【科技资讯】从2026上海WAIC看AI超级周期下数智化转型的6大趋势

📌 信息分类：科技前沿
🗄️ 信息来源：用户推荐
🔗 原文链接：点击访问原文
📅 原文发布时间：2026-07-18
⏱️ 本站采集时间：2026-07-19 17:25:10

—

7月17日，**2026世界人工智能大会**在上海开幕。本届大会”三地四馆”展览面积首次突破10万平方米，1100余家企业带来3000余项创新成果，超过300款产品计划实现全球首发。

与前几年相比，2026年WAIC最值得关注的变化，不是又出现了多少参数更大的模型，而是**人工智能产业的讨论中心已经明显转移**：大模型不再是唯一主角，智能体、Agentic OS、超节点、科学智能、具身智能、AI安全和全球治理开始同时进入舞台中央；企业关注的问题，也从”模型会不会回答问题”，转向”AI能否进入真实流程、连接物理设备、持续完成任务并创造可量化的业务价值”。

这意味着，人工智能的发展正在越过单一技术突破阶段，进入一个由模型、算力、数据、智能体、终端、机器人、能源、治理和组织变革共同驱动的**AI超级周期**。

综合大会密集演讲和产业发布，可以看到AI超级周期下企业数智化转型正在呈现**六个重要趋势**：

趋势一：AI从技术工具升级为经济社会的战略基础设施

在大会开幕式上，中国国家最高领导人将人工智能与蒸汽机、电力和互联网带来的科技革命相提并论，并指出人工智能正在从”数字世界”走向”物理世界”，成为世界经济增长的新引擎和新旧动能转换的加速器。

围绕全球人工智能发展，演讲提出四个方向：坚持开放共赢、强化风险意识、鼓励包容并蓄、完善全球治理。

这对企业数智化转型意味着什么？

• 首先，AI不能再被当作信息技术部门主导的局部创新项目。过去企业可以把ERP、CRM、数据平台或云计算看成技术基础设施，但在AI超级周期中，人工智能正在同时影响企业战略、产品、客户关系、供应链、组织结构和商业模式

• 其次，AI投资将从年度信息化预算，逐步进入企业长期资本配置。企业需要考虑的，不只是购买多少模型服务，而是未来三到五年哪些产品会被AI重新定义、哪些流程会被智能体重构、哪些岗位会转变为人机协同岗位

• 第三，AI能力将成为企业全球化发展的组成部分。模型能力、数据合规、多语言服务、跨境云基础设施、智能终端和本地生态，将越来越多地随产品和服务一起”出海”

因此，数智化转型的第一责任人正在从CIO扩展到CEO和董事会。

AI不再只是帮助企业提高效率的工具，而是决定企业能否进入下一个产业周期的战略能力。

趋势二：竞争重心从”大模型竞赛”转向”智能系统竞赛”

过去几年，大模型行业最常见的竞争指标是参数规模、训练数据量和榜单成绩。但从本届WAIC可以看到，单一模型能力正在逐渐成为AI系统中的一个组成部分。

华为在大会现场展示了昇腾950超节点真机。该系统通过高速互联和统一内存架构，把大量计算卡组织成一个逻辑上的大型计算系统。与此同时，中科曙光十万卡AI超集群以及多家厂商的超节点、光互联、液冷和集群调度方案集中亮相。

这说明算力竞争正在发生三个变化：

• 从单卡性能转向系统效率：当模型进入MoE、多智能体和长时间任务执行阶段，一项任务可能调用多个模型、多个工具和多个数据源，决定体验的已经不只是单颗芯片的峰值算力，而是整个系统每单位时间能够稳定生成多少有效Token，以及为这些Token消耗多少电力和成本

• 从建设算力转向运营算力：从千卡、万卡到十万卡集群，真正决定实际算力表现的是效率和稳定性。大规模AI基础设施本质上已经成为复杂的分布式系统工程，网络、存储、调度、软件栈和运维能力的重要性迅速上升

