WAIC 2026圆满收官，这无疑是有史以来规模最为宏大、参与人数创下新高的一届世界人工智能大会。在为期四天的盛会中，超过1100家企业齐聚世博、张江、西岸三地的四大场馆，带来了多达3000余项的精彩展品，其中超过300款产品更是首次亮相，令人目不暇接。

这届WAIC不仅规模空前，展览内容也是极为丰富多元。从具身智能到超节点技术，从端侧AI（人工智能）到智能体设备，各类前沿产品应有尽有，各家通往AGI（通用人工智能）的路径更是呈现出“百花齐放”的繁荣景象。在产业视角下，路径开始分化，分工成为不可逆转的趋势。AI的舞台足够广阔，以吨计量的算力基建、毫米级别的空心电机、观测入微的触觉部件等，都已经正式登上了WAIC的主舞台，成为瞩目的焦点。

与此同时，这届WAIC也是人们心情最为复杂的一届。在各类情绪交织中，FOMO（害怕错过）情绪尤为显著，成为了一道独特的风景线。

技术迭代的速度已经从以年为单位，迅速缩短至以月乃至周为单位，没有人能够置身于“AI”的浪潮之外。这种焦虑情绪随着人与AI技术的贴近程度而不断加剧。据徽声在线记者观察，这届WAIC上，投资人的身影明显增多。他们来到这里，学习技术固然重要，但更重要的是捕捉行业趋势，寻找下一个英伟达或是苹果这样的潜力股，以期在未来的竞争中占据先机。

在FOMO情绪的笼罩下，当技术向上攀登的高度逐渐超越普通人的观测视野时，人们捕捉确定性的方法自然而然地分为了两派：一部分人希望每个领域的领军人能够给出预测，成为指引未来的预言家；另一部分人则更希望企业能够脚踏实地，先让技术落地生根。这两种想法其实并不矛盾，大多数情况下，人们都渴望能够同时拥有这两方面的信息。

以下是一些关于这届史上最热WAIC的时空切片，它们既关乎技术与产业，也关乎每一个参与其中的人。

狂欢盛宴

WAIC的热度，首先从投资人抢票的火爆场面中可见一斑。

大概在开展前两周，WAIC的门票就在投资人圈子里悄然走俏，这在以往是难以想象的事情。在第三方交易平台上，原本单日百余元价格的门票被炒至千元之高，其他价格档位的通行证、论坛票价格也大多翻了几番，足见其火爆程度。

即便如此，一级市场的从业者们仍然趋之若鹜，哪怕需要自掏腰包、一掷千金也在所不惜。

“今年一级市场的FOMO情绪比往年都要浓重，大家普遍都感到焦虑。”刘武在一家新兴科创银行担任VP（副总裁），负责模型与具身智能赛道的投资工作。在四天的展会中，他只抢到了其中两天的门票。“前几年哪需要这样抢票啊？”他感慨道。

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。审核标准一再提高，最后，投资人准入的最低头衔被设定为VP级别，就连初创企业的CEO（首席执行官）都没能入场。“这简直就像是在过狂欢节一样！”主办方向徽声在线记者感叹道。

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，足见其热闹非凡。

对于一级市场的投资人来说，WAIC在一众展会中是无“代餐”的稀缺标的。由于迭代周期太快，除了WAIC之外，没有任何展会能够让整个产业链上下游的公司纷至沓来，同时集结在一处全面、细致地展示AI技术发展的最新成果。

因此，来WAIC逛逛成为了大机构投资人们查缺补漏的首选项。“我想去看一看有没有一些新的公司、新的技术、新的业态被我遗漏了。”某投行VP如是说。

也有些投资人则是奔着找机会而来。在开展第二日下午的灵心巧手展位上，徽声在线记者还在和技术人员探讨数据采集的问题时，一位中年投资人突然插话问道：“你们还要找融资吗？”

在主场馆的H1、H2和H3区域，这样的提问往往收效甚微。一方面是因为主场馆设展的企业大多已经到了IPO（首次公开募股）前后的阶段；另一方面，就算公司融资刚到B轮、C轮，其投资人列表也会是一个非常豪华的名单，竞争异常激烈。

打开近一年任何一家明星公司的融资公告，投资方列表——国资基金、地方引导基金、险资机构、产业资本、头部VC（风险投资机构）、老股东跟投等，名单动辄拉出十几家甚至二十多家机构，足见其融资之火爆。

今时不同往日，明星公司在融资时的话语权明显提高。在双向选择的过程中，除了资金之外，企业也在看重资方的背景、产业资源等等综合实力。

与楼上的企业相比，此次WAIC H4展区的企业或许更对一些小机构投资人的胃口。这里呈现出一种更为天马行空的活力感，每个人都想抓住这四天的宝贵机会，把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，周亦在闭展前提早离场了。周亦在一家投行做投资人关系工作，展会第二天下午才入场。绕场一周之后，她感叹道：“一家量子相关的公司，天使轮就集齐了三家FA（咨询公司）给他服务，真是太牛了！”

技术落地

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越来越强烈：走出视频以后，AI到底能帮我们解决什么问题？这成为了许多人心中的疑问。

而行业也恰好走到了能够初步回答上述问题的节点：这届WAIC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了舞台，在临时搭建的场景里真实地“搬砖”。在超过30摄氏度的嘈杂环境里，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实用性。

蚂蚁集团搭建的智慧药房则让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”，从早到晚都在忙碌地上料、搬箱；星动纪元更是直接搬上来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，该方案已经携手顺丰、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……这些案例都充分展示了AI技术在真实场景中的落地应用。

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

整个场馆里，虽然唱歌、跳舞、弹吉他的机器人依然存在，但很明显已经无法满足技术极客们的胃口了。“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说道。

比起表演，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、也最有价值的一维。比如视觉采集方案中，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，有厂商把视触觉传感器融合到指尖，用一次次的触摸、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原生时代

同样面临上述问题的还有其他智能体终端，比如智能汽车、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）产品。

在理想状态下，AI终端产品的链路最好能够倒过来设计，让智能体长出身体，而不是硬件长出脑子。这样才能更好地发挥AI技术的优势，为用户提供更加智能、便捷的服务。

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。他们更加关注参数之外的实际体验，想知道一个智能终端究竟能怎么帮人办事，如何让人过得更好。

以7月为例，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，智能体带来的不只是交互方式的升级，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，就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。这样才能提供更加个性化、智能化的服务。

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、带来发热等问题。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，以确保服务的及时性和准确性。

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”。这种眼镜能够记录用户的所见所闻所感，为用户提供更加丰富的交互体验。

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了，甚至可能长得就像一个花瓶或是一个盒子那样简洁美观。

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。端侧AI的最大限制在于终端设备有限的算力、功耗和内存等问题。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”般的论调了。这或许昭示着一个趋势：通往端侧AGI的路上虽然路线之争始终存在，但分工协作将成为常态。

（文中刘武、周亦为化名）