WAIC归来谈AI:大模型时代的产业脉动与中国路径 | CCCF精选

现在订阅CCCF12期纸质刊，随刊赠送CCCF20周年纪念帆布包一只，数量有限，赠完即止。

本文围绕产业趋势、端侧智能、工业AI、计算教育与学术范式、中国路径等议题展开深入对谈，试图在“啤酒与泡沫”并存的喧嚣中，勾勒AI发展的真实脉动。

在人工智能加速渗透千行百业的当下，一年一度的世界人工智能大会（WAIC）已成为观察全球AI产业脉动的关键窗口。从大模型驱动的智能体浪潮到端侧智能的快速崛起，从工业AI的落地探索到算力基础设施的全产业链重构，WAIC展现的不仅是技术趋势，更是一幅产业变革的全景图。CCF TalkShow主持人、清微智能创新技术副总裁何万青与清华大学副教授刘知远、涛思数据CEO陶建辉，以“WAIC归来谈AI”为题，围绕产业趋势、端侧智能、工业AI、计算教育与学术范式、中国路径等议题展开深入对谈，试图在“啤酒与泡沫”并存的喧嚣中，勾勒AI发展的真实脉动。

WAIC全景观察：从“庙会”到全产业链脉动

世界人工智能大会已连续举办多年，WAIC2026呈现出前所未有的产业集聚效应。参展企业数量激增，展馆人流密度显著提升，从GPU算力到大模型再到智能体应用，一条完整的产业链在展馆中清晰呈现。与往年以概念展示为主的格局不同，今年WAIC展现了AI产业从“技术展示”到“商业落地”的关键转向——参展企业纷纷将智能体（Agent）摆在展台最显眼的位置，“Token Factory”成为展馆中的高频标识，每个厂商都急于证明自己能够提供“即插即用”的AI能力。与此同时，硬件厂商的参展比例远高于软件企业，反映出算力基础设施在当前AI产业中的核心地位。

刘知远连续三年参加WAIC，他用“赶庙会”形容今年的感受：“参会者比往年都要多，好像已经变成了全国对人工智能感兴趣的人去那儿赶庙会。”他发现多样性的提升是最显著变化——从大模型到小模型，从算力中心到卖Token的公司，各类企业悉数到场。他引用范仲淹的名句概括道：“庙堂之高，江湖之远，各个地方都充斥着人工智能的浪潮。”

陶建辉从企业视角印证了这一观察：“整个产业链几乎都有。做GPU、大模型、小模型、算力中心、卖Token，到做智能体、做应用的公司太多了。”他特别指出，与传统的IT行业展会相比，WAIC上硬件公司的比例显著偏高，纯软件企业反而偏少。

何万青补充道，即使做算力租赁或芯片的公司，展台上最终摆出的也是Agent和“Token Factory”的招牌，“每个人都想冲进应用层，一条线打通了。”

端侧智能：当“学渣”也开始“头脑发达”

端侧智能正在经历质变。长期以来，端侧设备受制于算力和功耗约束，只能运行轻量级模型，与云端的“超级大脑”形成跷板式对比。然而，随着芯片制程迭代和模型密度持续提升，这一格局正在被打破。WAIC2026上，端侧模型的进步成为最引人注目的亮点：手机端AI助手能力显著增强，机器人展区占据整层展馆，无人机、无人车、卫星等更广泛的终端场景也开始拥抱端侧智能。面壁智能等企业在模型压缩和端侧部署方面的技术突破，正将高性能模型塞进边缘设备从愿景推向现实。

刘知远大胆预测，端侧智能将成为明年WAIC最大的亮点。他指出，随着新一代芯片的列装和模型密度的进一步提升，“明年大概率可以把GPT-4.5水平的模型能力做到端侧。”届时，不仅是手机，卫星、无人机、无人车、机器人等各类终端都将迎来端侧模型的规模部署，更多成熟的应用模式将随之凸显。

何万青用了一个令人印象深刻的比喻概括这一趋势：“以前端侧是‘四肢发达、头脑简单’的学渣，云端是‘头脑发达、四肢简单’的学霸豆芽菜。前几年大家都说我们培养学霸，现在发现——四肢发达了，头脑也相当发达了。”他认为，这种“学渣逆袭”式的技术演进将彻底改变端侧智能的产业格局。

工业AI与数据积累：差异化来自积累

当大模型能力趋于同质化——算力基础设施由相同的GPU构建，预训练模型来自相同的开源社区——企业的差异化竞争力何在？答案正从“模型能力”转向“数据资产”。中国制造业和能源、交通等基础设施行业积累了海量运营数据，但其价值长期未能得到充分挖掘。传统数据分析依赖专业的数据分析师进行报表生成和洞察提取，而国内这一岗位的人才储备严重不足。大模型和Agent技术的出现，为绕开这套人工分析流程提供了可能。

