2026 年 7 月 17 日，世界人工智能大会（waic）在上海世博中心隆重启幕。作为全球瞩目的年度 ai 盛事，waic 就像一场面向整个行业的“能力摸底考”：大模型厂商、ai 芯片设计方、智能终端品牌以及具身智能企业悉数亮相，纷纷将本年度最具代表性的技术成果与落地产品带到申城。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
图片来源：雷科技
为深度追踪 AI 领域最新演进趋势，雷科技（ID：Leikeji）今年再度组建一线报道团队奔赴上海，直击现场，带来一手行业观察与前沿洞察。
一如往届，大模型仍是 WAIC 的核心关键词：Kimi 在大会开幕前夕正式推出参数量达 3T 的 K3 模型；面壁智能持续深化 MiniCPM 在边缘设备的部署，推动智能真正下沉至终端侧；阶跃星辰、豆包、荣耀等厂商则加速将大模型深度集成进手机操作系统，使 AI 不再是孤立的功能模块，而是具备跨应用调度与任务执行能力的系统级智能助手。
但雷科技注意到，相较往年，本届 WAIC 的焦点已悄然转移：
在智元机器人展台，GO-2 具身基座模型正驱动实体机器人完成流水线上的上下料与装箱作业；魔法原子展出的 Magic-VLA K02，则在现场演示叠盒封胶、衣物整理等精细化操作；甚至整个 WAIC 展馆的导览服务，均由超 60 台智元机器人协同承担……大模型正加速挣脱虚拟界面的束缚，迈入真实物理空间，向“物理 AI”时代全面进发。
图片来源：乐聚机器人
回溯来看，2023 年大模型刚爆发时，行业比拼的是参数规模与多模态支持广度；到了 2025 年，竞争重心转向上下文窗口长度与复杂推理能力。而短短一年间，曾经仅活跃于 App 内与 API 接口中的大模型，已跳出对话框，主动介入现实生产与生活场景；其称谓也从“大模型底座”，悄然演变为更具行动指向性的“基座模型”。
在雷科技看来，这场由“数字世界”向“现实世界”的跃迁，正是 WAIC 2026 最具标志性的变革所在。
参数不再是衡量 AI 实力的唯一标尺
从虚拟走向现实，最先被重塑的，是我们评估大模型价值的逻辑。
举例而言，以往某款新模型发布，公众关注点往往集中于参数量、上下文容量及各类基准测试排名；面壁智能在 WAIC 展示 MiniCPM 时，也着重强调其在同等尺寸模型中的综合性能优势。
然而对普通用户而言，参数本身难以转化为可感知的实际体验。 用户不会因模型上下文更长，就改变订票、查天气或制作表格的习惯；一部手机即便预装了数十种 AI 功能，若仍需手动在地图、支付、聊天、文档和浏览器之间反复切换，它依然只是“搭载 AI 应用的普通手机”，而非真正意义上的“AI 原生设备”。
此时，AI Agent 的理念应运而生——用户只需表达意图，模型即可理解需求，并自主调用对应服务完成端到端任务。本届 WAIC 上亮相的“智能体手机”，正是这一理念的具象化呈现：
阶跃星辰将个人智能体 Amoo 深度嵌入 STEPX Neo 手机系统底层；豆包与努比亚持续推进 GUI Agent 技术，让模型通过屏幕理解与模拟点击实现跨 App 协同……而在手机之外，全行业迈向 Agent 化的趋势更为显著。
图片来源：阶跃星辰
以曾被归类为 AIoT 的硬件为例，过去不少所谓“AI 设备”，实质仍是定制 Android 系统的手机，如 Rabbit R1。但据雷科技今年实地体验，新一代 AI 硬件已普遍具备初步的 Agent 能力。
具身智能，正是 AI 在物理世界的“行动型 Agent”
或许有人会问：为何在具身智能兴起之际重提 AI Agent？二者关系其实一目了然：
若按大模型能力演进路径划分，第一阶段聚焦内容理解与生成，第二阶段迈向任务驱动与自主决策（即 Agent），而第三阶段，正是具身智能与世界模型所承载的“与物理世界交互并建模”的能力。
进入具身智能时代，基座模型不仅要听懂指令，还需具备对现实环境的感知、理解与闭环响应能力，例如视觉-语言-动作联合模型（VLA）。值得欣喜的是，WAIC 2026 已清晰展现出具身智能与世界模型的规模化落地雏形：
智元、魔法原子、乐聚等企业集中展示了具身机器人在工业产线中的实际应用；启元更进一步，在展会现场直接启用机器人承担全流程导览任务。诚然，这些“流水线作业”不如机器人跳舞、打拳那般吸睛，但从产业视角看，恰恰是这类看似枯燥、却高度标准化的任务，最能体现具身智能与世界模型的真实价值。
