暴走WAIC：逛了37家厂商之后，我们发现了6条主线-人工智能-至顶网

作者｜Joya

今年世界人工智能大会(WAIC 2026) 的现场感受可以用三幅画面形容：围观的人类，上岗的机器，灼热的天气。

WAIC 2026的规模是往届之最，上海世博、徐汇、张江“三地四馆”，总面积超过10万平方米，108款芯片、261款大模型、208款具身智能终端、超过300台真机扎堆展出。

热度甚至溢到了场外。展会当天，同事告诉我：“在路边看到有人抓住保安问，为什么不能买票。”

摄于世博馆，忙碌的机器与忙碌的人类

与热度和温度呼应的，是一个个数字。1024张卡、十万卡集群、1M上下文、百纳秒时延、数千万次下载等等等等，各家公司试图用一个足够大的数字，让观众在几秒内记住自己。

而当你走完一圈会发现，这些看起来各自为政的数字，其实正在悄悄接成几条主线：

更大的算力集群在“造” Token，更低的时延在“运” Token，更长的上下文让模型能“消化”更复杂的任务，更多的智能体把Token“变成”工作流程、实验结果，终端设备或机器人再把计算结果“转成”真实动作，最后落到我们的工作、生活、生产环节里。

行业关心“谁的模型更强”，但更关心“怎样把它变成一套真正可以运行的生产系统”。

超节点，是一套系统工程

在算力展区，最醒目的是一排排超节点，亮着“镇馆之宝”的名号。

华为展台的C位是由1024张昇腾卡组成的Atlas 950 SuperPoD，而它最高可扩展至8192张，并进一步组成50万卡规模的Atlas 950 SuperCluster，秀出的是异构算力的横向扩展能力，以及国产软硬件生态全栈协同的交付能力。可见，决定一套算力系统的上限，是成千上万张卡能否长期协同工作。

中科曙光“曙光8000（登峰）”号称首个全国产十万卡AI超集群，已接入国家超算互联网，专门面向科学计算、大模型训练与推理、工业仿真等任务。

然而卡越多，通信、故障和调度问题也越棘手，所以这些算力产品，既追求成为一套系统工程，也在避免系统工程带来的不确定性。

摩尔线程MTT C256用一层Scale-Up网络连接两柜256张GPU，试图攻克传统多层网络的带宽损耗与高延迟痛点，在2U空间内释放极限的单位面积算力。

燧原科技的新一代超节点为了减少高速线缆和连接器带来的损耗，采用正交互联与零线缆设计。中兴通讯的OEX架构干脆取消传统背板，以零线缆方式提高机柜密度。

当然你还会看到，芯片厂商开始出现不同路径。

昆仑芯P800 OAM模组遵循OCP-OAM开放标准，重点是降低进入通用智算机柜的工程门槛。

天数智芯天垓300覆盖大模型训练、Agent推理、长序列编程和视频生成等任务，强调从单机到万卡集群的部署适配。

东方算芯DF1000选择另一条路径，通过软件定义芯片和3D近存计算，把计算靠近存储，减少数据来回搬运。工作人员告诉我们，它的芯片设计、制造和封测等环节都采用国产供应链。

沐曦的曦索X206、X301和X302则进入科学智能赛道，处理气象海洋预报、计算流体力学、分子动力学和材料模拟等任务。

思朗科技的尝试更加特殊。它与上海仪电、上海数据港共建超智量融合算力集群，把超算、智算和量子计算放进同一套基础设施；它的“天穹”3D科学计算机采用MaPU架构与全3D互联，瞄准传统通用架构效率不高的三维仿真和微观科学问题。

国产芯片市场由此出现两种方向。一种继续扩大集群规模，超节点层出不穷；另一种不死磕规模，而是专注架构创新，近存计算、专用芯片等。当然，两者也有交叉。

电和光，走到了算力展台中央

就在服务器区域旁边，电网、光纤和网络设备企业开始大量出现。

当一个机柜装入越来越多的GPU，算力首先遇到的未必是计算极限，而可能是供电、散热和通信极限。AI产业过去习惯把这些环节当作后台设施，如今它们正在变成AI系统设计的一部分。

南方电网展示的“大瓦特·云睿”配电网规划智能体和电碳算协同运营系统，会根据算力任务、电价和绿电供应情况，寻找更合适的计算路径。简单说，一项任务应该在哪里运行，不再只看哪里的服务器空闲，也要看当地电够不够、贵不贵、绿不绿。

这相当于给算力增加了一张实时电力地图。对电网而言，智算中心这个“用电大户”，是一个需要被预测和调度的新型负载。

通信也面临类似的问题。

中兴通讯联合曦智科技、壁仞科技、沐曦股份、燧原科技、天数智芯一起做了个OEX+dOCS架构的国产高性能Matrix超节点，OEX负责高密度正交互联，dOCS通过光交换动态调整节点之间的连接关系。这套系统的意义在于，把光芯片、AI芯片、服务器、交换设备和集群工程放进同一个开放生态，让不同国产芯片有机会使用共同的系统底座。

