組委會 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

龍蝦、Harness……爆款一個接一個，Agent成了人人掛在嘴邊的突圍密碼。

2026年的AI，在狂飆、在分化、在落地，正從“工具”蛻變?yōu)椤吧a(chǎn)力系統(tǒng)”，從“生成內(nèi)容”走向“完成任務(wù)”。

@所有人，是時候馬上AI起來了！

近20位AI領(lǐng)軍人物齊聚第四屆中國AIGC產(chǎn)業(yè)峰會，直面行業(yè)最尖銳的追問：

• Agent會不會成為下一代超級入口？
• AI應(yīng)用真正的爆發(fā)點究竟在哪里？
• 多模態(tài)與空間智能將如何重塑未來交互？
• 當(dāng)模型日益趨同，真正的非共識機(jī)會藏在何處？

答案，在大會上被反復(fù)拆解。

大會熱度全程拉滿。線下會場人氣爆棚，不僅座無虛席，過道、墻邊都擠滿了觀眾；線上直播間熱度也持續(xù)高位，觀眾云端圍觀刷屏、互動熱議。

臺上是深耕AI賽道的一線操盤手與學(xué)術(shù)權(quán)威，輸出真實的行業(yè)洞察與技術(shù)研判；臺下是緊跟產(chǎn)業(yè)風(fēng)口的參與者與探索者，奔赴這場年度AIGC產(chǎn)業(yè)思想碰撞。

來，跟著量子位碳基編輯一起，看看這場“馬上AI起來”的高能大會，都給出了哪些關(guān)鍵信號。

中國AIGC產(chǎn)業(yè)峰會是由量子位主辦的行業(yè)峰會，近20位產(chǎn)業(yè)代表與會討論。線下參會觀眾超千人，線上直播觀眾近400萬，獲得了主流媒體的廣泛關(guān)注與報道。

方漢，昆侖萬維董事長兼CEO

大會上，昆侖萬維董事長兼CEO方漢首先帶來主題為《個人和企業(yè)如何應(yīng)對Agent沖擊》的分享。

以下是他的觀點精華提煉：

• 當(dāng)一個行業(yè)或者技能是閉環(huán)的，并且是可容錯的，那么它非常容易被替代。但你如果有判斷和品味，仍然能夠長期持續(xù)走下去。
• 燒多少Token，變得越來越有意思。普通員工每月耗數(shù)百萬至數(shù)千萬，AI Coding與技術(shù)人員可達(dá)數(shù)億到數(shù)十億，重度Agent使用者更是輕松月耗百億級別。Token已然成為AI時代的“電力消耗”。
• AI介入后，個人成長上升階梯被壓縮。過去，員工成長路徑清晰且有序，從職場小白，穩(wěn)步進(jìn)階。現(xiàn)在，要不是小白，要不是大神，中間態(tài)很難存在。中間那幾段“樓梯”消失，普通人成長之路會如何演進(jìn)，是一個值得觀察的現(xiàn)象。
• 有五種人AI永遠(yuǎn)無法替代：講故事的人、創(chuàng)造idea的人、定義美的人、構(gòu)建系統(tǒng)的人，以及重塑范式的人。
• 絕大多數(shù)行業(yè)做AI落地，要做第二名。第一名，要承擔(dān)極高的試錯與探索成本；第三名，吃不到行業(yè)紅利，還會被行業(yè)甩開。IT賽道，只能爭第一，這是一個非常殘酷的現(xiàn)實。但是，AI把所有人拉回到同一起跑線。

易正朝，風(fēng)行在線CEO

風(fēng)行在線CEO易正朝，則以《從AI編程到AI視頻，眾創(chuàng)才是AI生產(chǎn)力的核心杠桿》為主題分享了他的洞見。

以下是他的觀點精華提煉：

• AI為大文娛行業(yè)帶來了很大變化：第一，成本和門檻大幅下降，供給也變得豐富、挑戰(zhàn)也更高；第二，網(wǎng)文、IP形象、視頻內(nèi)容、互動、游戲等業(yè)態(tài)變得更加多元；第三，AI給視頻產(chǎn)業(yè)帶來的不僅是創(chuàng)作，更賦能文娛企業(yè)經(jīng)營運營；第四，內(nèi)容創(chuàng)作更重想象力篩選，眾創(chuàng)是必然選擇；最后，AI創(chuàng)作易讓人沉浸，但也將打通創(chuàng)作與消費的邊界。
• 作為AI應(yīng)用型企業(yè)，風(fēng)行在線有5個方向：堅信AI，但不碰模型；AI漫劇很火，但不是AI視頻全部；身為AI視頻公司，但成功更多來于AI編程；放大個體重要，但放大組織更重要；Agents很強(qiáng)，但眾創(chuàng)才是杠桿。
• 眾創(chuàng)是AI時代的社會結(jié)構(gòu)，現(xiàn)在企業(yè)不再是一個超級員工和超級Agents的容器，更多是要組織智力資源去撬動外部群體智慧，從而創(chuàng)造更多價值。
• 公司員工、數(shù)字員工、外部合作伙伴，這三種角色組成的眾創(chuàng)網(wǎng)絡(luò)，其實是一種社會化生態(tài)組織結(jié)構(gòu)。
• AI會放大執(zhí)行，也會放大自嗨，這是不管做Coding還是做內(nèi)容，都很容易產(chǎn)生的副作用，解藥就是交付結(jié)果。