• 从模型最优转向系统最优：真实业务需要在模型能力、调用成本、响应速度、数据安全、部署方式和系统稳定性之间取得平衡。很多高频、规则清晰的任务，可能更适合使用中小模型；只有复杂推理、专业判断和长程任务才需要调用更强模型

这意味着企业建设AI基础设施时，不能只回答”选择哪一个大模型”，而要回答五个更重要的问题：模型如何路由，数据如何连接，智能体如何编排，算力如何调度，成本与风险如何持续运营。

未来领先的数智化厂商，也不会只是模型厂商或硬件厂商，而是能够把芯片、服务器、网络、云平台、模型、数据和智能体组织成一个稳定生产系统的企业。

模型决定智能的上限，系统决定智能能否规模化交付。

趋势三：企业应用从Copilot走向Agent，组织开始进入”智能体化”

阶跃星辰董事长印奇在大会主论坛提出，2026年模型能力正在跨越关键临界点，AI能够独立执行的任务持续变长。智能体将从聊天工具进化为能够感知、规划、决策和执行任务的生产力单元。

他判断，智能体浪潮将带来三种结构性变化：

• 新系统：模型能力需要与智能体操作系统能力结合。Agentic OS负责连接模型、数据、工具、接口和设备，决定智能体能够执行哪些任务

• 新载体：电脑、手机、汽车和机器人可能成为同一个智能体在不同场景中的不同”身体”，智能可以跨终端连续存在和迁移

• 新网络：A2A网络将连接不同智能体，智能体将拥有身份、能力和信用，并自主寻找协作伙伴、组合任务甚至完成交易

7月18日，阿里云发布Agent Native Cloud以及AgentTeams、Agentic Computer等企业级产品。阿里云云原生应用平台负责人周琦提出，智能体正在成为企业新的生产要素，下一轮竞争不是谁拥有更多智能体，而是谁能把智能体变成可控、可复用、可协作、会进化的组织资产。

这句话准确描述了企业AI应用正在经历的转折：

• 第一阶段：AI助手，主要帮助员工搜索、总结、写作和生成内容

• 第二阶段：部门智能体，开始连接知识库、业务系统和专业工具，完成销售分析、代码开发、客户服务、投研、审计、采购等任务

• 第三阶段：流程智能体，智能体不再服务于某一个人，而是进入端到端业务流程，持续参与任务分解、跨系统调用、异常处理和结果交付

• 第四阶段：智能体化组织：一个人带领多个智能体，一个部门运营一组数字员工，多个智能体跨组织协同完成复杂任务

但企业从Copilot走向Agent，真正的难点不在于做出一个智能体，而在于重构流程。如果原有流程依然割裂、审批层级过多、数据质量不足、系统接口封闭，那么智能体只会成为覆盖在旧流程之上的新工具，甚至制造新的成本和风险。

因此，企业需要建立智能体运营体系，持续管理智能体的身份、权限、任务、成本、质量和业务结果。未来可以使用日活智能体DAA、任务完成率、一次执行成功率、人工接管率、有效Token成本和业务结果贡献等指标，衡量智能体是否真正进入生产系统。

未来企业竞争的重点，不是拥有多少AI应用，而是有多少核心流程能够由人与智能体共同稳定运行。

趋势四：AI从数字世界进入物理世界，具身智能首先重构制造业

从数字世界走向物理世界，是本届WAIC最集中的主题之一。

复旦大学通用物理智能研究院院长苏昊指出，当前大模型主要从语言、图像和视频中学习，但这些数据并不能让机器真正理解质量、力量、摩擦和接触等物理属性。物理智能不会在某次发布会上突然出现，而可能像电气化一样，首先进入工厂和仓库，然后进入商业、医疗和家庭。

苏昊特别强调：通用性可以是终点，但可靠性才是产品化的起点。一个工程系统从99%的可靠性提高到99.9%，每增加一个”9″，都需要付出巨大的数据、工程和供应链努力。

