从2999份作品出发：GOAI四大赛道的AI创新观察

世界人工智能开源大赛（GOAI）初赛作品覆盖企业级智能体、行业应用、AI科学研究与具身智能等领域。四大赛道方向不同，却呈现出一条共同主线：参赛团队不再只关注模型“会不会”，而是开始回答系统能否真实运行、完成任务、处理失败，并用证据证明结果。 从2999份初赛作品中，我们不仅能看到一批高质量的AI创新项目，也能观察到智能体技术、产品形态与开源生态正在发生的变化。 初赛作品呈现了哪些创新方向？ 赛道一「新智基座」：多智能体走向企业系统 新智基座赛道覆盖软件研发、Agent基础设施与SRE治理、金融风控、工业制造、科研及企业运营等方向。从初赛作品可以看到，参赛团队正在告别通用问答和简单Demo，转向解决真实企业场景中的复杂任务。作品主要采用分层多Agent协作、动态编排、独立验证、人工门禁、Skill与工具接入、异常恢复和版本治理等技术路径。 这些作品试图解决企业复杂任务中的信息分散、AI结果难以直接信任、高风险动作缺少控制和组织经验难以复用等问题。相比单一智能体，团队更关心多个Agent如何分工、工具如何调用、过程如何审计、结果如何验证。 赛道二「无界应用」：AI进入真实工作流程 无界应用赛道呈现出丰富而具体的应用图景，覆盖工业、金融、汽车、教育、智能眼镜、医疗养老、企业协作及个人服务等多个领域。 初赛作品大致可以归纳为行业垂直Agent、企业流程自动化、个人与无障碍助手、Agent基础设施与治理，以及开发者和开源工具等方向。比如，工业项目进入设备诊断、质量管理和工单协同；金融项目聚焦风控合规、投研分析和交易辅助；汽车项目围绕出行规划、车辆维保与安全应急展开；教育项目覆盖教学内容生成、垂直学习和科研辅助；智能眼镜项目则尝试利用第一视角完成识别、提醒和交流辅助，或把持续感知与Agent任务连接起来。不同作品共同指向一个目标：让AI从“回答问题”走向“完成任务”。 赛道三「前沿探索」：AI参与科学研究 前沿探索赛道包括算法赛题和开放探索赛题，作品覆盖AI虚拟细胞、材料科学、生命科学、量子计算、气候环境及社科人文等方向，展现出鲜明的科研属性与跨学科特征。 算法赛题虚拟细胞项目尝试使用统计基线、低秩解码、残差分解和生成式模型，解决测量偏差及新实体泛化问题。材料科研项目围绕文献检索、知识图谱、Research Gap识别和候选材料生成展开，并尝试引入物理约束和数据库核验。 开放探索作品则展现出AI与多学科融合的广度，参赛者开始让AI参与问题定义、科学推演、假设生成和结果验证。 赛道四「具身未来」：智能体走进物理世界 具身未来赛道包含巡逻和双臂赛题。巡逻作品聚焦感控融合、环境建图、自主导航和任务执行。双臂作品主要沿着视觉—语言—动作基础模型适配、多视角与三维感知和场景泛化等路径展开。具身项目不仅要让机器人“看懂环境”，还要把感知、规划、控制和动作连接成连续闭环。 评委从作品中看到了什么？ 新智基座：Agent数量不等于系统能力 本赛道初赛作品最值得认可的变化，是参赛团队已经开始从通用问答和简单Demo转向真实企业复杂任务，并开始关注职责分离、独立验证、人工审批、回滚审计和Skill复用。这说明大家对于企业级Agent系统的理解，正在从“模型能否完成任务”转向“系统如何在真实责任链中可靠地完成任务”。评价关键不是系统拥有多少Agent，而是这些Agent是否承担了真实且必要的协作。 无界应用：头部作品已经开始“办事” 初赛中最值得肯定的变化，是许多作品已经不再满足于“AI能够给出建议”，而是开始思考建议之后如何行动。