林達(dá)華，商湯科技執(zhí)行副總裁、首席科學(xué)家

商湯科技執(zhí)行副總裁、首席科學(xué)家林達(dá)華，帶來主題為《從多模態(tài)統(tǒng)一到空間智能：邁向可感知、可生成、可行動的AI新前沿》的分享。

以下是他的觀點精煉：

• 無論時代變化多快，決定我們走多遠(yuǎn)的，始終是長期愿景。AI是一場長跑，唯有長期主義的支撐，才能真正抵達(dá)未來。
• 在企業(yè)級AI落地中，大模型本身并不是最關(guān)鍵的，真正的瓶頸在于如何將圖表、Excel、圖像、視頻、網(wǎng)頁、知識庫等多形態(tài)數(shù)據(jù)接入同一個AI系統(tǒng)——這部分往往占據(jù)企業(yè)應(yīng)用AI成本的70%以上。
• Agent是這個時代的引擎，但讓引擎在真實場景中發(fā)揮作用的關(guān)鍵，是它能否處理多種模態(tài)的能力。商湯小浣熊之所以能持續(xù)高速增長，正是因為它真正做到了從雜亂數(shù)據(jù)到可交付成果的端到端閉環(huán)，讓價值真正觸達(dá)用戶。
• 在數(shù)字空間之外，還有一個更廣闊的世界——物理空間。今天最頂尖的多模態(tài)模型，進(jìn)入真實物理空間時依然非常脆弱，這也是機(jī)器人難以走向通用化的核心瓶頸。打開物理空間的鑰匙，必須從第一性原理重新理解世界。
• 要真正突破空間智能，就必須把語言模型、視覺的理解與生成融合到同一個模型之中——讓一個模型既能做語言表達(dá)，也能夠生成視覺世界中的要素。
• 商湯新一代模型SenseNova U1把理解、推理與生成統(tǒng)一在一個全新的底座上，可以自如地在語言與視覺之間切換：用語言表達(dá)理解，用視覺表達(dá)想象，完成真正連貫的圖文交錯創(chuàng)作。
• “統(tǒng)一”本身帶來了全新的表達(dá)空間與可能性。它給生圖模型注入了思考，也給思考模型注入了想象。
• 未來真正的智能體，應(yīng)當(dāng)在一個“大腦”中同時完成數(shù)字空間的分析與物理空間的行動——既能綜合多模態(tài)信息做出決策，也能在物理世界中敏捷行事。數(shù)字空間與物理空間的交融，才是AI真正要去往的彼岸。

鄧亞峰，盛大集團(tuán)副總裁、EverMind CEO

盛大集團(tuán)副總裁、EverMind CEO鄧亞峰帶來主題為《長期記憶驅(qū)動的自進(jìn)化：從工具型AI到數(shù)字生產(chǎn)力系統(tǒng)》的分享。

以下是他的觀點精華提煉：

• 龍蝦像Agent時代的iPhone 4。它定義了一套產(chǎn)品范式，讓人第一次感到自己擁有了一個能72小時干活的AI賈維斯。但它不完美，需要被不斷更新和超越。
• Claude 4是Agent走向自主的關(guān)鍵節(jié)點。這個從Chat到Agent的范式轉(zhuǎn)變，最終讓Anthropic反超OpenAI，同時也給SaaS帶來了巨變。過去，SaaS交付的是流程和界面，今天更多通過message交付。
• Agent有兩個重要特征：自主和自進(jìn)化。而長期記憶是支撐這兩點的關(guān)鍵，解決三件事：1、把急劇擴(kuò)張的上下文抽象總結(jié)出來。2、記住用戶是誰、偏好是什么、目標(biāo)和價值觀是什么。3、基于此主動預(yù)測用戶可能需要什么。
• 當(dāng)模型越來越強(qiáng)，記憶反而會成為業(yè)務(wù)過程中，最容易沉淀下來的差異化資產(chǎn)。
• 如果AI真的對你了如指掌，那么它會成為一個全新的意圖分發(fā)入口。此時記憶沉淀就很重要了，它應(yīng)該屬于個人，應(yīng)該能在Codex、Claude Code、龍蝦等不同Agent間同步。

