WAIC 2026 观后感：AI 终于不秀了，开始干活了

开场白：今年画风真的变了

如果你从 2024 年一路追着 WAIC 看过来，今年走进展馆的第一感受一定是：画风变了。

前两年，展台上围满了举着手机的观众，等着看机器人翻跟头、跳集体舞、用大模型写诗作画。掌声和惊叹声此起彼伏，但聊到落地，大家又默契地沉默。

2026 年 7 月 17 日至 20 日，WAIC 在上海如期举行。10 万平方米展区、1100 余家参展企业、4000 余项展品、超 400 项全球首发——数字依旧震撼。但最打动人的不是规模，而是气质的转变。

机器人不再表演才艺，而是在展台上搭起的"生产线"里埋头装配线束；观众不再问"它能干嘛"，而是直接问"多少钱""什么时候能用"。大模型厂商不再比拼参数，转而展示智能体如何帮你做 PPT、填报销单。

走完三天会场，我梳理出四条最清晰的产业趋势。它们共同指向一件事：AI 终于从"看热闹的旁观者"变成了"真上手干活的行动派"。

趋势一：算力——从"拼单卡"到"超节点"

走进 H2 技术与创新馆，迎面而来的是一组组巨型算力集群。

往年 WAIC 算力展区，厂商们挂在嘴边的关键词是"单芯片算力""显存带宽"——拼的是纸面参数。今年风向彻底变了：所有头部厂商的展示重点，都从单芯片性能转向了整套系统的交付能力。

华为首次公开展出了业界最大规模超节点真机——昇腾 950（Atlas 950 SuperPoD）。这台黑色庞然大物支持 1024 张算力卡高速互联，实现了"像一台计算机一样协同工作"的效果。在进行万亿参数大模型训练时，系统无需反复等待数据搬运，整个算力集群可以像同一台计算机那样协同运作。

中科曙光带来了首个全国产十万卡 AI 超集群"曙光 8000"，实现芯片、计算、存储、网络、散热、应用、服务全链路自研，入选本届大会"镇馆之宝"。中兴通讯的 OEX 超节点首次亮相，正交无背板设计实现零线缆互联，互联成本降低 80%。阿里云、沐曦、摩尔线程、壁仞科技、百度智能云等厂商也纷纷亮出超节点方案。

鹏城实验室联合全球计算联盟在大会现场发布的《超节点定义与实践白皮书》，给这个"新物种"下了权威定义：超节点是一种由多个计算节点通过高效互联协议紧密连接、具备跨节点统一内存编址能力、逻辑上具备"一台计算机"特征的计算系统。

用更通俗的话讲：过去芯片之间协同，好比一群人隔着围墙传话；超节点相当于直接推倒围墙，搭了一条高速通道。

这背后的驱动逻辑很清晰。全球 AI 算力已陷入多重瓶颈：冯·诺依曼架构天然存算分离导致的数据搬运损耗、算力需求指数级增长与机房空间能耗的物理约束、各地算力中心缺乏统一调度标准。单卡性能再强，也无法独立解决这些问题。算力竞争已经进入"拼系统"时代。

一个值得关注的信号：DeepSeek 在技术报告中透露，随着昇腾 950 超节点批量上市，DeepSeek-V4-Pro 模型价格将大幅下调。这意味着超节点的规模化落地，正在从底层推动国产大模型服务成本下降。

趋势二：机器人——不秀了，干活吧

今年 WAIC 为具身智能单独设立了 H3 展区，超过 200 家企业参展，数量比去年翻了一倍多。

最大的变化是什么？机器人不再当"表演者"，而是当"打工人"。

它石智航按 1:1 比例把汽车线束装配产线搬进了展馆。机器人连续完成取线、布线、插接——线束柔软易变形，装配精度要求达到亚毫米级别。魔法原子的轮式人形机器人 MagicBot D1 在模拟货架间穿行，识别不同高度的物料、精准抓取后定点转移。几步之外，机械臂正在演示叠盒封胶，遇到偏移后毫秒级重规划路径。

家庭场景同样热闹。启元机器人展出的启元 T1，是全球首款可变形个人机器人——轮足人形和四足形态自主切换，室内是居家助手，出门能变机器狗跟随拍摄。一些人形机器人的机械臂，已经开始尝试理解"收拾客厅"这类模糊指令，并自主拆解为多个步骤执行。

