4小时闭门会8小时直播，我们看到大家开始跟AI算账了

今年的世界人工智能大会（WAIC）以一种颇为戏剧性的方式开场——39℃高温中开幕，暴雨中收尾。

7月18日，2026年WAIC正式开展第一天，展馆一开就几乎进入“人挤人”模式。展区里，人流推着人流往前走；展馆外，不少热门论坛一票难求。

如果用几个词来概括今年的WAIC，与其说是热闹，不如说是“更务实”。无论AI还是具身智能，大家讨论的内容早已不再停留在模型参数、机器人会不会跳舞，而是开始进入真正的生产力环节——企业怎么用、机器人什么时候能真正进工厂、AI到底能不能创造价值。

“感觉大家对机器人的认知都提升了。去年大家可能还是看热闹，今年明显开始讨论生产力了。”多位具身智能企业创始人在现场表示。

这种变化，不仅弥漫在展馆的空气中，也在讨论桌上悄然发酵。WAIC期间，虎嗅分别于7月17日举办了一场大型CEO闭门会，并于7月18日进行了连续8小时不间断的直播，与数十位AI和具身智能企业的CEO展开对话。

关于AI，我们请来了阶跃星辰、MiniMax等大模型公司，讨论AI商业化走到了哪一步、Agent将如何进入企业，以及大模型竞争正在发生哪些变化。关于具身智能，我们请来了智元机器人、云迹科技、光象科技等，共同讨论机器人究竟走到了哪个阶段，距离真正的大规模落地还有多远。关于消费，今年在WAIC现场，我们看到伊利、瑞幸、欧莱雅等品牌也参与到了这场大型AI盛宴中。对此，虎嗅也有一些不一样的洞察，我们请来了迪卡侬、自然堂、林里LINLEE等消费企业，一起探讨在AI时代下各自的“蜕变”。

结合今年在WAIC现场的观察，以及闭门会和直播中数十位嘉宾的分享，我们尝试梳理出今年WAIC最值得关注的五大趋势。相比技术路线之争，今年行业真正关心的问题已经变成了另一些：AI如何创造价值？机器人什么时候真正成为生产力？Agent将如何重构企业？以及，新的竞争壁垒又会出现在哪里？

趋势一：Token 工厂——算力生意从“卖机器”变成“卖智能产出”

Token消耗出现了指数级暴涨。PPIO派欧云联合创始人兼CEO姚欣直言，他们某个月的收入或增长等于去年一年之和。这背后是三股力量叠加：国产开源模型与闭源差距缩小、AI Coding 向白领普及、Agent 调用量全面超过人类调用量。共绩科技CEO兼创始人付智说，他们在三四月份感受到客户需求暴增；优刻得副总裁刘琦则称之为“全民 AI 时代”的到来。

这带来了生产方式的根本变化。Token像电力和流量一样，正在成为被计量、被调度、被出口的商品。PPIO把全球时差用作削峰填谷的工具，将中国凌晨的闲置算力“送”到西半球的白天，把利用率曲线拉成一条75%–80%的直线——这就是“Token出海”。共绩科技把个人电脑、网吧、机房甚至车载算力共享出来，靠调度能力做到“既弹性、又稳定、又低价”，春节期间在后端切换了1963台个人电脑，而客户服务毫无波动。用其创始人的话说，“空闲没有消失，只是转移了”。优刻得则用14年云计算的积累内压榨生产效率，同时押注国产芯片产Token。

商业模式也在被重写。姚欣观察到Agent的“脉冲式”调用——沙箱90%时间闲置，每半小时冒一个尖——逼着计费单位细到秒级、细到财务系统里“一分钱”都装不下的程度。他的判断更激进：“三年后我们的客户可能都不是人了”，按现在的增长趋势，90%以上的调用会来自Agent，所以PPIO把做了三年的Token工厂再加两个字：智能化。共绩科技创始人付智说，到2030年，全球90亿人口可能对应9000亿个Agent，人均一百个。刘琦则看到了计价方式的终局：“今天大家还在按百万Token多少钱计价，但围绕AI任务按效果付费、按结果付费的模式，就像当年广告业的CPA一样，一定会到来。”而所有人都同意，Token生意眼下几乎全行业毛利为负，赚钱要靠差异化：出海的价差、闲置资源的调度、组合拳式的Token服务。