陶建辉结合涛思数据的实践指出，企业真正的竞争力不在算力或模型——大家的算力一样，模型也一样——而在积累的数据和行业诀窍（know-how）。他将模型比作“供电公司”：所有人用的电都一样，差异在于你用它生产什么产品。“就像每个工厂都用电，都是供电公司提供的，区别一定在于你的设计、你的产品更好。”他以自身公司为例：三年前便将研发侧所有内容——文档、测试、配置、Bug报告、Release Notes——全部代码化，以Markdown文件在GitHub上进行版本管理。“当初做这件事并非为了AI，但这对公司现在来说价值巨大，AI可以直接读取我们整个研发体系的知识。”

何万青分享了一个来自企业一线的生动案例：某企业负责人在引入Agent后惊喜地发现，原来耗时三天完成的全国分公司月度盘点，Agent可在极短时间内完成，且不受各部门软件不统一、数据格式不一致的影响。该企业负责人由此提出“未来公司只需四个东西”的设想——数据库（历史积累）、知识库（行业新知）、数字人（带AI干活的人）、大老板（决策大脑）。在这个模型中，传统软件中间层——中间件、数据库管理系统、各种应用软件——可能被Agent直接打穿。“以前软件分层是因为人的脑容量有限，数据库、中间件等都是给人设计的。现在不是这个逻辑了。”

陶建辉强调，AI给中国工业带来的最大机遇在于“跨越式发展”。“在美国，稍微大一点的公司都有数据分析师岗位出报表驱动经营决策，中国企业在这方面的储备严重不足。现在AI让企业几乎不需要传统数据分析师了——就像中国跳过信用卡和支票时代直接进入移动支付。”他认为，这给中国工业界带来“相当大的价值”，将深刻改变工业企业的运营范式。

AI时代的计算教育：回归数理逻辑的底层

当AI能够自动生成代码、修复Bug、编写文档，计算机教育该教什么？这个问题日益紧迫。刘知远透露，清华大学已在组织研讨“AI时代编程课该怎么教”。他上个学期仍在教授面向对象编程（OOP）课程，但传统的课程体系正在受到根本性挑战。学术交流范式也面临同样的冲击：如果论文由AI撰写，独创性如何界定？他认为可能需要建立一套新的学术交流范式。

何万青从底层能力视角切入，认为AI时代的核心竞争力最终将回归数学素养和数理逻辑分析。“你受过数学教育，只看三个主参数就能解决问题，而别人得看200个参数。你们俩用模型的能力就不一样。”他指出，当工程层面趋于收敛后，决定模型优劣的仍然是底层数理逻辑的深度，“到底后面是工程问题，还是你真的从另外一个角度把模型做得更聪明了？”

刘知远则认为，AI时代的分工将更加明确——不是所有人都不需要学习编程，而是编程教育的定位和目标需要重新定义。“因为清华还在教OOP”，这句话本身就折射出传统计算机教育与AI时代之间的张力。

共识与展望：应用创新胜过降本增效

共识

三位嘉宾在以下方面形成核心共识：

全产业链加速成形。AI正从单一技术赛道扩展为横跨硬件、模型、应用的全产业链生态。从算力基础设施到上层Agent应用，从云端大模型到端侧轻量模型，产业分工日益清晰，每个环节都在寻找自己的价值定位。

端侧智能即将爆发。随着芯片迭代和模型密度提升，GPT-4.5级别的模型能力有望在2027年部署到各类端侧设备上。手机、机器人、无人机等终端将迎来AI能力的质变，端侧将不再是“低配版”的云端模型。

数据是真正的护城河。在算力和模型趋于同质化的背景下，企业积累的行业数据和know-how构成了不可替代的竞争壁垒。数据资产的系统化、代码化建设，是AI时代企业的基础工程，也将决定企业在智能化浪潮中的最终位次。

WAIC的独特价值在于“群像”。刘知远指出，苹果、华为、智谱、DeepSeek等企业往往选择独立发布产品，而WAIC不是新品发布会，“它本身是一个嘉年华，是把过去这一年大家的家底拿出来给大家看。如果没有WAIC，你看不到一个群像。群像可以让你知道投资的方向和机会在哪儿。”

应用创新胜过降本增效。何万青在总结中提出：“降本增效是公司实在没招了才这样做。应该用新技术创造新的可能性和新的能力，让人获得新的能力。”他回顾互联网时代的经验：中国在制程和底层技术上或许存在差距，但应用创新全球开花，比如TikTok在美国的普及。“互联网时代是这样过来的，AI也应当如此。”

展望

对于明年WAIC和AI产业的整体走向，三位嘉宾均持乐观预期。陶建辉透露涛思数据已预定明年展位，并坚定地表示：“AI的应用一定好，明年后年会更好。”刘知远预判端侧智能将全面开花，从手机延伸到卫星、无人机、无人车、机器人等更多场景。何万青以“啤酒与泡沫”的比喻收尾：“即使啤酒只有这么一点，更多的泡沫也会慢慢有更多的啤酒。我们还是要对AI充满信心、充满希望。”