2026年WAIC定调：AI从虚拟转向物理，算力基建成第一赛点

2026年WAIC释放了一个清晰信号：AI行业正在从数字世界走向物理世界。 这不是渐进式升级，而是一次根本性的方向切换。过去十年，AI的战场在语言、图像、视频——让机器学会理解和生成虚拟内容；而2026年，整个行业的重心开始越过屏幕，去锚定真实的物理入口。 这个物理世界并非单一场景，而是一个庞大、多层次的新大陆。从具身智能通过多模态传感器在真实世界采集物理状态数据，到多源异构数据的清洗、标注与闭环治理，进而实现数据的平台化、规模化供给，最终由AIDC（人工智能数据中心）提供算力底座。这四个环节，恰好构成了物理AI时代"数据基建"的完整链条：采集 → 治理 → 供给 → 算力。这并非单向的流水线，而是一个持续循环、相互增强的数据飞轮。 物理AI的每一次感知、每一个决策、每一步行动，背后都是数据的驱动。采集与算力决定了飞轮能否转动，而数据治理的闭环效率和数据供给的规模化能力决定了数据飞轮能转多快、飞多高。 作为系列开篇，我们首先聚焦算力这一底层环节——它是数据飞轮的第一推动力，也是当前资本开支最集中、商业化确定性最高的环节。 算力环节存在两条并行的路径：其一，是承担模型训练与复杂推理的云端AIDC；其二，是承担实时执行与本地决策的边缘AIDC。本篇聚焦前者（边缘的潜在市场可能比云端更大，但那是物理AI铺开之后的事。当前先解决模型能力——而大规模预训练只能靠云端）。 如果说传感器是物理AI的"神经末梢"，数据治理是"中枢神经系统"，那么AIDC就是支撑这一切运转的心脏。它既是物理AI训练与推理的算力底座，也通过物理AI实现自身的智能化运营。这种双向奔赴的关系，使AIDC成为这一浪潮中最先受益的环节。 支撑这一判断的，是清晰的政策信号——"十五五"规划明确"适度超前建设新型基础设施"，2026年7月国常会进一步要求"适度超前布局数字基础设施"。从顶层设计到执行部署，"适度超前"已成为AIDC建设的核心基调。 但"适度超前"有一个隐含前提：芯片供给的瓶颈必须有一个可行的替代方案。WAIC 2026释放了一个关键信号：超过20家国产芯片企业集中发布超节点与超集群方案，竞争主轴从单芯片制程追赶切换至系统级协同竞争。用更多的卡、更复杂的互联、更高的功耗去堆出一个集群——这不是一个优雅的方案，而是产业在现实约束下的理性选择。 这条路径被集体选择，说明了算力竞争是物理AI浪潮下最大的赛点。 大模型厂商愿意接受这个权宜的国产方案，甚至接受用更多的国产芯片，是因为时间比钱贵。在这个阶段，大模型厂商的生死线不是成本，而是市场份额。谁先跑通业务、谁先积累场景数据、谁先建立用户心智，谁就拥有下一轮的定价权和成本优势。 但还有一方比大模型厂商更着急——云厂商。大模型厂商的急是能不能赢，云厂商的急是能不能做。算力是云厂商的核心商品，没有AIDC就没有AI云服务可卖。在这一轮竞赛中，云厂商的投资意愿和落地速度，才是AIDC产业节奏的真正节拍器。 算力成本是下一个赛点，还轮不到它上桌。能获取足够数量高端芯片的集成商拥有先发优势——谁先掌握让项目落地的能力，谁就能率先锁定客户、跑通交付闭环。在这个阶段，真正的赛点在于建设速度，成本是下一阶段的问题。 算力供给的前提初步达成市场共识之后，产业端的动作已经开始。一批龙头企业正从各自优势领域切入这一赛道：宁德时代从"电"入手，阳光电源从"电的转换"入手，华为则构建了一条从芯片到数据中心的全栈自研路径。而在全球市场上，维谛、伊顿、施耐德等凭借深厚的客户关系、技术标准和地缘壁垒，牢牢把守着欧美市场。 上游：核心硬件与配套系统——计算芯片，在AI服务器中占BOM成本的50%-60%。存储芯片及系统，负责数据的读写与持久存储。此外还包括散热制冷系统（液冷）、供配电系统（柴发、变压器、SST、UPS/HVDC、配电柜等）、光模块、交换机等。 中游：基建交付与算力运营——土建（中电建、中能建等）、机电设备集成/安装（维谛、伊顿等）、电信运营商（中国移动等）、第三方服务商（万国数据、秦淮数据等）、云服务商（华为云、阿里云、腾讯云等）。 下游：需求方与生态消耗——分为直接采购方（云厂商如字节、阿里、腾讯，capex驱动）和算力消耗方（大模型厂商如DeepSeek、月之暗面，Token驱动；以及政府、科研院校、自动驾驶等终端用户）。 面对制程瓶颈，产业转向另一条现实路径：用系统级堆叠换取算力可用性。超节点方案证明了"笨重但可行"——它不是制程竞赛的终点，而是在物理AI算力需求爆发与芯片供给约束的双重挤压下，产业做出的集体理性选择。这个选择是否足够高效，将决定中国AI产业在未来两年能跑多快。