4小時閉門會8小時直播，我們看到大家開始跟AI算賬了

出品｜虎嗅科技組

作者｜宋思杭、陳伊凡、李佳琪

編輯｜苗正卿

頭圖｜2026年虎嗅WAIC閉門會現場

今年的世界人工智能大會（以下簡稱“WAIC”），以39℃高溫開始，以暴雨結尾。

7月18日，是2026年WAIC正式開展的第一天。剛一開館，整個展館幾乎就進入了“人擠人”模式，展區里，人流推著人流往前走；展館外，不少熱門論壇甚至一票難求。

如果要用幾個詞來概括今年的WAIC，我想到的不是熱鬧，而是更務實。

無論是AI，還是具身智能，大家討論的內容都已經不再停留于模型參數、機器人會不會跳舞，而是開始進入真正的生產力環節——企業怎么用、機器人什么時候能真正進工廠、AI到底能不能創造價值。

“感覺大家對機器人的認知都提升了，去年大家可能還是看熱鬧，今年明顯已經開始討論生產力了。”有多位具身智能企業創始人在現場對虎嗅說道。

這種變化，不僅發生在展館里，也發生在討論桌上。

WAIC期間，虎嗅分別于7月17日舉辦了一場大型CEO閉門會，并于7月18日進行了連續8小時不間斷的直播，與數十位AI和具身智能企業的CEO展開對話。

關于AI，我們請來了階躍星辰、MiniMax等大模型公司，討論AI商業化走到了哪一步、Agent將如何進入企業，以及大模型競爭正在發生哪些變化。

關于具身智能，我們請來了智元機器人、云跡科技、光象科技等，共同討論機器人究竟走到了哪個階段，距離真正的大規模落地還有多遠。

關于消費，今年在WAIC現場，我們看到伊利、瑞幸、歐萊雅等品牌也參與到了這場大型AI盛宴中。對此虎嗅也有一些不一樣的洞察，我們請來了迪卡儂、自然堂、林里LINLEE等等消費企業，大家一起來談在AI時代下，各自的“蛻變”。

結合今年虎嗅在WAIC現場的觀察，以及閉門會和直播中數十位嘉賓的分享，我們嘗試梳理出今年WAIC最值得關注的五大趨勢。

相比技術路線之爭，今年行業真正關心的，已經變成了另一些問題：AI如何創造價值？機器人什么時候真正成為生產力？Agent將如何重構企業？以及，新的競爭壁壘又會出現在哪里？

趨勢一：Token 工廠——算力生意從“賣機器”變成“賣智能產出”

Token 消耗出現指數級暴漲。PPIO派歐云聯合創始人兼CEO姚欣直言“某一個月的收入或增長等于去年一年之和”，背后是三股力量疊加——國產開源模型與閉源差距縮小、AI Coding 向白領普及、以及 Agent 調用量全面超過人類調用量。共績科技CEO兼創始人付智說，在三四月份感受到客戶需求暴增，優刻得副總裁劉琦則稱之為“全民 AI 時代”的到來。

這帶來了生產方式的根本變化。Token 像電力和流量一樣成為被計量、被調度、被出口的商品：PPIO 把全球時差用作削峰填谷的工具，將中國凌晨的閑置算力“送”到西半球的白天，把利用率曲線拉成一條 75%–80% 的直線，這就是“Token 出海”；共績科技把個人電腦、網吧、機房甚至車載算力共享出來，靠調度能力做到“既彈性、又穩定、又低價”，春節期間在后端切換了 1963 臺個人電腦而客戶服務毫無波動——用其創始人的話說，“空閑沒有消失，只是轉移了”；優刻得則用 14 年云計算的積累內壓榨生產效率，同時押注國產芯片產 Token。