图片来源：乐聚机器人
事实上，这种“务实”的落地节奏，也契合当前具身智能的发展阶段：相较于家庭场景的开放性与不确定性，工厂任务具有流程固定、动作可拆解、结果可量化等天然优势。
字节跳动正式推出了其最新的智能图像创作模型——Seedream 5.0 Lite。作为豆包大模型2.0系列的重要组成部分，该模型不仅在理解、推理和生成能力上实现了全面跃升，更针对企业级视觉创作需求进行了深度优化，标志着AI生图技术向“实用化”与“智能化”迈出了关键一步。
尤为关键的是，此类场景为大模型提供了高质量、高密度的真实世界数据闭环： 机器人率先在规则明确的环境中运行，企业基于实际表现发现问题、积累数据，再反哺模型迭代训练，最终将能力逐步拓展至更复杂、更动态的现实任务中。
图片来源：雷科技
正因如此，本届 WAIC 上，主流大模型厂商不约而同将具身智能与世界模型列为战略重心，并公开宣布相关产品即将以千万台级规模量产交付。 在雷科技看来，“破屏而出、扎根现实”，已成为 2026 年中国 AI 产业的集体共识。
迈向物理世界，大模型亟需能力升级
当然，具身智能要真正融入现实，也倒逼大模型自身能力体系迎来新一轮升级。
以响应时效为例：在聊天、图像生成等传统场景中，用户容忍几秒延迟并无明显影响；但在具身智能主导的物理交互场景中，每一毫秒的滞后都可能引发连锁风险：
在工厂产线上，微小延迟可能放大为整条产线节拍紊乱，直接影响良率与产能；在智能驾驶场景下，响应速度更直接关乎驾乘者生命安全。
因此，本届 WAIC 上，越来越多模型厂商重新聚焦“端侧智能”，依托本地化部署优势，大幅压缩具身智能系统的端到端响应时延。
以“新 AI 六小虎”中唯一专注端侧智能的大模型公司——面壁智能为例，早在 2024 年，其 MiniCPM 系列便验证了轻量级端侧模型亦可承载高阶智能。区别于多数厂商从云端大模型蒸馏出的简化版端侧模型，面壁智能的端侧模型基于原生端侧 AGI 架构独立研发，非云端模型的裁剪副本，而是专为边缘计算场景深度优化的原生智能体。
图片来源：雷科技
这一原生特性，使其端侧模型无需联网即可实现毫秒级响应与实时推理。当同行仍在探索如何降低模型延迟以适配物理世界时，面壁智能已率先实现端侧智能体在汽车前装市场的规模化量产交付。
不过，正如那个经典的“心算 vs 笔算”比喻所示，除了响应速度，一个真正能在现实中可靠运行的模型，还必须学会感知并适应环境的动态变化。
这正是世界模型与 VLA 成为具身智能核心方向的根本原因——它们将感知、理解、推理与执行能力有机融合为一体。
当用户下达“把箱子搬到货架上”的指令，模型需先解析语义，再通过摄像头识别箱子与货架的空间位置，最后精准控制机械臂完成抓取、搬运与放置。全过程依赖语言模型、视觉模型与运动控制系统无缝协同，任一环节出现“断连”，都将导致任务失败。
这种环环相扣的协同范式，也让“全栈模型”成为大模型走向物理世界的关键路径： VLA 担纲多模态对齐与动作映射，世界模型负责因果推演与结果预测，端侧模型保障本地实时响应。而地瓜机器人在 WAIC 展出的旭日 S600 芯片，正是“全栈智能”理念在硬件层面的标杆实践。
WAIC 2026：大模型从实验室走向产业化的关键拐点？
从算法模型、智能终端到实体机器人，走完本届 WAIC 全程后，小雷深切感受到：行业竞争的主轴正在迁移。
参数规模、上下文长度与推理深度固然定义着模型的能力上限，但决定其能否真正“可用、好用、敢用”的，是端侧部署能力、世界建模能力与全栈整合能力——而这三者，恰恰是具身智能时代客户最核心的选型依据。
由此观之，本届 WAIC 主题转向，实属水到渠成：大模型厂商聚焦端侧落地与世界模型构建，机器人企业加速技术商业化验证，芯片厂商同步调整产品路线图，围绕机器人场景重构生态……过去各自为战的技术路径，已在具身智能浪潮中深度融合。
图片来源：雷科技
可以确信，中国 AI 产业已整体迈入全新发展阶段。
雷科技认为，此阶段的大模型，正告别仅服务于消费级应用的“学习期”，加速进入工业、制造、交通等严肃垂直领域的“实战期”。 面对更高效率、更强稳定性与更严安全性要求，谁能率先完成从“技术能力”到“产业能力”的跨越，谁就有望成为新赛道的规则制定者，在下一阶段全球 AI 竞争中掌握战略主动权。
而 WAIC 2026 上各企业的扎实布局与落地成果，已然表明：中国 AI 产业，准备好了。
本文来自“雷科技”，36氪经授权发布。
