北京
9月12日，PEC 2026 AI创新者大会暨第三届提示工程峰会举行。会上PEC China发起人、至顶科技CEO兼总编辑高飞、PEC China发起人&微软MVP&软积木CEO刘海峰、AIGCLink发起人&零氪云联创&中机协数智融合专委会执行会长&MCP中国开发者联盟发起人占冰强、LangGPT创始人&微软MVP&Whobot AI负责人云中江树、爱智岛人工智能艺术家创作联盟联合创始人野了几位PEC联合发起人登台致欢迎词。
高飞表示，今年是我们PEC大会第三届，第一年大家更多谈的是如何用AI交流，去年进入创作者时代，我们在谈如何把AI作为生产力工具或变现方法，今年则落到Token工厂和Token经济上，因为Token的量够不够、质够不够，已经成为需要深入讨论的问题。
刘海峰表示，早期行业更关注应用能不能做出来，对质量和成本关注不多，随着落地深入，大家开始同时要求速度、效果和稳定性，也更加关注价格，如今应用与算力越来越分不开，需要通过软件架构连接软硬件能力，才能更好推动Token落地。
占冰强表示，今年开发者也已经进入大模型应用深水期，不再像去年只是尝鲜，而是开始为交付和产业结果负责，也就有了FDE这样一个群体来为交付结果来负责，基础性的FDE能够做好企业内部工具性的提效，但FDE面临的根本问题，是如何在组织内部推动生产关系改造。
云中江树表示，AI应用正在从生产力提效期进入生产关系调整期，对个人来说，AI正从工具转向伙伴，重点从怎么使用变成怎么分工协同，对组织来说，则要重新设计数据权限、工作流、责任边界和人才架构。
野了表示，AI画布类工具和多模态模型让AI参与到创作过程中，不仅提升了效率，也改变了短视频创作方法。AI内容正在从零星爆款走向系列化内容持续走量，并可能持续生长为IP，带来广告、植入等长期商业价值。
北京市海淀区东升镇党委书记辛果在现场为大会做了致辞，并在致辞中表示，人工智能技术创新日新月异，产业应用蓬勃发展，东升镇积极落实海淀区委区政府打造全球人工智能创新高地战略部署，全力参与建设百年京张AI创新带。
在开场对话，中国信息通信研究院人工智能研究所所长魏凯、面壁智能多模态首席科学家&清华大学人工智能学院助理教授姚远、清智资本创始合伙人张煜、清华大学人工智能学院助理教授&元环智能创始人兼首席科学家刘子鸣就《2027，我们需要怎样的模型？》展开对话，从人工智能的发展趋势、大模型落地探讨了未来创新机遇与挑战。
魏凯指出，人工智能发展速度很快，尤其是模型进步日新月异，今年上半年平均每两三天就有一个前沿模型发布，可以说模型能力的进化速度远远超出了技术在行业扩散的速度，现有Benchmark分数只是模型能力非常稀疏的采样，无法穷举所有用户场景，加上用户的数据治理、知识库和使用环境没有准备好，造成模型能力与实际应用体感的落差，企业要深耕自身数据的储备与治理，推动流程变革，加快建设AI原生组织。
姚远指出，智能一定是云端和端侧并存的方式，云端模型更多追求智能上限，端侧智能关注智能密度，要在功耗、内存、速度等严苛限制下跑出好的效果。随着模型能力增强和端侧芯片算力提升，越来越多智能会在端侧运行，带来数据保护、低延迟和更低Token消耗，物理智能最大的区别是数据稀缺，数据正确性还要与硬件绑定验证，因此要从模型结构、高效训练和高质量数据等方面持续提升智能密度。
张煜指出，模型发展的速度远远超过应用推广的速度，创业方向会从追求模型能力，慢慢转移到追求解决问题，创业公司一开始做产品和服务，就要考虑怎样适配模型的快速迭代，不要绑定一个模型，要为不同模型预留接口，紧紧跟上新模型，模型不一定做得比别人快，但用模型的速度也能形成竞争力。越小、越年轻的公司，往往驾驭新事物的能力越强，创业者还要快速迭代技能和知识、重视商业化，并保持想象力和创造力。
刘子鸣指出，模型的发展“分久必合、合久必分”，通用模型能够处理自然语言、代码、数学等符号世界，但它的边界正在显现，物理世界和世界模型不是现有Transformer范式能够全部包含的，只要知识能用自然语言、公式或代码说出来，模型就能够学会，真正困难的是那些无法言说的边界条件和经验，未来最重要的两个方向是世界模型和Auto Research，但AI背后的科学还处在亚里士多德时代，需要人与AI合作，用巧劲缩短长期科研进程。