趋势二：AI行业进入到“ROI”周期

过去两年，AI行业还在互相“卷”模型能力。而透过今年WAIC，一个明显的变化是，越来越少人讨论“大模型到底有多强”，越来越多人开始讨论“AI到底值多少钱”。

过去一年，大模型能力快速提升，推理成本持续下降，Token价格不断下探，AI能力正越来越像水、电一样成为基础设施。但当模型能力逐渐趋同之后，一个新的问题开始浮出水面：企业为什么还要持续购买AI？AI究竟创造了多少价值？这几乎成为今年WAIC闭门会讨论最多的话题。

长江商学院教授孙天澍把这种变化概括为AI进入“下半场”。过去几年，整个行业完成的是从算力到Token的基础设施建设，而未来真正需要回答的是“Token for What”。真正创造价值的不再只是模型，而是能够把Token转化为产业价值的智能体、产业大脑以及AI架构师。

企业已经开始按照这个逻辑重新评估AI。交个朋友高级副总裁、曼达斯克CEO崔东升分享了一个案例：公司曾测算，一条AI营销素材生成成本一度高于人工，因此即使效率提升也无法真正落地。直到模型成本持续下降，加上效率提升，AI才真正跨过商业化临界点。她认为，企业采购AI首先看的不是模型，而是能否形成业务闭环。像素绽放联合创始人蒲世林也提到，如今企业越来越精打细算，AI只有能够明确回答“帮企业省了多少钱、赚了多少钱”，预算才能真正持续投入。

从拼模型，到算ROI，今年WAIC释放出的一个重要信号是：AI行业开始进入真正“算经济账”的阶段。

趋势三：AI Agent开始重构整个组织

AI Agent改变的不只是某个员工，而是开始重构整个组织。这也是今年直播间里讨论最多的话题之一。随着越来越多企业开始部署Agent，一个新的共识逐渐形成：AI真正需要改变的，并不是某一个岗位，而是整个企业的组织方式。

过去一年，不少企业已经开始尝试让员工使用AI写PPT、做翻译、生成代码，个人效率提升几乎成为共识。但企业整体效率为什么没有同步提升？这是今年论坛上反复被提及的问题。

MiniMax AI架构师冯雯认为，AI Agent的发展已经进入新的阶段。过去，大模型更多承担的是单点能力，比如写一段文案、生成一张图片；未来6至12个月，真正发生变化的将是Workflow和Agent。她举例称，一家企业从商品选品、直播脚本生成，到直播结束后的数据复盘，整个业务流程都有可能交由Agent完成，并在每一次执行后不断优化下一轮决策。换句话说，AI优化的不再是某一个环节，而是整个业务闭环。

但Agent真正进入企业之后，挑战也随之出现。来也科技联合创始人兼CTO胡一川认为，很多企业现在只是把AI接入了原有流程，本质上仍然是“人在工作，AI辅助”。真正的AI转型，并不是增加一个工具，而是把过去以人为中心的流程，逐渐重构为以Agent为中心的流程。只有业务流程、组织协同和决策机制一起发生变化，Agent才能真正释放价值。

这一判断，也得到了传统制造业企业的印证。

2026年虎嗅WAIC直播间

迪卡侬中国副总裁肖路分享了他们在内部推进AI的观察：AI不会自动加速企业，相反，它会率先暴露企业过去数字化建设中的问题。如果流程混乱、数据标准不统一、部门之间各自为政，即使每个员工都开始使用AI，企业整体效率依然不会发生质变。在他看来，企业未来购买的也不再只是SaaS软件，而是可量化的智能能力。从购买软件，到购买Token，再到购买Agent，本质上都是企业经营方式的改变。

施耐德电气则进一步把这种变化落实到了组织层面。其分享称，公司内部推动AI已经不再是IT部门单独负责，而是成立跨部门团队，由业务部门、数字化部门共同参与，通过重新梳理知识体系、业务流程和数据资产，让Agent真正融入企业运营，而不是停留在工具层面。

冯雯还分享了一个观察：企业的AI转型往往不是自下而上发生的，而是一把手先形成共识，再由各个业务部门找到最愿意尝试AI的人，逐步推动整个组织发生变化。因此，AI真正改变的，从来都不只是员工的工作方式，更是企业的管理方式和组织结构。

从Copilot到Agent，今年WAIC传递出的一个明确信号是：AI竞争正在从模型能力转向组织能力。未来企业之间真正拉开差距的，或许不是谁率先接入了Agent，而是谁能够率先围绕Agent完成一次组织重构。

趋势四：数据飞轮，正在取代模型参数成为新的竞争壁垒

过去两年，大模型公司竞争的是参数规模、训练数据和Benchmark排名。而今年，一个新的关键词开始频繁出现——数据飞轮。越来越多企业开始意识到，模型能力正在快速趋同，而真正难以复制的壁垒，来自持续获取真实数据、不断优化模型的能力。