王曉野，亞馬遜云科技產(chǎn)品技術(shù)部技術(shù)總監(jiān)

亞馬遜云科技產(chǎn)品技術(shù)部技術(shù)總監(jiān)王曉野分享的主題則是《跨越Agent落地鴻溝：從最強(qiáng)模型到企業(yè)級AI Agent》。

以下是他的觀點精華提煉：

• 個人養(yǎng)龍蝦和企業(yè)養(yǎng)龍蝦是兩件事，企業(yè)要讓Agent安全、可信、穩(wěn)定地跑起來，中間有很多鴻溝要跨越。龍蝦這樣的Agent讓大家看到了河對岸長什么樣，但企業(yè)走到生產(chǎn)落地，還需要一座橋。
• 亞馬遜云科技認(rèn)為，企業(yè)構(gòu)建Agentic AI需關(guān)注五層：最底層是推理算力，其上是多模型選擇，再往上是企業(yè)數(shù)據(jù)和知識，然后是Agent構(gòu)建平臺，最上層則是可直接采購使用的Agent應(yīng)用。
• 在企業(yè)里，Coding Agent已經(jīng)很成熟了，Working Agent是下一個爆發(fā)點。亞馬遜云科技給出的答案是Amazon Quick，讓企業(yè)員工安全、敏捷、自由地使用Agent。
• Agent對數(shù)據(jù)管理提出了新的挑戰(zhàn)。記憶需要共享、隔離與并存，錯誤知識、老舊信息和自相矛盾的內(nèi)容都會影響Agent判斷。大家都在抱怨Token貴，很多時候不是單價貴，而是喂給模型太多沒用的信息。
• Agent場景下，Harness是除了模型之外的所有軟件基礎(chǔ)設(shè)施。好比模型是CPU，Harness把可使用操作系統(tǒng)放在一起，最終Agent呈現(xiàn)的是一個完整應(yīng)用的形態(tài)。Amazon Bedrock AgentCore就是Harness，它的核心價值，是讓用戶不用在Harness上花太多功夫，而是關(guān)注自己的業(yè)務(wù)價值。

GenAI Talk：對話螞蟻靈波科技首席科學(xué)家沈宇軍

此前，螞蟻靈波科技首席科學(xué)家沈宇軍曾在中關(guān)村論壇等公開演講中率先提出AIGA的概念，他指出：AI 2.0下半場，人工智能要從數(shù)字世界“娛樂”走向物理世界“干活”，從AI的Content生成走向Action的生成。

在上午的GenAI Talk環(huán)節(jié)，螞蟻靈波科技首席科學(xué)家沈宇軍，與量子位聯(lián)合創(chuàng)始人兼總編輯李根圍繞這一話題展開了一場深度對話，主題為《AI 2.0下半場：從AIGC到AIGA》。

以下是對沈宇軍的觀點精華提煉：

• 大模型踩中了互聯(lián)網(wǎng)過去幾十年的數(shù)據(jù)紅利，但機(jī)器人的物理世界數(shù)據(jù)還存在很大的空白，AI下半場更關(guān)鍵的是數(shù)據(jù)如何從數(shù)字世界過渡到物理世界。
• 想要做存在于物理世界的通用機(jī)器人大腦，關(guān)鍵的一環(huán)是空間感知能力。如何把傳感器的輸入變成更好的信息傳遞給模型，從傳感器的輸入開始去理解這個世界，很關(guān)鍵。
• 對于VLA和世界模型的技術(shù)路線之爭，首先無論技術(shù)路線怎么演進(jìn)，數(shù)據(jù)都是離不開的。其次，這兩條路都不會是終局。機(jī)器人數(shù)據(jù)量積累到一定程度的時候，二者一定會走向融合，催生出獨屬物理世界的模型。
• 判斷：1～2年后，會出現(xiàn)一些標(biāo)桿樣例，讓模型真實投產(chǎn)；2～3年，該樣例會被批量復(fù)制，越來越多產(chǎn)業(yè)會應(yīng)用模型；5～10年，機(jī)器人會嘗試以某種方式進(jìn)入C端；10年之后或者更久，機(jī)器人將真正普及到家庭。
• 機(jī)器人走進(jìn)千家萬戶的時候，就是具身智能的ChatGPT時刻。

邱錫鵬，復(fù)旦大學(xué)特聘教授、上海創(chuàng)智學(xué)院院長助理、模思智能創(chuàng)始人

復(fù)旦大學(xué)特聘教授、上海創(chuàng)智學(xué)院院長助理、模思智能創(chuàng)始人邱錫鵬，帶來了主題為《MOSS多模態(tài)模型及其推理優(yōu)化》的分享。