商業模式也在被重寫。姚欣觀察到 Agent 的“脈沖式”調用——沙箱 90% 時間閑置，每半小時冒一個尖——逼著計費單位細到秒級、細到財務系統里“一分錢”都裝不下的程度。他的判斷更進一步：“三年后我們的客戶可能都不是人了”，按現在的增長趨勢，90% 以上的調用會來自 Agent，所以 PPIO 把做了三年的 Token 工廠再加兩個字：智能化。共績科技創始人付智說，到 2030 年，全球 90 億人口可能對應 9000 億個 Agent，人均一百個。劉琦則看到了計價方式的終局：“今天大家還在按百萬 Token 多少錢計價，但圍繞 AI 任務按效果付費、按結果付費的模式，就像當年廣告業的 CPA 一樣，一定會到來。”而所有人都同意，Token 生意眼下幾乎全行業毛利為負，賺錢要靠差異化：出海的價差、閑置資源的調度、組合拳式的Token服務。

趨勢二：AI行業進入到“ROI”周期

過去兩年，AI行業還在互相“卷”模型能力；而透過今年WAIC，虎嗅觀察到，一個明顯的變化是，越來越少有人討論“大模型到底有多強”，越來越多人開始討論“AI到底值多少錢”。

過去一年，大模型能力快速提升，推理成本持續下降，Token價格不斷下探，AI能力正越來越像水、電一樣成為基礎設施。但當模型能力逐漸趨同之后，一個新的問題開始浮出水面：企業為什么還要持續購買AI？AI究竟創造了多少價值？

這幾乎成為今年虎嗅WAIC閉門會討論最多的話題。

長江商學院教授孫天澍則把這種變化概括為AI進入“下半場”。過去幾年，整個行業完成的是從算力到Token的基礎設施建設，而未來真正需要回答的是“Token for What”。真正創造價值的不再只是模型，而是能夠把Token轉化為產業價值的智能體、產業大腦以及AI架構師。

企業已經開始按照這個邏輯重新評估AI。

對此，交個朋友高級副總裁、曼達斯克CEO崔東升分享了一個案例，公司曾測算，一條AI營銷素材生成成本一度高于人工，因此即使效率提升也無法真正落地。直到模型成本持續下降，加上效率提升，AI才真正跨過商業化臨界點。她認為，企業采購AI首先看的不是模型，而是能否形成業務閉環。

像素綻放聯合創始人蒲世林也提到，如今企業越來越精打細算，AI只有能夠明確回答“幫企業省了多少錢、賺了多少錢”，預算才能真正持續投入。

從拼模型，到算ROI，今年WAIC釋放出的一個重要信號是，AI行業開始進入真正“算經濟賬”的階段。

趨勢三：AI Agent開始重構整個組織

AI Agent改變的不只是某個員工，而是開始重構整個組織。這也是在今年直播間里討論最多的話題之一。

隨著越來越多企業開始部署Agent，一個新的共識也逐漸形成：AI真正需要改變的，并不是某一個崗位，而是整個企業的組織方式。

過去一年，不少企業已經開始嘗試讓員工使用AI寫PPT、做翻譯、生成代碼，個人效率提升幾乎成為共識。但企業整體效率為什么沒有同步提升？這是今年論壇上反復被提及的問題。

MiniMax AI架構師馮雯認為，AI Agent的發展已經進入新的階段。過去，大模型更多承擔的是單點能力，比如寫一段文案、生成一張圖片；未來6至12個月，真正發生變化的將是Workflow和Agent。

她舉例稱，一家企業從商品選品、直播腳本生成，到直播結束后的數據復盤，整個業務流程都有可能交由Agent完成，并在每一次執行后不斷優化下一輪決策。換句話說，AI優化的不再是某一個環節，而是整個業務閉環。

但Agent真正進入企業之后，挑戰也隨之出現。

對此，來也科技聯合創始人兼CTO胡一川認為，很多企業現在只是把AI接入了原有流程，本質上仍然是"人在工作，AI輔助"。真正的AI轉型，并不是增加一個工具，而是把過去以人為中心的流程，逐漸重構為以Agent為中心的流程。只有業務流程、組織協同和決策機制一起發生變化，Agent才能真正釋放價值。

