从“卷模型”到“算总账”：AI 产业竞争开始拼什么 | 请回答 WAIC 2026

WAIC 2026的大幕已经拉上，行业群里的讨论热度却一点没降。过去几天，世博展览馆每个会议室和展位都塞满了人，Demo体验区拐着弯排长队，社交平台上带WAIC话题的帖子频频出圈——这届大会的热度，肉眼可见地又攀上了一个新高峰。 但InfoQ在会场里做的事，刻意跟这股狂欢保持着一种“温差”。我们没有追着热闹跑，而是在现场搭起第二直播间，用三天时间、近二十场对话，反复追问一个主题：请回答WAIC 2026｜AI正在重写什么？定下这个主题，源于我们的一个切身感受：AI发展迅猛，但行业信息噪音太多、太杂，正需要借这场中国AI产业规模最大的会议，去看清一年来AI到底给企业和团队带来了哪些真实的改变。 过去几年，业界评判AI最常用的标尺很直观——模型有多强、参数有多大、榜单排第几。可到2026年，这些标尺已经不够用了。AI正在从实验室和发布会的聚光灯下走出，进入产品、业务、开发流程和真实的业务系统，它很可能不只是重写某一个工具，而是在重写技术底座、产品形态、产业分工，也在重写开发者、创业者和企业决策者面对未来的方式。 7 月 17 日下午，在 WAIC 2026 刚刚开幕的喧闹里，InfoQ 直播间迎来第一场圆桌讨论。围绕“AI产业是否进入新阶段”这一关键问题，InfoQ极客传媒总经理王一鹏与四位嘉宾展开对话——昆仑万维董事长兼CEO方汉、L2F光源创业者基金管理合伙人吉星、北电数智技术负责人郭文，以及DeepKernel发起人、首席科学家刘卓涛。回望这场开场圆桌，它更像一次对行业心态的“体检”——四位分别持产业、资本、技术与算力、模型与基础设施视角的嘉宾，将“AI产业是否进入新阶段”这个问题，拆解成了几本账、一次排序、一个定义和一张清单。 直播回放视频链接：https://www.infoq.cn/video/7RkQ9IXvQpwoMCPj4YiQ 2026 关键词：从“能力展示”到“算账” 如果用一个关键词概括 2026 年AI产业最重要的变化，四位嘉宾的回答拼起来，是一幅行业心态从“看能力”转向“算总账”的迁移图。 刘卓涛的体感最直接，他一口气列了两件：“第一个事情就是 Claude Fable5 的出现，让网络安全这个领域变得非常恐慌——大家觉得 AI 一出来，多少年没有被挖掘的 bug 都被挖出来了，这是一个非常大的冲击，大家甚至不敢把漏洞公开。”他补充说，这件事甚至可能影响未来国家对于数据安全、网络安全的研究和布局。第二件则更现实：“卡确实太贵了。今年卡无论租金还是销售价格，都比往年翻了好多倍。” 因而 AI Infra 如何设计得更好、如何能服务更多模型、如何降本增效，变成了一个非常重要的课题。 郭文把焦点放在了 B 端。他观察到，今年“AI 模型能力变快、变好”之外，最强烈的感受是“B 端的应用变得更加复杂、更多了”——他特别提到 Anthropic“用更少的用户，其实获得了更大的营收”，这说明更长程的任务现在执行变得更多了。国产算力则是他的第二个关键词：从“不好用、大家不会用、也没有企业敢用”，走到今天“以超节点的形式开始出现”，多芯融合方案把存储、内存一起卷入 Infra，“整体让模型做得更大、推理做得更快”。 吉星从资本市场角度给出了最直白的一个关键词：“算账”，而他口中的账，核心可以拆成三本。第一本是训练与基建账：今年中美大厂都公布了各自的巨额投入计划，据他粗略统计，基础设施侧的总投入已在 7000 亿美元量级以上，而同期能产生的收入大约只有 500 亿美元，这个巨大缺口如何弥合，是整个资本市场和 AI 创业生态都绕不开的问题。第二本是推理账：单 token 价格相比去年已降到约八分之一到十分之一，但完成相同质量任务所消耗的 token 总量在上升，总成本不降反升；他打趣说，现在不少人反馈Anthropic 的模型已经用不起了，大家可能得借钱打工。第三本是资本账：随着智谱、MiniMax 以及一批具身智能公司陆续把财报摊开，市场关注点也从过去买一个大故事，转向了实打实的经济账。 方汉从技术视角给出的关键词是 Agent。他提到，去年第四季度时，业界普遍预判全年 token 消耗的大头仍会落在视频生成模型上，但以 Harness 为基础的 Agent 技术意外改变了格局，Coding 场景的 token 消耗急速膨胀，迅速占据绝对优势。这一转折说明，Agent 通过 Harness 的调度，能够真正扩展模型的能力边界，让原本本质上是概率输出的大模型，开始有效解决确定性需求。受此驱动，几乎所有文本大模型都在向 Coding 方向收敛。方汉将去年第四季度视为一个决定性时刻——它标志着“Agent + Harness”这套组合，找到了让模型能力从“可能对”通向“必须准”的落地路径。 方汉的另一个观察是，国产模型从去年下半年到今年，无论是视频、文本还是音乐大模型，都开始吃到 Scaling Law 的红利，大幅缩短了与世界顶尖模型的差距。不过他也泼了冷水：文本大模型的 Scaling 可能已经到头了，但在有些赛道 Scaling 还远远没有开始，比如世界模型。 模型依然重要，但重要的方式变了 如果只能选一个赌注，2026年会把公司资源砸向哪一个：模型能力，还是模型之外的六件事（产品定义、推理成本、Agent能力、基础设施、开发者生态、出海）？对于这个问题，四位嘉宾给出了不同的排序，却共享一个前提——模型永远重要，只是重要的方式变了。 方汉把边界划得很清楚，他认为只投一件事跟公司大小紧密相关：中型以上公司几乎没有选择余地，只能押模型能力，因为模型能力会不断内化掉外部的一切。他举例说，最新模型已经把大量 skill 内化，开发者如今已不必再写复杂的 skill。而中小公司与初创公司没有余力去卷模型，那就应该押注产品定义——“现在所有AI产品都是拿着模型找应用，我觉得应该倒过来，拿着应用找模型”。 吉星认同对于创业公司来说产品定义应该是第一切入点——在什么场景下、用什么样的工程化能力、切入原来什么样的工作流、如何优化 token 成本效率，是更重要的抓手，然后才是Agent能力、出海等。他把 Agent 排在第二还有一层顾虑：如果纯做 Agent，一旦底层模型对你设限，过去搭的东西可能一夜之间就不敢用了。这与InfoQ的观察不谋而合：今年不少公司发布的 Agent 产品，里面包的就是 Claude Code、用的模型也是 Claude，最终呈现效果却差得很远——工程能力（harness）对中小企业是实打实的挑战。 郭文把目光投向更底层：AI最终要走向普惠，这意味着要让小厂和个体创作者有机会发声，而他们最核心的资产往往是那些关键领域的关键数据——尤其是涉及人性理解、差异化审美、个人独特表达的内容，这些是通用模型难以覆盖、也不会主动顾及的。对于平台型公司，则是要把AI基础设施建好，让广大OPC或小厂能快速在其上完成内容迭代。他认为目前瓶颈依然在算力，尤其在国内语境下，既要面对国产算力的生态挑战，又要在训练和推理两端依靠超大规模集群才能跑出可用的性能和性价比。因此他们在做的事，一是在区域层面构建更好的算力平台，二是在医疗、AI for Science、工业等关键行业沉淀核心数据。他特别点名这三