以下是他的觀點精華提煉：

• AI下一步發(fā)展的一個重要方向是多模態(tài)。未來更強(qiáng)的AI需要充分理解廣義context，也就是情境；我們會進(jìn)入一個泛情境智能時代，交互會成為其中非常重要的一部分。
• 面向?qū)崟r交互的多模態(tài)模型，需要處理更長的上下文、更復(fù)雜的視覺和音頻信息，也要滿足更高的實時推理要求。多模態(tài)token消耗遠(yuǎn)高于文本和Coding，對模型和推理框架都會提出更嚴(yán)格的要求。
• 視頻理解信息密度高，又涉及時序推理，是未來交互的核心能力。MOSS-VL采用cross attention結(jié)構(gòu)，讓視頻流持續(xù)輸入，文本模型按需獲取視頻信息，交互會更加自然。
• MOSS-Audio目標(biāo)是在更廣義的情境里，既要聽清語音內(nèi)容，也要理解場景、復(fù)雜推理和音樂等信息。MOSS-Audio在ASR、speech caption、帶時間戳ASR等任務(wù)上，已經(jīng)和最前沿的專門ASR模型處在同一水平線。
• MOSS-TTS覆蓋語音合成、輕量化、聲音設(shè)計、音效設(shè)計和實時性，核心是用純Transformer架構(gòu)編碼語音的audio tokenizer。MOSS-TTS開源后下載量已超過100萬，未來視覺理解、語音理解和語音輸出會合成一個面向情境交互的端到端模型。

胡維琦，MiniMax ToB中國區(qū)商業(yè)化負(fù)責(zé)人

MiniMax ToB中國區(qū)商業(yè)化負(fù)責(zé)人胡維琦，則帶來了主題為《Intelligence with Everyone-MiniMax AI探索實踐之路》的分享。

以下是她的觀點精華提煉：

• AGI是什么？Intelligence with Everyone，就是所有人都能用得起的AI。要實現(xiàn)這點，就得堅持大模型和應(yīng)用并行、ToC和ToB并重。
• AI公司首先要在內(nèi)部實現(xiàn)閉環(huán)，不要吝嗇Token補貼，放手讓員工自己用Agent去搭建自動化工作流。這個使用過程也會反哺模型研發(fā)。
• 與其焦慮、不如加入。企業(yè)如果想做AI實踐，最高效的方法就是直接動手去嘗試，并且要從員工最不愿意干的場景切入，這通常也是最有價值、內(nèi)部阻力最小的場景。
• AI會讓組織變得更扁平。產(chǎn)品可以直接出demo，再交由研發(fā)決定是否要做大批量生產(chǎn)。未來2到3年，AI會持續(xù)和各行業(yè)深度融合，改變生產(chǎn)力工具、商業(yè)模式和組織構(gòu)成。

朱廣翔，百度秒噠產(chǎn)品總經(jīng)理

百度秒噠產(chǎn)品總經(jīng)理朱廣翔，深入闡述了《“人人都是創(chuàng)造者”，讓想象力釋放生產(chǎn)力》。

以下是他的觀點精華提煉：

• AI創(chuàng)造了新市場，OPC、手搓經(jīng)濟(jì)成為現(xiàn)實。我們正處于第四次編程革命時代，編程從機(jī)器語言、匯編語言、高級語言一路走向自然語言，門檻持續(xù)降低。自然語言編程，讓創(chuàng)造者和開發(fā)者數(shù)量被極大放大。
• 秒噠背后是一群智能體在協(xié)作開發(fā)應(yīng)用。過去軟件開發(fā)里產(chǎn)品經(jīng)理、設(shè)計師、工程師、測試、運維、運營各自分工，現(xiàn)在都可以變成Agent。用戶扮演老板，發(fā)起命令，一群Agent干活，交付最終產(chǎn)物。
• 普通人正在成為新創(chuàng)造者的主力。秒噠的用戶中，87%是完全不懂代碼的人，16%是創(chuàng)業(yè)者，9.7%是產(chǎn)品經(jīng)理。OPC，即一人公司，已經(jīng)成為第一大人群，想象力正在釋放生產(chǎn)力。
• Vibe Coding真正實現(xiàn)了“大眾創(chuàng)業(yè)”。創(chuàng)業(yè)迎來第三波浪潮，1.0零工時代靠體力勞動增收，2.0內(nèi)容時代依托圖文、短視頻變現(xiàn)，3.0時代則憑借軟件開發(fā)與服務(wù)交付，解決實際需求實現(xiàn)盈利。
• 上海的一家企業(yè)，過去依賴12人的研發(fā)團(tuán)隊進(jìn)行軟件開發(fā)。使用秒噠后，企業(yè)重構(gòu)了原有的生產(chǎn)模式：由4位項目經(jīng)理分別負(fù)責(zé)不同行業(yè)，直接通過秒噠完成軟件交付。交付效率大幅提升，交付周期由“年”縮短至“月”。目前，該模式已經(jīng)幫助企業(yè)盈利50萬，還拿到了1000萬的超大訂單。