這一判斷，也得到了傳統制造業企業的印證。

2026年虎嗅WAIC直播間

迪卡儂中國副總裁肖路分享了他們在內部推進AI的觀察：AI不會自動加速企業，相反，它會率先暴露企業過去數字化建設中的問題。如果流程混亂、數據標準不統一、部門之間各自為政，即使每個員工都開始使用AI，企業整體效率依然不會發生質變。

在他看來，企業未來購買的也不再只是SaaS軟件，而是可量化的智能能力。從購買軟件，到購買Token，再到購買Agent，本質上都是企業經營方式的改變。

施耐德電氣則進一步把這種變化落實到了組織層面。其分享稱，公司內部推動AI已經不再是IT部門單獨負責，而是成立跨部門團隊，由業務部門、數字化部門共同參與，通過重新梳理知識體系、業務流程和數據資產，讓Agent真正融入企業運營，而不是停留在工具層面。

另外，馮雯還分享了一個觀察。她認為，企業的AI轉型往往不是自下而上發生的，而是一把手先形成共識，再由各個業務部門找到最愿意嘗試AI的人，逐步推動整個組織發生變化。因此，AI真正改變的，從來都不只是員工的工作方式，更是企業的管理方式和組織結構。

從Copilot到Agent，今年WAIC傳遞出的一個明確信號是：AI競爭正在從模型能力轉向組織能力。未來企業之間真正拉開差距的，或許不是誰率先接入了Agent，而是誰能夠率先圍繞Agent完成一次組織重構。

趨勢四：數據飛輪，正在取代模型參數成為新的競爭壁壘

過去兩年，大模型公司競爭的是參數規模、訓練數據和Benchmark排名。

而今年，一個新的關鍵詞開始頻繁出現——數據飛輪。

越來越多企業開始意識到，模型能力正在快速趨同，而真正難以復制的壁壘，來自持續獲取真實數據、不斷優化模型的能力。

階躍星辰在閉門會上就把Claude的成功歸因于數據飛輪。

他們認為，Claude真正建立優勢，并不是因為模型突然變得更聰明，而是Claude Code進入真實工作流之后，持續獲得環境數據、軌跡數據以及用戶反饋，從而形成了持續迭代的數據飛輪。

因此，階躍如今判斷一個行業是否值得進入，第一個問題已經不是模型是否足夠強，而是這個行業是否能夠形成持續的數據飛輪——是否能夠不斷產生環境數據、軌跡數據以及反饋數據。

這種思路，同樣出現在具身智能領域。

云跡科技提出的“世界價值模型”，背后依托的是機器人在真實酒店、醫院等場景中積累的大規模服務數據，持續推動模型迭代。

而光輪、智元等機器人企業今年反復強調數據的重要性，本質上也是希望通過真實世界的數據沉淀建立競爭壁壘。

互聯網時代，比拼的是用戶規模；大模型時代，比拼的是參數規模；而今年WAIC釋放出的一個更深層變化是，行業競爭開始進入數據飛輪時代。未來真正難以復制的，不只是模型本身，而是誰能夠持續進入真實場景，獲得真實數據，并形成不斷自我強化的能力。

趨勢五：消費企業也開始跟AI“算賬”了

相比去年更多是讓員工嘗試AI工具、探索提效可能性，今年消費零售企業開始用“能不能幫公司少幾個人、能不能直接算出省了多少錢”來衡量AI投入。

檸檬茶品牌林里透露，公司500多人的規模，今年借助AI優化掉約50個崗位，背后的底氣在于老板逐一盤點了公司中大量“水崗位”——那些從事數據搬運、流程交接、重復審批的職能，被認為是最容易被AI替代的部分。自然堂也表示，過去大量數字化投入“看不到效果”，現在只做能直接改變流程和人的AI項目。迪卡儂則進一步指出，AI不會自動加速企業，反而會暴露過去數字化建設中的弱點——流程不清晰、數據口徑打架、權責不明確，這些功課在AI時代“終究要補”。

