出现。
• L4：全开放、高度随机、高风险——家庭服务、灾害救援。通用场景理解+长程规划+容错冗余，还很遥远。

展馆是AI的“温室”。温室里的花开得再好，也不代表它能活在大田里。

需要正视的是：封闭标准化场景本身的商业价值不容低估。汽车工厂、电商仓储、智慧药房已经是千亿级市场。难点在于，技术能否向更开放、更非结构化的环境迁移。

工信部披露上半年人形机器人产量超4万台，全年预计破10万台。10万台是产业化临界点，但“出货量”不等于“上岗量”——有多少在开放场景里真正干活，而不是在封闭产线上“表演”？

AI从“展台走向车间”的大门刚刚推开。工程化、成本、安全、权责划分，仍是横在前方的高墙：

• 工程化墙：实验室跑通的方案，能不能在产线连续运转1000小时不出错？
• 成本墙：部署一套AI产线，多久能回本？中小工厂用得起吗？
• 安全墙：AI误判造成事故，谁来担责？厂商？算法？还是使用者？
• 权责墙：AI自主决策出了错，法律上是谁的责任？

真正的产业化门槛，不是AI能不能做——是做错了，谁来买单。

当你发现卖牛奶的伊利和卖咖啡的瑞幸都在认认真真讲AI故事时，你才知道：AI不再是展台上的炫技，正在成为行业底层的标配。这张图景比任何展品都更说明问题。

二、科学智能：知识生产正在被重写

WAIC 2026上，AI for Science——用AI加速基础科研发现的交叉领域——被列为大会旗舰主题。

上海人工智能实验室发布了科学发现平台“书生·端砚”——覆盖从“假设提出”到“实验验证”的完整科研流程。中国科学院发布了磐石·科学基础大模型2.0，将催化剂设计时间从几个月缩短到30分钟，并成功发现一种活性提高38%的新型催化剂。

更具冲击力的是浙江大学展示的AI核聚变模拟系统——传统超级计算机需要7天的等离子体运动仿真，AI压缩到了12分钟。这证明AI能极大加速“计算型科研”，大幅降低模拟推演的时间成本。

“原来做一款药要花10年、投入10亿美元，现在的目标是3个月、300万美元。”清华大学教授俞立说。多位专家判断，科学智能未来2-3年将进入产业化爆发期。

但有一个更底层的问题正在浮现。

中国科学院自动化研究所研究员徐楠在WAIC上直言，制约AI4S下一步发展的瓶颈——“第一是数据，第二是模型架构，第三是算力”。

互联网数据是挖不完的矿——你永远有新的网页、新的对话、新的图片可以训练。但原生高质量实验科学数据是种出来的庄稼——蛋白质结构解析、材料合成参数、海洋洋流观测，需要昂贵设备、漫长实验、跨学科协作才能产出。

以全球气候模拟为例：AI系统无法仅依靠互联网公开数据训练，必须依托各国气象站、海洋观测数十年实测数据，而大量高精度观测数据属于各国严控资源，不会无偿开放。

“高质量科学数据的生产，高度依赖科研专家。蛋白质结构、分子构效关系等关键知识，需要专家结合实验结果和领域经验进行解析与验证。”

AI可以让科研从“年”到“天”。前提是，你得先把“年”的数据准备好。而准备数据这件事，AI帮不上忙——它需要人类科学家在实验室里，一个一个地做实验。

仿真衍生数据虽然能部分补充训练素材，但无法替代真实实验标定。未来谁垄断高质量科学实验数据，谁就在AI4S赛道占据长期壁垒——这一壁垒的持续性，同样取决于全球科研开放合作、数据共享机制与各国数据治理法规的博弈。

三、AI制药：效率与周期的结构性矛盾

WAIC期间，英矽智能创始人兼CEO Alex Zhavoronkov博士发表主题演讲。更值得关注的是，英矽智能自主研发的INS018——依托AI完成靶点挖掘与分子设计的创新药候选分子——已正式进入二期临床试验。