曦智科技进一步把“光”引入计算芯片内部，展示集成光计算芯片、CPU、内存和散热系统的“天枢·光立方”，将光电混合计算做成可以部署的边缘计算盒；长飞光纤则带来空芯光纤、多芯光纤、G.654.E光纤和OM4、OM5多模光纤，覆盖从跨地域算力调度到机柜内部短距离连接的不同环节。

过去，光纤主要负责把数据从一个地方传到另一个地方。现在，它开始进入芯片、服务器和超节点内部。

中国电信人工智能研究院(TeleAI)自主研发的“智传网(AI Flow)”又把通信网络向前推进了一步，不只负责传输原始数据，还在尝试传输经过模型提炼的语义、特征和Token，再在接收端重建信息。中国电信的TeleAI隐私摄像头和TeleSwarm搜救系统，分别演示了模型接力与群体智能。

中国联通则是依托5G-A、eSIM、卫星通信等技术，为AI终端提供全时空智能连接。现场还发布AI+eSIM中国方案合作计划，面向手机、平板、智能眼镜等全品类终端开放联通eSIM平台，提供产品研发、标准对接、算力、安全、营销等端到端技术与政策支持。

这也是今年WAIC展台上一个很鲜明的变化：电网公司开始讲算力，通信公司开始讲Token，光纤公司开始进入芯片与机柜内部。

AI正在迫使原本分开的产业重新坐到一张桌上。

模型被放上“货架”

当算力生产出来之后，模型怎样被调度和消费，正在成为一门新的生意。

说到模型厂商，月之暗面在WAIC一天前发布最新产品Kimi K3吸引了一波关注。Kimi K3是一款2.8万亿参数、原生多模态、支持百万Token上下文的旗舰模型，主要面向长程编程、知识工作和深度推理。模型采用Stable LatentMoE框架，在896个专家中高效激活16个，提升MoE稀疏架构效率；搭配全新架构优化与训练、数据方案，相比前代K2，整体扩展效率提升约2.5倍。月之暗面称其为“迄今能力最强的模型”。

MiniMax带来的M3，同样把百万Token上下文、原生多模态、编程和智能体能力放在一起。长上下文，是为了支撑一条更长的任务链：模型要持续读取代码、文档、图片和视频，还要在多轮工具调用中保持对目标的理解。MiniMax把重点放在一个模型能否承担更复杂、更长时间的工作。

面壁智能MiniCPM强调小参数和本地部署，把多模态模型装进手机、汽车和PC。在云端模型继续追求能力上限时，它更关心有限算力、断网环境和隐私要求下，模型能不能留在设备里运行。

阶跃星辰则把重点放在终端系统，前几天刚出炉的STEPX Neo智能体手机也被摆了出来，作为一款原生的智能体手机，它内置了智能体操作系统Step AOS和个人智能体Amoo。前者依托既有的云和服务生态，把模型向算力与终端两端延伸；后者试图从操作系统入手，重新定义手机和汽车如何调用智能体。

模型之间当然仍有差异，但企业真正关心的问题也更具体，哪个模型适合财务，哪个适合代码，哪个成本更低，哪个可以私有化部署，出了问题能不能快速切换。

也正是在这里，运营商的位置开始变得有意思。

现场，中国移动MoMA汇聚300余款模型，可以根据需求匹配相应能力。中国电信的星辰TokenHub覆盖100多款主流模型，AI Store则进一步把算力、模型、应用和Skill放进同一个服务门户。

背后的逻辑是，传统通信网络上，运营商把不同网络接起来，再对流量进行计量、调度和保障。到了AI时代，它们试图把同样的能力迁移到模型调用上，过去调度的是数据包，现在增加了模型、算力和Token。中国电信甚至把Token经营明确为一种业务方向，中国移动则把MoMA称为“词元超市”。简言之，运营商的策略，正在从“卖流量”转向“卖Token”。

智能体开始接管工作流程

今年展台上数量最多的产品之一，是智能体。

但与过去不同，已经很少有企业只演示“帮我写一封邮件”或者“帮我总结一份文档”，新的演示通常从一个更长的任务开始。

腾讯WorkBuddy可以把自然语言指令拆解成多个步骤，再调用不同智能体完成整套办公流程。

百度搭子DuMate强调跨应用、跨文件执行，并在持续协作中学习用户习惯。

金山办公则把WPS Comate嵌入WPS 365，试图把文档、会议、邮箱、组织知识和业务流程连起来。

这三类产品都在争夺同一个位置：企业工作流的入口。

以前，AI是软件里的一个按钮，员工打开文档后，再决定是否调用它。现在的智能体试图反过来理解用户目标，然后决定打开哪些软件、调用什么数据、执行哪些步骤。

这是一种权力关系的变化。

AI一旦开始执行任务，它就需要获得更多权限，功能越强，企业越需要知道它做了什么，为什么这样做，结果能否追溯。

网易有道的有道龙虾把这种矛盾放到了桌面端。它采用本地沙箱运行，强调数据不离开设备，同时以开源方式适配国内办公环境。

WPS Comate强调过程可管控和结果可追溯，并不是一句普通的企业宣传语，而是智能体真正进入组织必须解决的问题。

商汤Seko则把智能体用于视频生产。用户输入剧本或创意后，Seko可以继续完成角色、场景、道具、分镜和视频素材的组织。“无限画布”把多剧集资产、生成工具和工作流放到同一界面，试图把AI视频从一次生成变成连续生产。

