随着WAIC 2026的圆满落幕，这场人工智能领域的顶级盛会不仅刷新了历史记录，更以其空前的规模与影响力，成为了全球科技界瞩目的焦点。为期四天的展会，在世博、张江、西岸三大区域四大展馆内，汇聚了超过1100家领军企业，共同展示了超过3000项前沿科技展品，其中不乏300余款全球首发新品，展现了人工智能技术的蓬勃生机与无限可能。

本届WAIC不仅规模宏大，展览内容更是达到了前所未有的丰富度。从具身智能到超节点技术，从端侧AI到智能体设备，各类创新产品琳琅满目，各家企业通往AGI（通用人工智能）的路径也呈现出百花齐放的态势。在产业视角下，技术路径的分化与分工合作的趋势日益明显，AI领域的广阔天地为各类创新提供了肥沃的土壤。以强大算力基建为支撑，毫米级空心电机、高精度触觉部件等尖端技术纷纷亮相，标志着AI技术正逐步渗透至生产生活的每一个角落。

然而，在这场科技盛宴的背后，人们的心情却显得尤为复杂。其中，FOMO（害怕错过）情绪尤为显著，成为贯穿整届展会的主旋律。

技术迭代的速度之快，已从以年为单位缩短至月乃至周，这使得无人能够置身事外，尤其是与AI技术紧密相连的投资人群体。据徽声在线记者观察，本届WAIC上，投资人的身影明显增多，他们不仅关注技术本身，更致力于捕捉行业趋势，寻找下一个“英伟达”或“苹果”。毕竟，在这个日新月异的时代，错过一次机遇就可能意味着与未来失之交臂。

面对技术攀登的高度逐渐超越普通人的认知范畴，人们寻求确定性的方式也趋于两极分化：一部分人寄希望于行业领军人物的预测与指引，视他们为预言家；而另一部分人则更看重企业的实际行动与成果，期待他们成为推动技术落地的实干家。实际上，这两种想法并不矛盾，大多数人既希望了解未来趋势，也关注技术的实际应用价值。

以下，我们将通过几个关键场景，深入剖析这届史上最热的WAIC，探讨技术与产业的融合发展，以及人在其中的角色与作用。

狂欢背后的投资热潮

WAIC的热度，首先体现在投资人对门票的疯狂抢购上。

在展会开幕前两周，WAIC的门票便在投资人圈子里悄然走俏，这一现象在以往实属罕见。第三方交易平台上，原本单日百余元的门票价格被炒至千元以上，其他价格档位的通行证、论坛票也纷纷水涨船高，涨幅惊人。

即便如此，一级市场的从业者们依然趋之若鹜，不惜自掏腰包、一掷千金，只为亲临现场感受这场科技盛宴的氛围。

“今年一级市场的FOMO情绪比往年都要浓烈，大家普遍感到焦虑。”刘武（化名）在一家新兴科创银行担任副总裁，专注于模型与具身智能赛道的投资。他坦言，四天的展会他只抢到了两天的门票，“前几年哪需要这样抢票啊？”

开幕首日晚，某知名科技投资机构在上海举办了一场交流活动，原本预计接待150人的场地却吸引了超过1500人报名。随着审核标准的不断提高，最终只有VP级别以上的投资人和部分特邀嘉宾得以入场。主办方不禁感叹：“这简直就像是在过狂欢节一样！”

更令人惊叹的是，像这样的活动在WAIC 2026的首日晚还有近百个之多，足见投资人对AI技术的热情与追捧。

对于一级市场的投资人而言，WAIC在一众展会中具有无可替代的地位。由于AI技术的迭代周期极快，除了WAIC之外，几乎没有其他展会能够汇聚整个产业链上下游的公司，全面、细致地展示AI技术的最新成果。

