WAIC收官观察：机器人刷屏之外，AI正在重写哪些产业规则

导语

WAIC 2026 收官圆桌提供了一个观察窗口：当数百家机器人企业、基础模型公司和AI应用集中亮相后，行业真正需要回答的不是“谁的Demo更炫”，而是AI到底改变了什么。InfoQ邀请高校教授、基础模型创业者、产研孵化一线人士和投资人，从工作流、真实需求、具身智能落地和模型范式四个方向复盘了这场热潮。

核心要点

• AI首先重写的是效率，也在尝试重写边界。 编程、内容生成、办公材料制作等任务正在被显著加速。但更关键的变化，是AI能否进入人不愿做、做不好或难以持续完成的场景，例如科学实验、复杂研发和开放环境服务。
• 真需求的标志是进入生产流程并产生付费。 AIGC、AI Coding、办公智能体等已经被大量用户纳入日常工作，一些内容生成产品也出现收入增长。具身智能中，运动控制类机器人已在表演、展示等场景形成需求，但更难的灵巧操作仍是产业化关键。
• 伪需求往往只是在旧流程上贴AI标签。 如果产品没有改变企业或个人习惯，只是把“数字员工”“智能助手”包装成概念，却缺少岗位know-how、验证标准和业务闭环，就很难算真正落地。
• 具身智能不是单点模型竞赛。 VLA带来语言泛化能力，世界模型强化预测与约束，但机器人要稳定干活，还涉及数据采集、硬件可靠性、实时推理、末端执行器、兜底策略和部署成本。
• 基础模型可能进入多路线并行阶段。 继续堆数据和算力的边际收益受到讨论，模型协作、自回归与扩散语言模型结合、类脑结构、本地智能体等方向，被视为新的探索空间。

意义与影响

这场讨论释放出的信号是：AI行业正在从“展示能力”转向“验证价值”。企业客户不会为概念长期买单，他们关心的是能否降低错误率、节省人力、保护数据、提升效率，并稳定嵌入现有流程。对创业公司而言，机会不只在“难而正确”的基础设施和大模型，也在快速响应企业真实痛点的应用层。

具身智能尤其如此。实验室、生物医药和AI for Science之所以被看好，是因为它们同时具备高价值、高重复、对标准化有强需求等特征，能承受早期机器人较高成本，也能为未来更开放场景积累能力。换言之，机器人产业真正的分水岭，不是展台上会不会跳舞，而是工程师离场后，客户第二天是否愿意继续开机使用。

来源：InfoQ 中文