影眸科技的Hyper3D Rodin把生成对象从文字、图片和视频进一步推向3D资产。工作人员说，Rodin Gen-2.5可以在4秒内生成百万面级模型，并支持12K PBR贴图及通过文字编辑3D模型，它的客户包括网易、Unity和拓竹，应用覆盖游戏、影视、电商、3D打印、工业设计、XR和具身智能。

还有一部分智能体，开始连接实验设备和机器人。

天鹜科技的MatwingsVenus“晓鹜”是一套对话式蛋白质设计平台。研究人员可以用自然语言提出蛋白质功能需求，由AI生成候选序列，再把任务发送至自动化实验室，让机器人完成样品制备、蛋白纯化和功能检测。实验数据随后返回模型，进入下一轮设计。

记者从现场得知，这套系统已完成40多个改造项目，另有50多个项目在研，并有10多个项目进入产能落地阶段。公司定了个目标，将过去2至5年的研发周期压缩至2至6个月，并把单项目实验量从上万个降到约百个量级。

AI4S之所以在这届WAIC占据大量空间，一方面因为科学研究需要更多算力，另一方面因为科学实验天然适合形成闭环。

模型提出假设，机器人完成实验，数据重新训练模型。只要循环能够稳定运行，AI就可能改变科研工作的时间尺度。

工厂、医院的AI，首先要学会“懂行”

在工业展区，智能体面对的是另一种复杂性。

西门子的Eigen Engineering Agent面向工业自动化工程，利用工业知识生成PLC代码并辅助处理工程任务。中控技术的AOP系统使用时间序列大模型TPT，让AI理解工艺和设备状态，预测趋势并参与决策。施耐德电气的EcoStruxure EEO平台则内置Power GPT，对配电系统进行分析，把设备维护从故障发生后的维修，前移到故障之前的预警。

工业系统容错率低，模型无法像聊天软件一样答错后重新生成，一次错误操作，可能导致停产、设备损坏甚至安全事故。这些产品无一例外，专注的是行业知识、设备数据和具体流程。

微亿制造的多臂协同机器人把AI用于大型复杂部件检测，多台机械臂需要在同一空间协同作业并动态避障，操作人员通过图形界面生成检测轨迹，减少传统逐点示教。梅卡曼德的“眼脑手”系统则把视觉识别、任务规划和机器人控制连接起来，让机器人完成从发现目标到规划动作，再到抓取执行的闭环。

在漕河泾开发区展台，这种变化被放进了一个园区样本里。展台一半集中展示人形机器人孵化器里的代表企业，工作人员介绍，目前孵化器已经聚集70多家企业；另一半则在展示园区怎样提供空间感知、场景测试和协同运行能力。WAIC期间，漕河泾又分别落下机器人长期训练与对抗、物质科学干湿闭环两类平台，它提供的，是一块可以让模型和机器人不断试错、积累数据、验证产品的真实现场。

奇岱松进一步展示了，这个“现场”怎样被机器读懂。奇岱松搭了个具身组织后台Artemis，工作人员介绍，它把物理空间视作一台可以计算和调度的设备，通过边缘侧的空间智能机，持续识别人、设备、车辆、任务和事件，再把信息沉淀到时空系统中。某台设备为什么故障、谁曾经处理、下一步该派谁，或者不同机器人在窄路上谁先通过，都可以进入同一套运行逻辑。机器人有了本体和“大脑”之后，仍然需要这样一个理解现场、安排任务的“总调度室”。

这些展项摆在一起，可以看到具身智能走向产业的真实路径，对真实环境的理解足够深，进厂打螺丝和进家庭干家务才能更快实现。

而在医疗场景。蚂蚁集团的阿福没有把展台做成一个单独的问诊机器人，而是还原了一座“未来社区医院”。用户端覆盖体检、减重、皮肤管理和外籍人士就医等需求；医生端为家庭医生提供贯穿诊前、诊中和诊后的AI助手；政府端则连接社区医院、家庭医生和城市医疗服务。记者在展区了解到，阿福相关服务已与超过15个省市卫健部门开展合作，并在上海黄浦、深圳龙岗、河北和新疆等地落地，累计签约服务170.5万名居民。