洪源，太初元碁首席產(chǎn)品官、高級副總裁

太初元碁首席產(chǎn)品官、高級副總裁洪源，分享了題為《國產(chǎn)AI算力筑基Token智能新未來》的見解。

以下是他的觀點精華提煉：

• 國產(chǎn)算力迎來發(fā)展機(jī)遇的同時，也要解決大規(guī)模集群服務(wù)能力、Agentic AI計算效率、生態(tài)三大問題，這也成為國產(chǎn)算力突圍的核心所在。
• AI算力的發(fā)展已經(jīng)不能單一堆性能、堆算力。大模型訓(xùn)練與推理正在走向萬卡乃至更大規(guī)模集群，算力廠商需要從硬件、互聯(lián)、軟件、調(diào)度、運維等全鏈條提升系統(tǒng)能力。
• 國產(chǎn)算力要服務(wù)好Token經(jīng)濟(jì)，就必須為開發(fā)者和行業(yè)客戶提供更好用、更易用的生態(tài)能力，無論是底層開發(fā)者，還是上層模型廠商、應(yīng)用廠商，都需要更順暢地完成模型遷移、訓(xùn)練、微調(diào)和推理部署。
• 芯片的核心優(yōu)勢不在于設(shè)計本身，而是用戶生態(tài)護(hù)城河。
• 伴隨Agent生態(tài)發(fā)展，AI計算已經(jīng)從內(nèi)容生成升級為任務(wù)生成。行業(yè)更需打通異構(gòu)協(xié)同能力，讓算力真正做到高效適配、落地可用。
• Token經(jīng)濟(jì)到來之后，AI對于算力的需求，就像我們?nèi)祟悓ρ鯕獾男枨螅懔κ茄鯕猓覀冊谧龅男滦突A(chǔ)設(shè)施，其實都是制氧機(jī)。我們也希望攜手產(chǎn)業(yè)鏈各方合作伙伴，共同為中國AI產(chǎn)業(yè)打造自主可控的“制氧機(jī)”。

黃超，香港大學(xué)助理教授、博士生導(dǎo)師

香港大學(xué)助理教授、博士生導(dǎo)師黃超，帶來了主題為《AI Agent范式變革的挑戰(zhàn)與機(jī)遇》的分享。

以下是他的觀點精華提煉：

• Agent的核心架構(gòu)本質(zhì)上是一個優(yōu)雅的ReAct循環(huán)：通過reasoning進(jìn)行任務(wù)規(guī)劃，action執(zhí)行具體工具調(diào)用，然后基于環(huán)境feedback調(diào)整策略。這個看似簡單的while循環(huán)框架揭示了一個重要洞察——通用Agent的能力并非全來自復(fù)雜的架構(gòu)設(shè)計，而是來自推理、執(zhí)行、反饋這一基本認(rèn)知循環(huán)的有效實現(xiàn)。
• ReAct架構(gòu)的泛化性源自其模塊化解耦：reasoning處理抽象推理，action負(fù)責(zé)具體執(zhí)行，observation提供環(huán)境反饋。Agent面對新任務(wù)時，通過重組已有的推理策略和行動原語來適應(yīng)新環(huán)境，實現(xiàn)真正的跨域泛化能力。
• 長程任務(wù)的本質(zhì)挑戰(zhàn)不在于執(zhí)行時間，而在于復(fù)雜性的指數(shù)級增長——場景多變、工具鏈路冗長、多子任務(wù)協(xié)調(diào)使得錯誤傳播成為最大威脅。這揭示了Agent的關(guān)鍵轉(zhuǎn)變：從“執(zhí)行指令”轉(zhuǎn)向“管理不確定性”，從調(diào)用單一工具升級為“工作流構(gòu)建者”，具備狀態(tài)管理、錯誤恢復(fù)和目標(biāo)追蹤的“全棧思維”。成功的Agent不是避免錯誤，而是預(yù)期錯誤并實現(xiàn)優(yōu)雅降級，能夠主動設(shè)計、持續(xù)監(jiān)控和動態(tài)優(yōu)化整個執(zhí)行過程，這正是將AI助手升級為強(qiáng)生產(chǎn)力協(xié)作者的核心所在。
• Agent需要learning from real tasks，在錯誤中不斷學(xué)習(xí)、感知自己錯在哪里，才能真正節(jié)約Token成本。這揭示了一個核心矛盾：研究Agent往往專注于探索能力上界，卻忽略了Token本身就是實際成本約束。
• 面向Computer Use Agent，GUI模式開銷大、準(zhǔn)確度也受限，CLI可能是通用Agent進(jìn)行computer use更優(yōu)的軟件交互方式。這揭示了人機(jī)交互范式的深刻變革：未來許多軟件的實際使用者將是Agent，而人類則更愿意專注于使用帶來愉悅體驗的GUI軟件。
• Agent自進(jìn)化可通過workflow優(yōu)化、skill沉淀和模型參數(shù)調(diào)優(yōu)幾條路線推進(jìn)，其中基于skill的進(jìn)化范式展現(xiàn)出最強(qiáng)的泛化性，但在Tool-Use層面仍面臨核心挑戰(zhàn)：如何精準(zhǔn)檢索粒度匹配的skill，以及如何進(jìn)化出適配不同場景的specialized skill。這揭示了skill-based進(jìn)化的當(dāng)下的難點——粒度與泛化性的權(quán)衡，過粗缺乏針對性，過細(xì)難以復(fù)用。