这是全球为数不多依托AI完成靶点挖掘与分子设计、推进至二期临床的创新药候选分子。真实走完临床前验证、进入人体试验阶段的商业进程，标志着AI制药正在从“讲故事”进入“做事情”的阶段。

但需要看清的是：AI能加速分子筛选、模拟、建模，但人体临床、监管伦理、安全性验证完全不受AI提速影响。多款AI筛选的候选分子，临床一期成功率仍维持传统水平——分子筛选速度提升10倍，但人体安全性试验周期无法压缩。

AI制药天然存在结构性矛盾：分子筛选、仿真建模的前端研发速度大幅提升，但临床验证周期受生命伦理和监管约束，短期难以大幅压缩。这意味着行业很难出现短期爆发式商业化。

四、算力：从堆卡到系统战，从系统战到生态战

算力是AI能“能干”的底座。

本届大会共有108款国产AI芯片参与展示，较2025年的52款翻了一倍。天数智芯发布天垓300通用GPU，在64K长上下文场景中Attention效能高于国际主流方案10%。昇腾384发货750多套，天数智芯万卡集群稳定运行1000天，曙光8000上线首周日均15万个作业。

“比拼单卡性能的时代已经过去。接下来，是系统级协同效率和稳定性的较量。”

需要准确理解全球算力路线的差异：海外厂商长期优先依托先进制程打造单芯片极致性能，并依靠CUDA构筑软件生态壁垒；国内算力厂商选择双线推进，一边持续追赶单片硬件能力，一边发力集群互联、系统协同、软硬一体优化。英伟达同样有万卡集群和分布式生态，国内外差异不是“做不做系统”，而是起点不同、优先发展重心不同。这既是客观环境约束下的现实选择，也是差异化赛道布局的主动战略。

英伟达的护城河从来不是单卡性能，是CUDA生态——赢的不是算力，是统一语言。国产芯片在“系统战”中赢了单点效率，但生态战的胜负还远未可知。

硬件可以弯道超车，生态只能十年沉淀。国产算力现在是“能用、够用、敢用”，距离“好用、通用、生态繁荣”还差一代周期。

但如果国产算力不能形成统一的生态体系，所有“系统优势”都可能变成孤岛优势。单一孤立的算力体系，或许能拿下局部场景，但难以支撑全行业规模化发展。当然，生态不一定只有“大一统”这一条路径——分布式架构、多平台兼容、跨架构适配工具，也可能成为另一种破局方案。但碎片化孤岛状态，必然大幅抬高全行业应用成本。硬件可以追赶，生态需要长期培育——这两者之间的时间差，才是真正的战场。

五、两张地图同时落笔

《AI手机的权力游戏》描绘的是数字空间内部的版图重构——智能体穿梭于App之间，争夺数字入口权。本届WAIC展示的是第二次边界突破——AI从屏幕内的数字世界，踏入车间、实验室、生产线组成的物理世界。

两条路线正在并行：

路线A（消费端）：端侧智能体——AI手机。争夺数字交互入口、用户原始意图数据。数字地图影响人的消费与选择。

路线B（产业端）：具身智能体——机器人、工业AI、科学智能。争夺物质生产流程的主导权。物理地图影响社会生产与进步。

前者争夺数字世界的入口权，后者争夺物理世界的生产力主导权

但两条路线不是平行线——数字地图的下单，是物理地图的执行起点；物理地图的完成，是数字地图的闭环。它们正在缝合为同一张地图的正反面。

新AI具备自主拆解任务、自主调用工具、自主迭代结果、自主闭环交付的执行能力——不再需要人类持续下达分步指令，能够独立跑完完整业务链路。但这一切的目标、权限、安全红线，最终仍然由人类定义。

持续三年单纯比拼参数规模的军备竞赛正在降温；前沿机构仍在迭代基础大模型，但通用基础模型盲目堆参数不再是行业唯一核心赛道。大模型的能力竞赛从“参数规模”转向“落地价值验证”。