优秀作品并不追求覆盖所有场景，而是选择一个真实、明确的痛点，把识别、决策、执行和反馈连成完整闭环，能够让用户实际体验，并清楚区分哪些任务可以交给AI，哪些动作必须由人确认，一些汽车和金融作品也开始明确AI的能力边界，在涉及资金、安全和外部操作时设置人工闸门。 前沿探索：科学主张必须经得起验证 值得肯定的是，算法赛题优秀作品开始关注科学问题本身的结构，重视对照实验、数据来源、测量条件和科研复现。开放探索赛题优秀作品能够从真实的专业问题出发，让AI实际参与分析、推演和验证。 具身未来：从模型展示走向问题导向 具身未来赛道中，部分团队不再一味追求更大的模型，而是针对抓取不准、放置不稳、光照反光、定位偏差和失败后无法恢复等问题进行改进。部分团队完成了大规模仿真验证，并提供了训练与推理工具，体现出较强的工程能力与结果意识。但部分项目测试还有待完善。 赛事作品折射出哪些行业趋势？ 新智基座反映出企业级AI正在从模型能力竞争转向系统能力竞争。未来的关键，是把模型、Agent、Skill、工具、数据和人工责任组织成可靠系统。可观测、可验证、可恢复和可审计，将成为生产级智能体的基本要求。 无界应用显示，AI产品正在从“增加一个智能功能”走向“承担一段具体流程”。大模型负责理解、规划和协同，数据库、规则引擎及专业工具负责确定性执行。未来产品更需要“窄场景、深服务”，把一个真实问题做深、做稳。 前沿探索表明，科研AI的竞争重点正在从模型规模和Agent数量，转向数据质量、领域约束和验证能力。只有建立从证据、假设、预测到独立验证的链路，AI才可能真正进入科学发现过程。 具身未来体现机器人竞争正在从单项算法走向感知、决策、控制和硬件的系统集成。随着视觉—语言—动作基础模型逐渐成为共同起点，数据质量、多视角感知、关键动作学习、闭环纠错及真实环境适应能力，将成为主要差异化来源。 四个赛道还呈现出共同的开源趋势：开放对象正在从模型和代码扩展到Agent、Skill、接口协议、评测工具和部署规范。开源标准也从“代码可以看到”，走向“项目能够安装、运行和复现”。 进入复赛，哪些能力值得重点关注？ 新智基座将重点检验Agent、Skill和工具能否组成完整业务链。除正常流程外，项目还要展示面对工具不可用、数据冲突和人工拒绝时，系统能否安全停止、恢复或重新规划。 无界应用需要证明三个结果：问题真实、能力真实、闭环真实。评审不仅会看一次成功的Demo，还会关注系统面对陌生输入和工具失败时能否稳定运行，业务价值能否通过数据、对照实验或用户反馈验证。 前沿探索将重点观察作品是否能够真实运行，核心能力是否可以独立验证，科学结论是否具有清晰可信的证据边界。算法赛题需要证明模型真正学到了实体特异性变化；开放探索赛题则要说明AI是否真正参与核心问题求解，跨学科结合是否具有实质深度。 具身未来的决赛重点将从仿真走向真机。双臂机器人需要证明协同操作、安全控制和失败恢复能力；巡逻机器人则要验证感知、建图、导航、避障与任务执行的连续闭环。除成功率外，任务耗时、人工干预次数、异常次数、恢复效果和多轮表现波动，也将成为重要指标。 AI创新正在从能力展示走向真实验证 GOAI四大赛道分别探索了AI创新的四个方向：新智基座构建可靠的智能体基础设施，无界应用推动AI进入真实业务流程，前沿探索让AI参与科学研究，具身未来则把智能体带入物理世界。 四条路径最终汇聚到同一组标准：项目是否解决真实问题，核心能力是否能够验证，系统是否可以稳定运行，成果是否能够被外部复现和共同建设。 从“做出一个AI项目”到“证明它真实、可靠并具有持续价值”，将成为GOAI复赛阶段真正的分水