戴文軍，京東JoyInside業(yè)務(wù)負(fù)責(zé)人

京東JoyInside業(yè)務(wù)負(fù)責(zé)人戴文軍，則分享了他關(guān)于《從數(shù)字世界到物理世界，JoyInside開啟AI World》的洞見。

以下是他的觀點精華提煉：

• 大模型還沒有深度介入物理世界。未來硬件會像人一樣走進(jìn)物理空間，理解并滿足人的需求。在這個AI World里，技術(shù)是隱形的、溫暖的、善解人意的。
• 家是首選的AI World，因為它既是生活場所，也是情感紐帶。硬件成為可以陪伴、樂于分擔(dān)的家庭新成員。
• 家庭硬件的交互正在從一來一回的指令，走向像人一樣的服務(wù)：感知情緒，根據(jù)家庭需要做規(guī)劃，再主動提供幫助。比如學(xué)習(xí)臺燈、炒菜機(jī)器人、魔法打印機(jī)、智能床墊，都在重新定義硬件體驗。
• 從宏觀來看，人工智能正在從“算力堆積”向“價值創(chuàng)造”、從“大模型比拼”向“具身智能布局”轉(zhuǎn)向。在此背景下，AI硬件需要從創(chuàng)意走向真實好用的產(chǎn)品，讓天馬行空的創(chuàng)意真正變成用戶手中的商品。
• AI價值公式是“（模型×體驗×產(chǎn)業(yè)厚度）2”。產(chǎn)業(yè)厚度包括數(shù)據(jù)、業(yè)務(wù)復(fù)雜性、供應(yīng)鏈復(fù)雜性和運營經(jīng)驗，平方則是指產(chǎn)業(yè)厚度對AI價值的指數(shù)級放大作用。
• 京東將打造全球最大的物理世界運營中心，推動AI從千行百業(yè)走向千家萬戶。
• 依托于超級供應(yīng)鏈與細(xì)分場景的深度嵌入，京東構(gòu)建了從AI基礎(chǔ)設(shè)施、Business產(chǎn)業(yè)應(yīng)用到Consumer用戶體驗的全鏈路布局，讓數(shù)字技術(shù)融入物理世界創(chuàng)造真實價值。

馬孝武，輕松健康集團(tuán)執(zhí)行副總裁

輕松健康集團(tuán)執(zhí)行副總裁馬孝武，圍繞《從循證智能體到AI驅(qū)動的健康服務(wù)增長飛輪》展開分享。

以下是他的觀點精華提煉：

• 對AI行業(yè)來說，真正的窗口期，不在模型層，在垂直應(yīng)用層。下一階段被資本和市場反復(fù)定價的，不會是參數(shù)最大的模型，而是能在真實業(yè)務(wù)場景里被反復(fù)調(diào)用、被規(guī)則持續(xù)信任、被流程真正吸納的系統(tǒng)。
• 醫(yī)療健康是高合規(guī)要求的垂直行業(yè)，AI不能停留在泛回答。真正有價值的醫(yī)療AI，需要可解釋、可追溯、有完整結(jié)論，讓回答從流量化走向?qū)I(yè)化和證據(jù)化。
• AI不再只是信息提供者，它正在參與輔助診療、病癥識別和健康管理。核心能力也從生成答案，轉(zhuǎn)向生成可決策、可信任、能夠進(jìn)入服務(wù)流程的結(jié)果。
• AI在醫(yī)療里不能替代醫(yī)生做決定，它更像是給醫(yī)生足夠多的支持。醫(yī)生一方面依靠經(jīng)驗，另一方面依靠科學(xué)數(shù)據(jù)和證據(jù)展示，在真實決策場景里形成更穩(wěn)的判斷。
• 輕松健康構(gòu)建了早篩、綜合健康服務(wù)包、健康科普、醫(yī)學(xué)研究輔助到健康保險的全鏈路生態(tài)，底層是AIcare技術(shù)中臺和星云數(shù)字底座。我們的目標(biāo)是讓AI從“工具”變成真正的健康服務(wù)基礎(chǔ)設(shè)施。