• 智元机器人合伙人姚卯青：具身智能短期内更容易落地在高频、刚需、确定性较强并具有一定容错空间的任务

• 它石智航创始人陈亦伦：制造业数据密度高、任务结果明确，并积累了大量操作数据，是具身智能训练和商业化的理想起点

这解释了为什么本届WAIC机器人展台发生了明显变化：过去机器人主要展示跑步、跳舞和后空翻，今年越来越多机器人开始展示上下料、装配、分拣、质检、仓储、咖啡制作和家庭服务。机器人竞争开始从”能不能完成动作”，转向”能不能稳定工作”。

对传统行业而言，具身智能并不意味着马上采购大量人形机器人，而是要按照物理世界的复杂程度逐步推进：

• 第一步：从机器视觉、智能质检、预测性维护、自动搬运等单点任务开始

• 第二步：把视觉模型、工业软件、机器人和生产流程连接起来，形成感知、决策、执行和反馈闭环

• 第三步：通过真实部署持续积累行为数据，构建行业世界模型，提高机器人面对不同环境和任务的泛化能力

制造、物流、能源、矿山、建筑和医疗护理等行业，由于存在危险、重复、繁重或者长期缺人的任务，将成为物理智能率先创造价值的领域。

具身智能的真正拐点，不是机器人完成一次精彩演示，而是可以每天稳定工作八小时，并不断从现场数据中学习。

趋势五：AI从”学习人类知识”走向”发现未知知识”

如果说具身智能是AI进入物理世界，那么科学智能则是AI进入未知世界。

中国工程院院士、之江实验室主任王坚在主论坛提出，下一代基础模型的重要突破可能不再只来自语言数据，而是来自科学数据。

目前大量AI科研应用仍然集中于阅读论文、总结文献和生成报告，但真实科学知识还存在于光谱、地震波、声波、化石记录、遥感影像和实验数据之中。王坚认为，未来科学基础模型需要把文本、代码和科学数据放到同一个模型空间，AI才有机会突破人类已经写下来的知识边界。

上海人工智能实验室主任周伯文则提出，AI的使命应从加速科研自动化，走向以复杂科研任务牵引高阶智能。他把科学研究视为继代码之后推动模型认知能力继续提升的重要训练场。

上海AI实验室在大会上发布“书生·端砚”科学发现平台，将科学大模型、专业分析工具、实验数据和自动化实验设备连接起来，覆盖从提出假设到实验验证的科研过程。目前平台已在生命科学、关键材料、半导体、核聚变、量子和地球气象等六大核心科研领域展开应用。

这意味着AI for Science正在经历三个阶段：

• 第一阶段：科研助手，帮助科学家查文献、写代码和整理数据

• 第二阶段：科研智能体，能够完成数据分析、模拟计算、实验规划和结果验证

• 第三阶段：自主科学发现系统，能够提出假设、设计实验、调用自动化设备、分析结果并继续修正假设

英矽智能创始人介绍，人工智能已经进入靶点发现、分子设计和临床前研究等环节。传统早期药物发现平均需要约4.5年，而在AI和自动化技术支持下，部分项目从启动到形成临床前候选化合物的周期可以缩短至12至18个月。

对制造、能源、医药、材料、农业和消费品企业而言，这一趋势的意义极大：AI带来的价值将不再局限于降低后台运营成本，而会进入新产品研发、配方设计、材料发现、工艺优化和工程仿真等创新环节。

过去企业使用AI，主要是让已有业务运行得更快；未来企业使用AI，还要让未知的产品、技术和解决方案更早被发现。

AI正在从知识的阅读者和整理者，逐步走向知识的实验者与创造者。

趋势六：治理从AI的”外围约束”变成智能系统的核心能力

随着AI从回答问题走向自主行动，风险的性质也发生了变化。

图灵奖得主约书亚·本吉奥在大会主论坛提醒，人工智能在推理、数学、编程和科研方面快速进步，未来可能出现比人类更加聪明的计算系统。但社会尚未为自主性更强的智能体做好充分准备。