从智能体手机到具身智能，从科学智能到AI制药——WAIC 2026展示的不是一两个产品的升级，而是一次赛道的整体切换。

大模型竞赛的终点，不再是更大的参数、更长的上下文。而是：AI能不能走进物理世界，能不能替人干活，能不能创造可验证的价值。

351款全球首发产品，203.6亿元意向采购，409亿元集中签约——这些都是新地图上的第一笔。但地图不是展台上画完的，是在产线上、实验室里、药厂的临床试验中，一颗颗螺钉、一次次锁付、一组组数据磨出来的。

地图的边界，不在展馆，在真实世界。

文末追问

1. 物理世界存在严苛的容错红线。展厅机器人已经实现稳定演示，但大规模落地仍要面对长期连续运行考验。AI从“展台”走向“车间”，核心阻碍更多是技术工程难题，还是人类建立安全信任的漫长过程？
2. 具身智能、科学智能、AI制药三条赛道：AI制药前端提速、后端受临床周期刚性约束；科学智能仿真闭环清晰，2-3年可能迎来产业化爆发，但真实实验数据供给是长期天花板；具身智能直面非结构化环境，硬件成本、物理数据稀缺是持久难题。谁能最快跑通稳定现金流？谁的商业化边界最远？
3. 国产芯片厂商走“系统协同”路线，海外厂商走“单芯片极致性能+生态”路线，两者并非完全割裂——国内外都在推进集群与生态，只是起点和优先重心不同。这是否意味着全球AI芯片的评价标准正在从“单卡性能”转向“系统效率”？
4. 当AI开始改造生产线、实验室、医药研发，标准化流程经验的价值持续贬值。人类剥离重复性执行后，最终不可替代的核心竞争力究竟是什么？——不是执行，是“定义问题”的能力。AI可以优化一条产线，但“为什么要生产这个”“为什么用这种方式生产”，这些价值判断，AI无法承担。

数字地图争夺流量、入口、用户意图。物理地图争夺工艺、实验数据、实体改造权。两张地图彼此连通，共同构成AI时代完整的博弈图景。

过去三年，人类在虚拟世界训练AI的智商；2026开始，人类在物理世界释放AI的产能。

三年大模型竞赛，人类争夺的是“谁更聪明”的虚名。2026年开始，人类争夺的是“谁更有用”的实利。

能聊的AI是工具。能干的AI——正在重新定义谁是工具，谁是使用者。

你明天早上走进办公室，AI帮你筛完了邮件。你走进车间，AI调好了生产线。你走进药房，AI配好了处方。你什么都没做——但什么事都办成了。

方便。可你下一次走进办公室的时候，AI已经替你决定了今天要先处理哪封邮件——你以为是自己的选择，其实是它替你排好了优先级。

你已经习惯了“不用想”。等你真的想自己选的时候，你可能已经忘了怎么选了。

你以前拥有定义规则的机会，参与绘制地图。如今，绝大多数普通人变成地图上的坐标。地图还在持续延展，但握笔定义边界的权限，始终掌握在人类手中——规则从来不是一成不变，技术迭代、行业博弈、全球治理，都存在改写边界的机会。

能聊的AI是工具，能干的AI是时代。而你，已经在这张地图上了。

本文是“画地图”系列数字主权篇。此前已拆解霍尔木兹（海权）、巴拿马（契约）、金钉子（地层）、WAICO（AI治理）、芯片战（封锁失效）、仁爱礁（叙事权）、携程反垄断（流量地图）、AI手机权力游戏（数字入口）。从海上航道到手机屏幕再到物理世界，人类数字文明的博弈始终遵循同一套规则：谁掌控通行通道，谁拥有制定规则的笔。

旧地图的规则正在失效，一批新玩家获得了在新地图上落笔的机会。你走在上面，但你没画过那支笔。