張璐，F(xiàn)usion Fund創(chuàng)始合伙人

《算力敘事重構(gòu)：從訓(xùn)練到推理的AI基礎(chǔ)設(shè)施新范式》是Fusion Fund創(chuàng)始合伙人張璐帶來的主題分享。

以下是她的觀點精華提煉：

• 數(shù)據(jù)的質(zhì)量比數(shù)據(jù)的量更重要，可以通過高質(zhì)量的行業(yè)數(shù)據(jù)去建立更好的數(shù)據(jù)庫，再基于這些數(shù)據(jù)去優(yōu)化AI的模型和應(yīng)用能力。
• 從Token經(jīng)濟(jì)學(xué)基礎(chǔ)和未來需求看，人工智能基礎(chǔ)設(shè)施需求將像電力需求一樣常見，這是一場巨大的基礎(chǔ)層級產(chǎn)業(yè)革命。
• 訓(xùn)練算力更像一次性投入，推理算力才是可持續(xù)需求。過去訓(xùn)練可能占70%以上，現(xiàn)在推理已經(jīng)接近一半，未來可能變成訓(xùn)練30%、推理70%，推理算力將會追求可持續(xù)化，也更為核心。
• AI基礎(chǔ)設(shè)施不能只看計算，還要看通信。數(shù)據(jù)中心里，通信過程的耗電量比計算耗電量要大幾十倍甚至上百倍，所以如何大規(guī)模降低通信過程中的能量消耗也至關(guān)重要。
• 產(chǎn)業(yè)的快速整合是人工智能技術(shù)迅速發(fā)展的核心競爭力，只有得到應(yīng)用場景的反饋，獲得高質(zhì)量數(shù)據(jù)，才能讓模型架構(gòu)和應(yīng)用不斷迭代。

前沿圓桌：2026，Agent產(chǎn)品的不確定性與非共識機(jī)遇

2026年，Agent正從科技熱詞演變?yōu)橐环N真實的產(chǎn)品形態(tài)。

它正在挑戰(zhàn)軟件產(chǎn)業(yè)的基本邏輯。

當(dāng)智能體從被動響應(yīng)轉(zhuǎn)向主動執(zhí)行，從單一工具進(jìn)化為潛在協(xié)作者，產(chǎn)品定義、交互范式與商業(yè)模型都將面臨重構(gòu)。這場變革，關(guān)乎人類與智能系統(tǒng)協(xié)作方式的深層演進(jìn)。

下午的圓桌環(huán)節(jié)，便是關(guān)于這個話題的精彩討論。

三位嘉賓分別是——

• 莊明浩，趣丸科技副總裁兼首席戰(zhàn)略官、《屠龍之術(shù)》主理人。
• 馮雷，ColaOS&MarsWave CEO。
• 張昊陽，EvoMap創(chuàng)始人。

圓桌環(huán)節(jié)圍繞以下問題展開：

• 2026年Agent徹底破圈。在技術(shù)突破、使用場景增加、高討論度關(guān)注度的背景下，業(yè)內(nèi)人士對Agent的看法發(fā)生了哪些變化？
• Agent產(chǎn)品的迭代邏輯和傳統(tǒng)App有什么差別？這些觀察給各位創(chuàng)業(yè)的產(chǎn)品思路帶來了哪些影響？
• 從投資與創(chuàng)業(yè)視角看，市面上五花八門的Agent產(chǎn)品，到底怎樣才算合格、值得一試？
• 底層模型與Agent框架持續(xù)迭代，會不會真實改變產(chǎn)品規(guī)劃方式？創(chuàng)業(yè)公司應(yīng)該如何做產(chǎn)品決策、規(guī)劃功能節(jié)奏？
• 當(dāng)Agent犯錯時，用戶容忍度顯然不同。“撤銷成本”和“解釋義務(wù)”哪個更關(guān)鍵？
• 未來Agent形態(tài)更可能是一個超級Agent包辦一切，還是多個專精Agent協(xié)同工作？
• 當(dāng)Agent能力逐漸成為標(biāo)配，尤其大廠重注后，創(chuàng)業(yè)公司還能關(guān)注哪些非共識機(jī)會？
• Agent大規(guī)模進(jìn)入工作流后，產(chǎn)品經(jīng)理、設(shè)計師、工程師的日常工作會被如何重塑？