智能体的价值来自自主行动，但自主性越强，网络攻击、舆论操纵、专业能力滥用和失控风险也可能越高。本吉奥提出，AI系统发布前应充分证明安全性，重大风险决策不能完全由企业自行决定，同时AI创造的财富和收益应更广泛地惠及不同群体和国家。

清华大学薛澜指出，机器无法真正承担法律和道德责任，因此涉及价值判断的问题不能完全交给AI。建议进一步明确AI安全红线，建立风险监测和预警机制，并增加对AI安全、伦理和社会影响的研究投入。

产业界也在把治理能力嵌入产品架构。阿里云在7月18日发布AI Agent安全实践，提出覆盖基础设施层、模型层和应用层的一体化防护体系，将风险识别、实时防护、身份认证、最小权限和攻击溯源纳入智能体全生命周期。

这意味着企业AI治理正在从制定原则，转向建设可运行的技术体系。

未来企业的智能体治理至少需要包括六项能力：智能体身份管理、最小权限控制、数据与知识访问边界、模型与任务评测、全过程日志与审计，以及关键决策中的人工介入。

尤其在金融、医疗、能源、交通和公共服务等高风险行业，企业不能等智能体出现问题以后再补安全能力，而要在流程设计阶段明确：

• 智能体代表谁行动

• 能够调用哪些工具

• 可以访问哪些数据

• 最多可以花费多少资源

• 出现异常由谁接管

• 最终责任由谁承担

AI可以替人完成部分行动，但不能替人承担最终责任。治理能力不是AI创新的刹车，而是企业规模化使用AI的许可证。

六大趋势背后的共同逻辑：AI开始重构生产系统

把这六大趋势放在一起，会发现2026年WAIC传递出的并不是六个相互独立的热点，而是一条完整的产业演进路线：

• 基础模型提供认知能力

• 算力系统提供生产能力

• 智能体进入业务流程

• 机器人进入物理世界

• 科学智能进入研发体系

• 治理体系保障整个系统安全运行

由此，企业数智化转型也开始从”系统数字化”迈向”生产智能化”。

过去的数字化转型主要把业务流程搬到软件和云平台上；AI时代的数智化转型，则要让软件系统能够理解业务、生成方案、执行任务和持续学习。

这场转型最终将改变四个企业基本要素：

• 改变劳动：员工从亲自完成所有任务，转向定义目标、管理智能体和处理复杂例外

• 改变流程：流程不再只是固定节点和审批规则，而会变成可以根据任务和环境动态调整的智能流程

• 改变组织：组织边界将从人与人的协作，扩展为人与智能体、智能体与智能体之间的协作

• 改变价值衡量：企业不能只统计部署了多少模型、消耗了多少Token，而要衡量智能体完成了多少有效任务、交付了多少业务结果、创造了多少收入或成本节约

结语：AI超级周期的上半场是能力，下半场是重构

2026年WAIC最重要的启示是：AI产业的上半场主要解决机器”能不能思考”，下半场则要解决机器”能不能进入真实世界并可靠工作”。

模型能力仍然重要，但决定企业最终竞争力的，将是能否把模型转化为智能体，把智能体嵌入流程，把流程连接到物理设备和科研体系，并通过治理机制确保整个系统安全、可控和可持续。

从这个角度看，AI超级周期并不是一次普通的信息技术升级。它正在同时重构企业的生产工具、生产流程、组织关系和价值分配方式。今天企业需要思考的，已经不再是”要不要使用AI”，而是：当AI成为新的生产力单元，企业准备如何重新设计自己的业务和组织？

未来真正的领先者，不一定是拥有最大模型、最多智能体或者最高算力的企业，而是能够最早建立起”业务价值—智能体执行—数据反馈—持续进化—安全治理“闭环的企业。

AI超级周期的上半场属于技术创新者，下半场将属于那些敢于重构自身的企业。

—

🔗 阅读原文

从2026上海WAIC看AI超级周期下数智化转型的6大趋势