阶跃星辰在闭门会上就把Claude的成功归因于数据飞轮。他们认为，Claude真正建立优势，并不是因为模型突然变得更聪明，而是Claude Code进入真实工作流之后，持续获得环境数据、轨迹数据以及用户反馈，从而形成了持续迭代的数据飞轮。因此，阶跃如今判断一个行业是否值得进入，第一个问题已经不是模型是否足够强，而是这个行业是否能够形成持续的数据飞轮——是否能够不断产生环境数据、轨迹数据以及反馈数据。

这种思路，同样出现在具身智能领域。云迹科技提出的“世界价值模型”，背后依托的是机器人在真实酒店、医院等场景中积累的大规模服务数据，持续推动模型迭代。而光轮、智元等机器人企业今年反复强调数据的重要性，本质上也是希望通过真实世界的数据沉淀建立竞争壁垒。

互联网时代，比拼的是用户规模；大模型时代，比拼的是参数规模。而今年WAIC释放出的一个更深层变化是，行业竞争开始进入数据飞轮时代。未来真正难以复制的，不只是模型本身，而是谁能够持续进入真实场景，获得真实数据，并形成不断自我强化的能力。

趋势五：消费企业也开始跟AI“算账”了

相比去年更多是让员工尝试AI工具、探索提效可能性，今年消费零售企业开始用“能不能帮公司少几个人、能不能直接算出省了多少钱”来衡量AI投入。柠檬茶品牌林里透露，公司500多人的规模，今年借助AI优化掉约50个岗位，背后的底气在于老板逐一盘点了公司中大量“水岗位”——那些从事数据搬运、流程交接、重复审批的职能，被认为是最容易被AI替代的部分。自然堂也表示，过去大量数字化投入“看不到效果”，现在只做能直接改变流程和人的AI项目。迪卡侬则进一步指出，AI不会自动加速企业，反而会暴露过去数字化建设中的弱点——流程不清晰、数据口径打架、权责不明确，这些功课在AI时代“终究要补”。

真正让消费企业加速AI投入的，是营销素材生成等场景率先跨过了成本临界点。交个朋友/曼达斯克分享，AI生成广告素材的成本已从年初120元/条降至50元/条，首次接近甚至低于人工成本，商业拐点已经到来。从“试试看”到“算清楚”，消费行业的AI逻辑正在变化——不再追问AI能做什么，而是先问这笔投入能不能直接减少几个人、降低多少成本、在哪个环节产生可量化的业务结果。

趋势六：AI硬件——算力从云端向端边下沉

“我们希望把AI从传统的手机、电脑和云端服务中带出来，走向真实的生活和工作场景。”Rokid全球生态负责人赵维奇把这场迁移概括为从GUI到NUI：过去我们解锁手机、翻找APP、主动发起任务；现在设备看得见你所处的环境、记得你的偏好，由Agent主动替你调服务、完成任务。翻译不再需要唤起和选择语言——系统的memory知道你不懂法语，对面一开口它就问你要不要开启翻译。AI从“被动智能”转向“主动智能”，Token消耗自然水涨船高，而眼镜这个贴着人身体几百年的设备，成了新入口的选择之一。

支撑这场迁移的是算力从云端向端边的下沉。后摩智能CEO兼创始人吴强从芯片端感受到，2025年下半年起，端侧需求从小算力AIoT一跃变成“智能水平要接近云端”的大模型加速芯片，存算一体路线的价值就在于用极致效率去逼近功耗、成本、智能水平这个“不可能三角”。更有意思的是商业模式的分野：云端按流量付费，端侧则是一次性硬件投入换来“免费的Token”。用他的话说，“当一整套端侧设备降到几千块、最多一万出头，用户等于一次性买下一座免费的Token工厂，获得‘Token自由’——到那个阶段，端侧的经济模型就成立了”。

乐享科技联席CTO、穹明智能总经理李元庆则从家用机器人一侧给出了判断：AI硬件的落地逻辑和传统消费电子完全不同，过去的产品要在高频场景解决明确痛点才能上市；而AI机器人是带着30%–50%的任务成功率先走进家庭，靠千家万户的真实数据飞轮慢慢长大——“机器人走进家里的第一天，大概率是个刚出生的‘笨蛋婴儿’，但它能在每个家庭里慢慢成长为少年、甚至科学家和博士”。端边云的算力分配“每三个月就调整一次”，对初创团队来说，这个时代最该抢的不是算力和能源，而是产品走进家里之后的数据。