趣丸科技副總裁兼首席戰(zhàn)略官、《屠龍之術(shù)》主理人莊明浩表示：

• Agent產(chǎn)品范式基本定下來了，就是三欄結(jié)構(gòu)：左邊項目，中間對話，右邊runtime或瀏覽器展示成果。
• Agent產(chǎn)品迭代節(jié)奏遠(yuǎn)超移動互聯(lián)網(wǎng)時代。過去一個功能可能按6到9個月規(guī)劃，現(xiàn)在模型兩個月一個大版本。在此背景下創(chuàng)業(yè)不確定性很大，模型層一更新，很多產(chǎn)品層公司原來的假設(shè)可能被全部推翻。
• 今天評判Agent產(chǎn)品很難，原來的DAU、MAU等移動互聯(lián)網(wǎng)指標(biāo)幾乎失效，每日Token消耗也未必有意義。6個月后的產(chǎn)品形態(tài)沒人說得清，早期判斷更多只能回到創(chuàng)始人、團(tuán)隊投入和做事節(jié)奏。
• AI能力已經(jīng)在很多板塊過了可用線，甚至水位到了脖子。只要不出大紕漏，接下來很多權(quán)限和信任邊界都會被繼續(xù)推著往前走。
• 當(dāng)一件事沒有標(biāo)準(zhǔn)答案，初創(chuàng)公司只要多往前踏出一步，就可能拿到遠(yuǎn)超這一步本身的關(guān)注、反饋、融資和用戶理解。這個時代不怕試錯，就怕站在原地等確定性。

ColaOS&MarsWave CEO馮雷表示：

• 今年跟去年相比，研發(fā)速度提升10倍，產(chǎn)品交付速度也差不多10倍，證明我們在coding，或者說整個軟件工程領(lǐng)域已經(jīng)到達(dá)AGI奇點，用以前的互聯(lián)網(wǎng)思維再做產(chǎn)品已經(jīng)不work了。
• AI整體發(fā)展非常快，但是人類的帶寬是很有限的，大部分人其實根本跟不上，所以我們希望AI能反過來理解人，跟人產(chǎn)生共鳴，把后面那些人穩(wěn)穩(wěn)地接住。未來的AI產(chǎn)品可能很大一部分都是這樣，給人類提供很多情緒價值，讓他們能夠參與進(jìn)來。
• AI的網(wǎng)絡(luò)效應(yīng)是很弱的，未來會進(jìn)入一個百花齊放的時代，因為沒有什么能把你吃掉，哪怕是巨頭公司，能覆蓋的生產(chǎn)力人群依然很少。每家創(chuàng)業(yè)公司只要是全力在沖，一定都能找到自己的位置。今天做軟件也不用怕被模型吃掉，我有一個非共識的觀點是：如果你做的事情未來不能被模型吃掉，那就不要做，因為你都吃不到模型的紅利。
• 大模型是未來的水電煤，coding也是未來的水電煤，未來會深入到大家都意識不到在coding的程度。模型本身會越來越強(qiáng)，安全問題終將自我解決，而終局難題是如何讓用戶愿意把自己的一切交給模型。
• 實現(xiàn)AGI之后，未來錢可能不重要了，最重要的是token，以及“自己真正想要的是什么”這件事情。今天一定要發(fā)揮出或者找到自己跟別人的不同點，因為AI的本質(zhì)是一個放大器，你有哪些不同的點，它才能放大你。

EvoMap創(chuàng)始人張昊陽表示：

• Agent未來發(fā)展重心將聚焦商用及OPC場景。純零基礎(chǔ)C端用戶正在持續(xù)減少，用戶群體正逐步向B端、D端遷移。
• Agent產(chǎn)品迭代，一方面將會從專業(yè)到通用，另一方面是從有形到無形，也就是從somewhere到everywhere。Agent核心本質(zhì)不會改變，但上層交互界面將不再局限于傳統(tǒng)TUI、GUI界面，可能會出現(xiàn)原生Agent電腦和Agent手機(jī)，進(jìn)而演化出全新的OS。系統(tǒng)將隨時伴有一個無形的Agent，去準(zhǔn)備好即時服務(wù)。
• 今年Agent將會迎來百花齊放的發(fā)展?fàn)顟B(tài)，可能每隔幾個月就會出現(xiàn)一個全新的范式或Agent，但最終會沉淀下來，形成Agent多足鼎立的格局。
• 無論是未來的人還是AI，它一定會分成三種不同的角色：第一個是planner，第二個是builder，第三個是reviewer。
• 大廠會慢慢縮編，甚至解體。社會中會出現(xiàn)很多的OPC公司，會原子化。但每一個OPC的原子化，又承載了非常全面的能力，社會分工變得沒那么重要。大企業(yè)的生產(chǎn)要素外部化，企業(yè)中臺會減少，轉(zhuǎn)而向OPC索取服務(wù)。

By the way，大會上，量子位還重磅揭曉了“2026年度值得關(guān)注的AIGC企業(yè)”與“2026年度值得關(guān)注的AIGC產(chǎn)品”榜單，并同步發(fā)布了《2026年中國AI應(yīng)用全景圖譜報告》。

以及，我們也會陸續(xù)發(fā)布嘉賓演講&對談全文，歡迎持續(xù)關(guān)注～