谈及Token工厂相关话题，在AIGCLink发起人&零氪云联创&中机协数智融合专委会执行会长&MCP中国开发者联盟发起人占冰强主持的《Token工厂：真功力与真问题》主题对话中，平凯星辰副总裁刘松、趋境科技首席引擎架构师谢威宇、亚康启源CMO周立宾、首都在线解决方案总监王超几位嘉宾在现场进行了深入研讨。
刘松认为，Token工厂相当于国家电网，Agent相当于家用电器，当前最大的Token消耗主要在Coding和视频生成，未来两三年最大的变化会是生产力智能体，尤其企业级多智能体会带来巨量消耗，也对Token质量提出更高要求。Token进入企业后，数据要覆盖上下文、记忆、知识工程以及多模态数据，FDE的本质是把Token的脑力转化成场景价值，最终形成数据库、上下文、Skill、工作流和多智能体协作的完整体系。
谢威宇认为，Token消耗一定会爆炸式增长，因为在AI产业的价值闭环中，人类的占比越来越小，AI的占比越来越大，Token接口是标准化接口，用户从不同工厂获得的Token基本一样，所以它更像批量生产的商品，生产Token的就应该是工厂，工厂的原料是算力和电力，技术优化和平台调度能让相同算力、电力生产更多Token，效率直接决定产量和营收，未来Token工厂规模会继续扩大，大规模国产化推理是必然趋势。
周立宾认为，去年、前年智算中心建设以训练为主，现在Token工厂已经走到推理侧，推理是商业模式闭环的一部分，训练阶段可以不计成本追求技术领先和规模，到了推理阶段就要回到第一性原理，最终产生的价值怎样反馈到成本上。行业要提高服务器负载率和Token产出能力，对抗不断上升的算力成本，客户也会从头部大模型和互联网企业向各行业下沉，我们既是模型公司的服务商，也会成为它的客户和技术延伸，帮助Token进入终端用户的FDE场景。
王超认为，客户需求已经从买资源逐步过渡到买服务，企业老板更关心Token怎样帮助实际业务，而不是买多少张GPU卡、自己搭建底层资源，现在企业已经过了尝试阶段，可以直接采购Token服务，通过API当天接入，这是从传统资源到服务的本质变化。基础设施也从训练走向更加落地的推理，通过KV缓存、提示词加速和推理优化，让单位GPU产生更多Token。未来还要依托全球网络推动Token资源流动和模型出海，同时建立面向场景服务的SLA。
关于本地AI相关话题，在至顶AI实验室联合主理人路飞主持的《本地AI：让模型更好跑在本地需要什么？》主题对话中，寅谱计算CMO陈展凌、AMD大中华区AI市场营销负责人昝仲阳、浪潮信息边缘服务器产品部副总经理刘景志、Minimax战略客户部泛互负责人张少锋、戴尔科技集团终端产品组合作伙伴与行业方案业务高级经理李炜几位嘉宾在现场进行了深入研讨。
陈展凌认为，AI越来越深入工作流，本地化的核心驱动力首先是隐私合规，研发、生产、财务和金融数据不能上云，模型就必须放在本地，其次是成本，常态化工作流和多轮对话每天消耗几十万甚至上百万Token，云端成本可能成为黑洞，第三是响应稳定性和延迟。选择设备时，算力是关键指标，但不是决定因素，显存大小决定模型能不能放得下、跑得起来，还要关注显存带宽，以及GPU、CPU、显存、存储和网络的协同效率。
昝仲阳认为，本地模型真正的变化，是用户开始关注基于本地模型的智能体能不能有效完成任务，随着模型变得更聪明，CPU和GPU协同以及统一内存架构可以让更多优秀模型同时运行，更多任务能够放到端侧并且以更快的速度有效完成任务。端侧最重要的不只是数据安全，而是数据主权，数据放在端侧，就一定属于用户。设备选择要结合真实的场景需求和工作模式，在合理成本下完成更多任务，基于AMD锐龙AI Max系列的笔记本、小型设备、工作站和一体机都有各自适用的算力场景。
刘景志认为，企业把AI放在工厂、智慧门店等场景，最大的驱动力是让它真正成为生产力，为具体业务服务。这需要满足数据本地处理和7×24小时稳定运行。企业级设备不像个人电脑，网络、电源、远程BMC管理等都要符合企业要求。从落地速度看，中小企业反而可能比大企业更快，比如科研写作、数据敏感型的个人和小团队，是目前率先形成需求的客户；大企业工作流程稳定、改造成本高，但后续大企业一旦方向明确，规模化落地的优势会更明显。