观众的反应也变了。掌声变少了，询价的变多了；围观表演的人少了，围着技术人员讨论落地细节的专业观众多了。

复旦大学苏昊教授在主论坛上的一句话让我印象深刻："今天的 AI 会写诗、会写代码、会做 PPT，但它帮不了一位老人翻身。智能的价值大多还停在数字世界，可人最沉重的那些需求全部在物理原子世界。"

当然，演示和产品之间仍然隔着漫长的工程链路。真实环境中，光线变化、物品形变、人员闯入、设备老化，都会带来干扰。机器人完成一个动作不难，难的是在真实现场连续、稳定地把事情做好。业内专家的预期普遍在两到五年——具身智能的下半场是"高热度、高投入、高试错、高不确定性"并存。

趋势三：模型——从"内容生成"走向"物理推演"

前两年 WAIC 的大模型赛道，卷的是文本、图像、视频生成。今年全场核心焦点转向了一个更硬核的概念：世界模型。

"世界模型是物理 AI 发展的核心引擎，其核心能力是预判与推演。"中国科学院工业人工智能研究所研究员徐凯如此定义。

为什么世界模型突然火了？因为具身智能大模型碰了壁。数字世界模型失误，最多生成一张奇怪的图；物理场景下智能体预判偏差，可能带来不可逆的真实损失。行业急需一个能在复杂不确定环境中降低机器人试错成本的"物理大脑"。

论坛现场发布的开悟世界模型 3.1（Kairos 3.1），依托混合 Transformer 架构，将视觉观测、语言指令、力触状态、策略轨迹等多维数据压缩进统一隐空间，让机器人不仅复刻预设动作，还能预判自身操作对周边物理环境造成的影响。生数科技的 MotuBrain 则聚焦动态物理运动认知，能实时捕捉人体关节与受力变化。

智元机器人合伙人姚卯青在圆桌讨论中直言："今年世界模型虽然火爆，但大多数仍停留在视觉生成层面，数据类型错配和数据不足是两大瓶颈。"

南京大学周志华院士提出了一个务实的路径：先用少量高质量数据搭建一个较为可靠的世界模型，通过与世界模型交互替代与现实世界交互形成决策，再投入真实场景测试——这样能把试错成本大幅压缩，再持续迭代优化。

趋势四：智能体——从"单人答题"到"团队协同"

今年 WAIC 评出 10 件"镇馆之宝"，百度的通用智能体"百度搭子"位列其中。记者对它说"整理一下这周国内 AI 行业的大新闻，分好类做成简报"，它自己搜资料、筛选归类、排版成文，一套流程跑完。

金山办公的灵犀专业版和 WPS Comate，不再是你写一句它补一句——你交代个任务，它自己排版、做表、找素材。苏州智慧芽则走了专业路线，帮研发人员查专利、分析竞争对手技术，把以前几天的检索工作压缩到几小时。

云知声创始人黄伟的比喻很形象：大模型是 AI 的"脑子"，智能体给这个脑子配上了"手和脚"——会规划步骤、会用工具、会跟外界打交道，做完了还能自己检查对不对。

中国信通院院长余晓晖总结了三个变化趋势：以前比单个智能体有多聪明，现在看整套系统能不能配合好；以前学完就定型了，现在能边用边进化；以前单打独斗，以后多个智能体还能组队协作。

观众的提问方式也变了。去年大家爱问"你会写诗吗""你能翻译吗"——考的是知识面。今年开口就是"这个能帮我做 PPT 吗""报销单它能自动填吗"——关心的全是能不能省自己的事。

不过，热闹归热闹。IDC 预测全球"数字员工"数量将快速增长，但智能体要真正走进日常，还有不少硬功夫要磨：真实工作数据不够多、不同任务之间没法通用、干得好不好缺少及时反馈。安全方面，智能体自主性越强、能调用的工具越多，风险也越复杂——它要是自己乱发消息怎么办？多个智能体互相配合会不会出乱子？

写在最后

三天逛下来，最大的感受是：AI 行业正在经历一场"祛魅"。

不再有人追问"AI 能不能替代人类"这种宏大命题。大家关心的变成了：能不能帮我把这周的周报写了？能不能让产线上的机器人少出一次错？能不能把大模型的价格再打下来一点？

从炫技到务实，从"秀肌肉"到"交作业"，这条路 AI 走了好几年。2026 年的 WAIC，可能正是这个转折点上的一座里程碑。

期待明年的展台上，能有更多真正"用得上"的东西。