因此，来WAIC逛逛成为了大机构投资人们查缺补漏的首选。他们希望通过亲临现场，发现那些可能被遗漏的新公司、新技术和新业态。

当然，也有一些投资人直奔主题而来，寻找投资机会。开展第二日下午，在灵心巧手的展位上，徽声在线记者正与技术人员探讨数据采集问题时，一位中年投资人突然插话：“你们还需要融资吗？”

在主场馆的H1、H2和H3区域，这样的提问往往收效甚微。一方面是因为这些区域设展的企业大多已经到了IPO前后的阶段；另一方面，即便公司融资刚到B轮、C轮，其投资人列表也会是一个非常豪华的阵容。

打开近一年任何一家明星公司的融资公告，投资方列表中不乏国资基金、地方引导基金、险资机构、产业资本、头部VC以及老股东跟投等身影，名单动辄拉出十几家甚至二十多家机构。

今时不同往日，明星公司在融资时的话语权明显提升。在双向选择的过程中，除了资金之外，企业还会综合考虑资方的背景、产业资源等因素。

与主场馆的企业相比，H4展区的企业或许更对一些小机构投资人的胃口。这里呈现出一种更加天马行空的活力感，每个人都想抓住这四天的机会，将自己的想法讲给路过的人听。

火热程度依旧超预期。在H4展区逛了一下午后，周亦（化名）在闭展前提早离场了。作为一家投行的投资人关系专员，她展会第二天下午才入场，绕场一周后不禁感叹：“一家量子相关的公司，天使轮就集齐了三家FA（咨询公司）为他服务，真是太厉害了！”

技术落地：从实验室到真实场景

随着看不懂的技术越来越多，人们在真实世界中寻找人工智能对应坐标的渴求也日益强烈。走出视频演示的范畴后，AI究竟能帮我们解决哪些实际问题？

行业也恰好走到了能够初步回答这一问题的节点。本届WAIC上，让AI在真实场景中落地成为了共识。

在具身智能领域，数十台人形机器人走下舞台，在临时搭建的场景中真实地“搬砖”。在超过30摄氏度的嘈杂环境中，人已经感到不适，但机器人仍在持续作业，展现了其强大的适应能力和稳定性。

蚂蚁集团搭建的智慧药房中，三台不同品牌的机器人在统一“大脑”的指挥下，仅用90秒就完成了取药打包的任务；乐聚机器人展示的几款机器人工时“饱满”，从早到晚不停地执行上料、搬箱等任务；星动纪元更是直接搬上了一条物流分拣作业线，作为行业首个完成PMF（产品市场匹配）验证的具身物流落地方案，该方案已携手顺丰、中国邮政两大物流标杆企业，在全国十余个物流中心实现了常态运营。

乐聚机器人复刻的工厂上料场景 图片来源：徽声在线记者 黄海 摄

尽管整个场馆内唱歌、跳舞、弹吉他的机器人依然存在，但它们已经无法满足技术极客们的胃口。“都2026年了，怎么还在（跳舞）？”某具身智能相关产业的技术人员直言不讳地表示。

比起表演性质的内容，极客们更关心的是具身智能的AGI到底何时才能到来。当大语言模型已经在数字世界完成了“知识规模化”的跨越时，人工智能的下一幕必须发生在真实世界——那个充满摩擦力、重力、不确定性和昂贵试错成本的物理世界。

对于这个问题，智元合伙人、具身业务部总裁觅蜂科技董事长兼CEO姚卯青给出了自己的看法：“模型决定起点，数据定义终局。只有飞轮真正转动起来，智能涌现才会出现。”至于具身智能的ChatGPT时刻究竟何时才能到来，业内给出的答案是短则两年、长则五年。

从目前来看，具身智能所需要的数据量还远远不足。姚卯青透露，据测算需要1亿小时级别的数据才能够让机器人掌握对物理世界通用运行规律的理解。而要达到开箱即用的效果，则需要70%—80%的零样本成功率。