张少锋认为，私有部署还是调用API，最终要看使用成本和核心业务，小模型和大量量化版本降低了中小企业、个人部署的门槛，如果模型本身就是产品，私有部署更容易控制成本和利润。大企业更重视并发和稳定性，又有较强的议价能力，调用API可能更合适。模型公司在开源之外，还可以提供文本、视频、语音、图片和音乐等能力，围绕电商标注、客服、审核、宣传物料、跨境翻译配音，形成基于行业和场景的系统化解决方案。
李炜认为，企业缺的往往不是某一种部署方式，而是一套清晰的AI策略，云端、本地和边缘各有适用场景，决策要考虑成本、响应速度、数据能否离开办公区，以及使用是持续还是突发，公开信息处理可以使用云端，财务、病例和自有代码等敏感数据更适合本地。采购时不要认为模型越大越好，要先看模型是否适合具体任务，也不要混淆训练和推理，多数企业更适合用向量数据库连接企业数据，把算力放在推理侧，并选择适合自己的量化精度。
谈及AI转型相关话题，在软积木联合创始人兼CTO邹健主持的《AI转型——FDE边界与第一推动力》主题对话中，邮储银行潘淳创新工作室（总行级）负责人&中国OPC创业者联盟（硅创联）发起人潘淳、达智汇科技服务（苏州）有限公司总经理赵丽娜、东软集团产品创新与软件资产管理部架构治理中心主任兰天、网易智企首席解决方案架构师周梁伟、智体纪元科技创始人兼CEO&Agently框架原创作者兼项目总负责人莫欣、爱智岛人工智能艺术家创作联盟联合创始人野了几位嘉宾在现场进行了深入探讨。
潘淳指出，FDE可以分为四部分，在现场发现需求、用原型验证、交付结果、把服务中形成的产品沉淀为公司资产。AI时代，过去90%的精力在产品开发，现在90%的精力在业务发现。企业老板说“用AI搞一搞”往往只是许愿，FDE首先不是决定使用什么模型或智能体，而是进入现场了解数据、系统接口和行业逻辑，把模糊想法拆解成真实需求，最终把AI能力转化成业务结果。
赵丽娜指出，FDE与传统IT外包或技术咨询有三个本质差别，第一是咨询和落地融合，既要定义未来的业务场景，也要把它实现，第二是技术和业务融合，FDE要做业务场景的翻译官，把讲不清楚的需求解耦，再完成落地的架构设计，第三是横跨从蓝图规划到业务交付的全套闭环，保障业务真正迭代起来。因此，FDE是架构师与项目管理师能力的融合，AI时代的项目管理必须升级，并具备架构思维。
兰天指出，对东软和客户来说，更重要的是把智能体与已有软件资产无缝融合，打造流畅的业务流程，例如医生一句话调出患者影像、病例或辅助诊断，既需要智能体理解意图，也需要精准查找业务数据、调用业务功能。传统软件因此要做AI友好、AI Ready改造，前端要适应对话式人机交互，后端则要从命令式API转向声明式表达，用特定领域语言描述业务职责，使原有软件资产更容易与AI结合。未来的软件一定需要神经软件构块与符号软件构块（编程语言表达的精准逻辑）紧密结合。
周梁伟指出，把大模型部署进企业，只是提供了最基础的资源，完全不等于真正用起来，Coding和通用办公仍然只是工具层，FDE关注的是更深的业务场景。每家企业的ERP、CRM流程、上下游关系和岗位协作都有差异，最难的是进入客户现场，理解并引导客户说出真实业务问题，拆解流程和关键节点，用AI快速做出原型，根据反馈不断迭代，再完成测量和组织实施，FDE解决的是效率提升和流程再造，本质上是一种业务模式。
莫欣指出，FDE之所以不同于传统实施，是因为模型带来的是不确定、概率性的业务结果，工程师不能只承接产品说明文档，把确定结果翻译成代码，而要再往前一步，先理解模型能力和客户业务，再决定怎样让模型在场景中发挥作用。复杂实施中，需要把模型适配业务的工作沉淀为Skill，用框架处理结构化输出、MCP连接、流式输出和错误重试等问题，FDE也不会永远单打独斗，还要沉淀团队级、项目级资产，推动组织形态演进。