而真正讓消費企業加速AI投入的，是營銷素材生成等場景率先跨過了成本臨界點。交個朋友/曼達斯克分享，AI生成廣告素材的成本已從年初120元/條降至50元/條，首次接近甚至低于人工成本，商業拐點已經到來。

從“試試看”到“算清楚”，消費行業的AI邏輯正在變化——不再追問AI能做什么，而是先問這筆投入能不能直接減少幾個人、降低多少成本、在哪個環節產生可量化的業務結果。

趨勢六：AI硬件——算力從云端向端邊下沉

“我們希望把 AI 從傳統的手機、電腦和云端服務中帶出來，走向真實的生活和工作場景”，Rokid全球生態負責人趙維奇把這場遷移概括為從 GUI 到 NUI：過去我們解鎖手機、翻找 APP、主動發起任務；現在設備看得見你所處的環境、記得你的偏好，由 Agent 主動替你調服務、完成任務。翻譯不再需要喚起和選擇語言——系統的 memory 知道你不懂法語，對面一開口它就問你要不要開啟翻譯。

AI 從“被動智能”轉向“主動智能”，Token 消耗自然水漲船高，而眼鏡這個貼著人身體幾百年的設備，成了新入口的選擇之一。

支撐這場遷移的是算力從云端向端邊的下沉。后摩智能CEO兼創始人吳強從芯片端感受到，2025 年下半年起，端側需求從小算力 AIoT 一躍變成“智能水平要接近云端”的大模型加速芯片，存算一體路線的價值就在于用極致效率去逼近功耗、成本、智能水平這個“不可能三角”。更有意思的是商業模式的分野：云端按流量付費，端側則是一次性硬件投入換來“免費的 Token”。用他的話說，“當一整套端側設備降到幾千塊、最多一萬出頭，用戶等于一次性買下一座免費的 Token 工廠，獲得‘Token 自由’——到那個階段，端側的經濟模型就成立了”。

樂享科技聯席CTO、穹明智能總經理李元慶則從家用機器人一側給出了判斷：AI 硬件的落地邏輯和傳統消費電子完全不同，過去的產品要在高頻場景解決明確痛點才能上市；而 AI 機器人是帶著 30%–50% 的任務成功率先走進家庭，靠千家萬戶的真實數據飛輪慢慢長大——“機器人走進家里的第一天，大概率是個剛出生的‘笨蛋嬰兒’，但它能在每個家庭里慢慢成長為少年、甚至科學家和博士”。端邊云的算力分配“每三個月就調整一次”，對初創團隊來說，這個時代最該搶的不是算力和能源，而是產品走進家里之后的數據。

趨勢七：機器人開始走出“POC”，但真正的挑戰才剛開始

去年WAIC，機器人展區最吸引人的還是翻跟頭、跳舞、跑步。

今年，同樣熱鬧的展館里，企業討論的重點卻發生了變化。

越來越多機器人公司開始主動談交付、談客戶、談工廠、談訂單，而不是運動控制、靈巧手或者自由度。機器人行業正在經歷一次從技術展示走向商業驗證的轉變。

與此同時，一個變化也正在發生，越來越多企業開始討論，機器人什么時候才能真正進入生產線。

不過，答案并沒有外界想象得那么樂觀。

在虎嗅WAIC直播間里，無論是機器人本體廠商、數據公司還是模型公司，都不約而同提到了一個關鍵詞：POC。

所謂POC（Proof of Concept），即概念驗證。它意味著機器人已經能夠在特定場景完成任務，但距離真正進入生產線、形成規模化部署，還有很長的一段路。

光象科技CEO張濤把機器人落地劃分為五個階段：需求定義、POC驗證、測試線驗證、正式生產線部署以及最終的大規模推廣。在他看來，目前整個行業仍然處于POC向測試線過渡的階段，真正的挑戰還沒有開始。