数据采集也并非易事。奥比中光数据采集产品负责人炎帝认为，高质量数据是具身智能规模化落地的关键瓶颈，而深度是其中最难采集、也最有价值的一维。

比如在视觉采集方案中，机器人训练需要采集带有真实空间尺度、时间关系和交互过程的物理世界数据。尤其在精细操作场景中，手部遮挡、物体反光、透明材质及小物体边缘等问题容易造成深度信息缺失，直接影响数据的可训练性和后续模型表现。

在更细分的触觉数据领域，有厂商将视触觉传感器融合到指尖，通过一次次的触摸、拿起、放下等动作，让机器人理解物理世界的多元性，并尽可能习得人类与生俱来的天赋——用恰当的力与真实世界进行交互。

至于更大语境下的物理世界，也需要基建厂商的加入和赋能。本届WAIC上，海康威视推出了观澜大模型技术体系，期望通过强大的物联感知和认知能力洞察万物的状态和规律，帮助物理世界和数字世界实现更好地联接。

AI Native：智能终端的新篇章

同样面临上述问题的还有其他智能体终端，如智能汽车、AI眼镜以及AI手机等。人们追求的不仅仅是一个大模型套壳的硬件产品，而是真正的AI Native（AI原生）智能终端。

在理想状态下，AI终端产品的链路应该能够倒过来设计：智能体长出身体而非硬件长出脑子。这意味着智能终端需要具备自主感知、理解和决策的能力，而不仅仅是执行预设的指令。

被一系列形态各异的AI终端轰炸两三年后，消费者已经不再为猎奇而买单。他们更关心的是参数之外的实际体验：一个智能终端究竟能如何帮助人们办事？如何让人们过得更好？

7月，智能体手机成为了最受关注的AI终端之一。随着国内7款AI手机顺利通过备案，业内普遍认为属于智能体手机的时代已经来临。

与传统智能手机不同，高通公司全球副总裁、中国区研发负责人徐晧认为智能体带来的不仅仅是交互方式的升级，更是对终端设计理念的一次重构。设备需要从等待指令的“被动响应”转向能够理解环境和用户需求的“主动服务”。

而要做到主动服务，意味着手机需要长期处于“准备工作”的状态，在用户授意的场景里与之形成长期记忆，用来长期理解用户的习惯、偏好和当前场景。这要求手机具备强大的数据处理和存储能力以及高效的能源管理系统。

从智能体的需求反推，智能体手机在硬件维度上就需要做到视觉、听觉传感器持续在线，同时不能明显增加功耗和带来发热问题。同时，大模型需要在端侧实时运行，与云端之间的配合也要足够迅速和稳定。

这是基于AI Native生发出的新趋势，也适用于手机之外的几乎所有智能体设备。比如本届WAIC上头部AI眼镜厂商不约而同地提到了可以形成长期记忆的“智能体眼镜”。这种眼镜不仅能够记录用户看到的画面和声音信息，还能够根据用户的习惯和偏好提供个性化的服务和建议。

同样的想象还存在于智能座舱、智能耳机、智能手表以及大量还未诞生的智能体终端身上。有种观点认为未来的智能体终端或许已经不再需要屏幕作为交互界面，甚至可能长得就像一个花瓶或是一个盒子。它们将通过语音、手势、眼神等多种方式与用户进行交互，提供更加自然和便捷的使用体验。

但在端侧AGI到来之前，行业还需要在模型与硬件两个维度上进一步探索和突破。端侧AI的最大限制在于终端设备有限的算力、功耗和内存等资源。要跨过这些难点需要模型、芯片、主机等厂商的紧密合作和共同努力。

一个有趣的细节是，在当下的端侧AI行业内已经鲜少再听到如“灵魂说”般的论调。这或许昭示着一个趋势：通往端侧AGI的路上，路线之争始终存在，但分工协作将成为常态。只有各厂商发挥各自的优势和特长，共同推动技术的进步和应用的发展，才能够实现AI技术的真正落地和普及。

（文中刘武、周亦为化名）