野了指出，创作本身是非标准化的，每次客户Brief、品牌需求、传播方式和视觉风格都不同。尤其是一些很高的创作需求，往往需要创作者拥有良好审美，灵感闪现，叙事方式以及对社会、文化的理解。工作流和智能体可以在局部帮助创作变得更快，但个人创意创作对FDE的需求没有标准化业务那么强。电商、AI短剧、AI漫剧存在固定流程和重复工作，更适合与FDE结合，进行流程设计。对创作而言，我期待AI不仅仅只是会做，而是要知道什么叫好。
谈到AI原生产品，在PEC China发起人、至顶科技CEO兼总编辑高飞主持的《AI原生——Coding之后的产品机会》主题对话中，苏州画宗人工智能科技有限公司创始人兼CEO秦文山、集思科技CEO兼联合创始人李世尊、Google Cloud AI GTM专家马颢庭、OpenDesign CMO兼增长负责人李锦威、Stripe大中华区企业客户总监Christina Chen、Elser.AI创始人刘耕几位嘉宾在现场进行了深入研讨。
秦文山认为，AI创意工具面对三类用户，普通创作者主要追求新鲜感和尝试，免费工具已经能够满足需求，专业创作者看重效果和质量，因为工具能够产生价值和收入，所以愿意付费，但模型更新太快，对单一工具的忠诚度不会太高，企业客户要的不是工具能力，而是结果，看你解决了什么问题、降低了多少成本。未来更有价值的是大健康、影视等垂直赛道，需要深厚的行业经验与技术结合，并具备多智能体协同、多模型调度和快速调整方向的能力。
李世尊认为，AI直播早期讲的是降本，通过夜间开播覆盖真人主播无法覆盖的时段。现在降本已经不是主要话题，更重要的是增加效益，把蛋糕做大。随着大模型和上层产品不断迭代，AI主播已经从过去的五六十分提升到八九十分，不再只是夜间补位，而是逐渐成为主流。
马颢庭认为，AI从来不是一个孤立的对话框，而是深度织入业务体系的原生能力。无论是C端依托Gemini Flash系列模型百万长上下文和低延迟，在沉浸陪伴与多模态创作中沉淀属于用户的长期情感资产与使用习惯；还是B端结合Nano Banana生图、Omni生视频与Gemini跨语言对齐能力，助力跨境电商营销与大规模高并发客服，其核心都在于解决真实、具体的业务痛点。在底层基础模型高速迭代的今天，单纯调用接口的产品，极易在功能上被大厂发布的下一代模型直接替代。而真正的护城河，在C端表现为难以被剥离的个人记忆与情感黏性，在B端则体现为用户更换系统时必须承受的业务迁移成本。这就需要深入到终端用户的实际场景中，借助Google Cloud领先的模型矩阵与生态能力，把优势牢牢扎根在用户的工作流程中和生活中，带来明确且高确定性的ROI。
李锦威认为，今天的软件不只是给人使用，也是在给Agent使用，即使把面向人的部分开源，仍然可以通过Agent使用的部分实现商业化，AI产品很难继续沿用卖席位、卖功能或卖高级版本的SaaS思路，关键是有没有给企业带来工作范式的变化。随着AI Coding能力提升，HTML正在成为新的设计介质，可以表达网站、App、PPT甚至视频。
Christina Chen认为，传统软件的成本相对固定，卖得越多，边际成本越低，AI产品不一样，生成图片、剪辑视频、制作PPT或Logo，每一次使用都会产生Token和API成本，如果仍按固定订阅费随便定价，很可能没有算清楚每个用户背后的推理成本，因此才会出现按用量、实时和结果导向等计费方式。支付也不只是用户付款的一个节点，而要看完整流程，付款前识别多账号滥用和薅试用，付款时提供适合当地用户的支付方式并支持订阅或按量收费，付款后还要处理续费和交易结果。
Elser.AI创始人刘耕认为，技术越快速发展，大家内心可能越慌、越寂寞和焦虑，需要新的娱乐形态和有意义的数字世界来承载智能，让用户与有灵魂的AI产品互动、聊天并形成记忆。工具依然重要，但底层能力由模型提供，通用Agent又占据工作入口，垂直工具很难单独形成巨大价值，更适合成为生态中不可替代的一环，团队真正的核心能力不是工具，而是顶尖的创意和故事能力，AI编程越强，想象力和创造力反而越重要。
据悉，大会上还发布了三项重磅成果，包括《2026全球Token产业全景图谱》、《2026全球人工智能展望报告》，以及“FDE加速计划及能力图谱调研启动”。（定西）