趋势七：机器人开始走出“POC”，但真正的挑战才刚开始

去年WAIC，机器人展区最吸引人的还是翻跟头、跳舞、跑步。今年，同样热闹的展馆里，企业讨论的重点却发生了变化。越来越多机器人公司开始主动谈交付、谈客户、谈工厂、谈订单，而不是运动控制、灵巧手或者自由度。机器人行业正在经历一次从技术展示走向商业验证的转变。与此同时，一个变化也正在发生，越来越多企业开始讨论，机器人什么时候才能真正进入生产线。

不过，答案并没有外界想象得那么乐观。在虎嗅WAIC直播间里，无论是机器人本体厂商、数据公司还是模型公司，都不约而同提到了一个关键词：POC。所谓POC（Proof of Concept），即概念验证。它意味着机器人已经能够在特定场景完成任务，但距离真正进入生产线、形成规模化部署，还有很长一段路。

光象科技CEO张涛把机器人落地划分为五个阶段：需求定义、POC验证、测试线验证、正式生产线部署以及最终的大规模推广。在他看来，目前整个行业仍然处于POC向测试线过渡的阶段，真正的挑战还没有开始。作为行业头部企业，智元合伙人王闯给出的判断更加具体。他认为，机器人进入工厂至少要经历五个阶段：实验室验证、客户现场POC、正式并线、小批量推广以及最终的大规模部署。经过过去两年的探索，智元已经从最初的POC阶段，进入了“能够并线、能够小批量部署”的新阶段。

王闯还分享了智元在工厂里的真实进展。以平板电脑上下料场景为例，智元已经在客户工厂实现了连续运行，并完成了小批量部署。他透露，目前已有8台机器人长期运行，连续六天直播期间保持了较高成功率，而随着节拍进一步提升、成本继续下降，商业回报也会越来越清晰。不过，在他看来，机器人真正进入生产线之后，考验已经不再是“会不会干活”，而是“能不能持续、稳定地干活”。工厂客户更关心的是连续作业能力。一旦机器人进入正式产线，就不能影响整条生产节拍，因此连续稳定运行，比完成一次漂亮的动作更加重要。

但要做到这一点，仅靠机器人本体已经远远不够。今年WAIC上，围绕具身智能还有一个持续不断的话题，是关于世界模型的。去年以来，行业一直存在“VLA还是世界模型”的路线之争。但在今年的讨论中，这种争论已经明显降温。越来越多企业认为，两者并不是非此即彼的关系，而是共同服务于机器人最终的落地效果。面壁智能联合创始人兼CEO李大海在论坛上表示，无论是VLA还是世界模型，本质都是机器人理解和预测物理世界的能力建设。对于产业来说，比起采用哪一条技术路线，更重要的是机器人最终能否完成任务、持续提升成功率。他认为，未来不同技术路线更可能是融合，而不是相互替代。

云迹科技副总裁段云彪则提出了“世界价值模型（World Value Model）”的概念。他认为，相比单纯理解物理世界，机器人真正需要学习的是“什么行为能够创造价值”。机器人最终不是为了准确预测世界，而是为了在真实场景中完成任务，因此模型需要不断从真实服务过程中学习价值反馈，再持续优化行为策略。

这种讨论的变化，其实也反映了具身智能行业的一种成熟。去年，行业还在争论哪一种模型路线更先进；而今年，越来越多企业开始把讨论重点放回商业落地——无论采用世界模型、VLA还是其他技术，只要能够让机器人更稳定、更高效地完成任务，就是好的技术路线。

而真正困难的地方，还在后面。王闯表示，过去两年，智元探索了上千个应用场景，最终才选择平板上下料、3C装配等相对适合当前技术能力的方向。一些需要处理上千种物体、要求极高泛化能力的场景，目前依然超出了机器人能力边界。甚至连业内关注度很高的灵巧手，在工业场景下也未必是最优解——相比之下，寿命更长、节拍更高的夹爪方案反而更适合现阶段落地。这一判断，也和光轮智能CEO谢晨形成了呼应。谢晨认为，具身智能真正的终局，不是进入几个工厂，而是进入千家万户、进入所有物理劳动场景。但从今天走向那个终局，中间还有无数个“0到1”需要完成。机器人行业如今面对的，不是某一个技术瓶颈，而是本体、模型、数据、场景和工程化共同组成的一套系统性挑战。

去年WAIC，机器人企业还在展示机器人有多厉害；而今年，大家已经开始讨论，机器人距离真正成为生产力还有多远。而这或许意味着，具身智能行业终于开始从概念竞争，走向工程竞争。