作為行業頭部企業，智元合伙人王闖給出的判斷更加具體。

他認為，機器人進入工廠至少要經歷五個階段：實驗室驗證、客戶現場POC、正式并線、小批量推廣以及最終的大規模部署。經過過去兩年的探索，智元已經從最初的POC階段，進入了"能夠并線、能夠小批量部署"的新階段。

王闖還分享了智元在工廠里的真實進展。

以平板電腦上下料場景為例，智元已經在客戶工廠實現了連續運行，并完成了小批量部署。他透露，目前已有8臺機器人長期運行，連續六天直播期間保持了較高成功率，而隨著節拍進一步提升、成本繼續下降，商業回報也會越來越清晰。

不過，在王闖看來，機器人真正進入生產線之后，考驗已經不再是"會不會干活"，而是"能不能穩定干活"。

相比動作展示，工廠客戶更關心的是連續作業能力。一旦機器人進入正式產線，就不能影響整條生產節拍，因此連續穩定運行，比完成一次漂亮的動作更加重要。王闖直言："連續作業更重要。"因為機器人理論上可以24小時工作，而真正進入真實環境之后，通過算法迭代，它的效率還會持續提升。

不過，在王闖看來，機器人真正進入生產線之后，考驗已經不再是"會不會干活"，而是"能不能持續、穩定地干活"。

但要做到這一點，僅靠機器人本體已經遠遠不夠。

今年WAIC上，圍繞具身智能還有一個持續不斷的話題，是關于世界模型的。

去年以來，行業一直存在"VLA還是世界模型"的路線之爭。但在今年的討論中，這種爭論已經明顯降溫。越來越多企業認為，兩者并不是非此即彼的關系，而是共同服務于機器人最終的落地效果。

面壁智能聯合創始人兼CEO李大海在論壇上表示，無論是VLA還是世界模型，本質都是機器人理解和預測物理世界的能力建設。對于產業來說，比起采用哪一條技術路線，更重要的是機器人最終能否完成任務、持續提升成功率。他認為，未來不同技術路線更可能是融合，而不是相互替代。

云跡科技副總裁段云彪則提出了"世界價值模型（World Value Model）"的概念。他認為，相比單純理解物理世界，機器人真正需要學習的是"什么行為能夠創造價值"。機器人最終不是為了準確預測世界，而是為了在真實場景中完成任務，因此模型需要不斷從真實服務過程中學習價值反饋，再持續優化行為策略。

這種討論的變化，其實也反映了具身智能行業的一種成熟。去年，行業還在爭論哪一種模型路線更先進；而今年，越來越多企業開始把討論重點放回商業落地——無論采用世界模型、VLA還是其他技術，只要能夠讓機器人更穩定、更高效地完成任務，就是好的技術路線。

而真正困難的地方，還在后面。

王闖表示，過去兩年，智元探索了上千個應用場景，最終才選擇平板上下料、3C裝配等相對適合當前技術能力的方向。一些需要處理上千種物體、要求極高泛化能力的場景，目前依然超出了機器人能力邊界。甚至連業內關注度很高的靈巧手，在工業場景下也未必是最優解——相比之下，壽命更長、節拍更高的夾爪方案反而更適合現階段落地。

這一判斷，也和光輪智能CEO謝晨形成了呼應。

謝晨認為，具身智能真正的終局，不是進入幾個工廠，而是進入千家萬戶、進入所有物理勞動場景。但從今天走向那個終局，中間還有無數個"0到1"需要完成。機器人行業如今面對的，不是某一個技術瓶頸，而是本體、模型、數據、場景和工程化共同組成的一套系統性挑戰。

去年WAIC，機器人企業還在展示機器人有多厲害；而今年，大家已經開始討論，機器人距離真正成為生產力還有多遠。而這或許意味著，具身智能行業終于開始從概念競爭，走向工程競爭。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4876687.html?f=wyxwapp