月之暗面对面，少见的国际参展商——谷歌展台，同样没有 Gemini 的身影，主题集中在 AI 社会公益、出海计划、情绪云上，像是馆内一股清流。

该怎么形容，有点像是高手一贯的松弛感。毕竟展会只是一个展示窗口，产品性能与技术水准到位，自有市场为其辩经。

正如一贯「不参会不布展」的 DeepSeek，名字早已被嵌进数十个第三方展台里，无处不在。

2026 年的 WAIC，FOMO 情绪依旧弥漫，共识与分歧的争论依旧喧嚣，但当局者们似乎没那么迷茫了，各家心里都有了杆秤，大概知道方向在哪，也大概知道怎么走了。

1、办公 Agent，大厂必争的「超级入口」

去年 WAIC 形成的共识还是「万物皆可 Agent」，今年，Agent 在哪做、怎么做，有了明确目标。

企业办公 Agent，成了大厂们盯准的超级入口。

模型能力趋同后，谁能率先成为用户打开电脑后的「第一站」，谁就掌握了 AI 时代新的流量分发权与生态主导权。

但不得不提，大厂的产品思维的确细腻。

上一轮「养龙虾」热潮虽出圈，但主要作用于程序员群体，安装卸载均有门槛。如今，大厂们将复杂的 Claw 产品线聚合包装，把程序语言翻译成 C 端话术，做成普通用户零门槛可用的APP。

腾讯展台逢人必推「WorkBuddy」，可以一键下载，一键安装。

截至 2026 年 7 月，其月活已突破 2000 万，日活突破 1300 万，成为国内 DAU 最高的办公效率智能体。

WorkBuddy 主打开放兼容，内置了超 20 种官方技能包，也支持在混元、DeepSeek、GLM、Kimi、MiniMax 等五大主流模型间自由切换，能无缝接入企业微信、飞书、钉钉等办公平台，功能包括自动回复邮件、数据分析、做会议纪要、整理报告、生成 PPT 等常见办公需求，覆盖千行百业。

一个实用亮点是微信直连。用户扫码即可远程操控 PC 端 WorkBuddy 执行任务，把微信这个生态入口打通，WorkBuddy 与随叫随到的「数字牛马」几乎无异。

此前，汤道生与姚顺雨的对话中，面对「腾讯 AI 是不是慢了」的质疑，他们给出的观点是：模型会迭代，需求在变化，新产品形态会不断涌现。WorkBuddy 抓住 Agent 浪潮，恰好成为这一判断的注脚。

百度「搭子」稍晚上线，但节奏极快，此番 WAIC 同样拿下镇馆之宝。

亮点在于可视化和高效率。它能像人一样操作电脑，让用户亲眼看到打开网页、点击、滚动、整理信息的全过程。自研「智能路由」技术能自动选择最优执行路径（本地或云端），平均任务耗时降低 20%，Token 利用率提升 25%。

搭子与百度内部生态完全打通，包括搜索、百科、文库、地图等自有产品，并推出业界首个全自动化 Skill 上线流程，比如高考志愿填报助手 Skill，以及自媒体专业套件，覆盖选题、创作、复盘全链路，并集成百度一镜数字人播报等独家能力。

百度今年在 AI 行业最强的存在感，来自李彦宏提出的 DAA（日活智能体数）指标，衡量每天有多少智能体真正为人类干活并交付结果，从成本视角转向产出视角，百度搭子无疑是这一战术路径的核心执行者。

值得一提的是，百度这次还把「家底」亮了出来：天池 2.0 超节点，通过昆仑芯和天池超节点，构建从芯片到系统的全栈自研能力。

另一位同样秀出算力「肌肉」的是阿里，将真武 M890×磐久 AL128 超节点搬至现场，并拿下大会「镇馆之宝」。

依托超节点，阿里同样完成了「芯-云-模型-推理」的全栈 Agent 化升级，并以此为基础，推出「千问办公」，整合 QoderWork（代码能力）、悟空（钉钉场景）、MuleRun（执行能力）三款成熟产品，深度绑定钉钉的企业关系链、组织架构与审批流。

目前仍处于灰度测试阶段，是市场上的后来者。

值得一提的是，与腾讯 WorkBuddy、百度搭子从软件入口抢占桌面不同，千问办公更进一步，将能力入口延伸至「无影」云电脑、千问 AI 眼镜/耳机等硬件终端。

三款产品的差异，本质是三家巨头战略路径的延伸：

• 阿里千问办公：扮演「整合者」，打通钉钉内部场景与外部硬件入口，打造超级办公平台。
• 百度搭子：扮演「实干家」，将搜索意图高效转化为任务成果，做最懂执行的生产力工具。
• 腾讯 WorkBuddy：扮演「协作者」，将微信协同优势转化为 AI 执行力，融入工作流。

各家都基于过往生态布局，各有各的底盘，各有各的牌面。企业 Agent 的入口卡位战，才刚刚进入高手过招的阶段。

2、大模型玩家，在路径分化上展示「默契」

如果说去年大模型玩家们还在同一个起点踌躇，是否淌进「百模大战」的浑水里。

今年，各家决定各走各路。

阶跃星辰是本届 WAIC 的流量中心。它罕见地将手机、汽车、具身智能三大终端汇集于同一展台，试图摆脱「模型提供方」的单一角色，向 AI 软硬一体方案商深度转型。

展台 C 位是全球首款大模型原生智能体手机 STEPX Neo。尽管真机仅以操作 demo 形式亮相，但设计逻辑已彻底重构：主界面即是个人智能体 Amoo 的对话窗口，而非传统多 APP 网格布局。

它能理解自然语言指令，自动完成机票酒店预订、支付、相册整理与视频生成、桌面文档归类等跨 App、跨终端的复杂任务，是端侧智能体落地最完整的演示样本。

如果说阶跃是聚焦终端，MiniMax 则是主张构建全生态，集中展示了其旗舰模型 MiniMax M3，并预热了新一代多模态生成模型 H3，并通过与机器狗、AI 眼镜、智能耳机、金融服务等广泛的生态合作伙伴的案例，展示其 AI 从底层模型到具体应用的落地实践。

面壁智能是坚定的端侧 AI 路线践行者，其打法是为他人提供「大脑」，而非自己做「身体」。其提出的「密度定律」，即模型智能密度约每 3.5 个月翻一番，强调用更小的参数实现同等的智能，解决端侧设备的功耗和性能瓶颈。

目前，面壁已形成消费电子、汽车、工业三大核心场景，多点规模化落地。其端侧模型已正式进入三星旗舰手机供应链。汽车领域，则搭载于长安马自达 EZ-60、吉利银河 M9、上汽大众 ID.ERA 9X 等多款量产车型，展会期间，面壁还与吉利人工智能中心联合发布具身智能体框架 RoboHarness，标志双方合作从智能座舱延伸至工厂生产仓储场景。

零一万物和百川智能首次参展，均放弃通用模型的军备竞赛，转而 All in 了垂直赛道。

前者由创始人李开复站台，主要聚焦 To B 的企业级 AI 服务，定位是打造「中国 Palantir」。展会推出「一号位决策 AI」系列，与其它 Agent 强调的办公场景不同，李开复认为企业应该将 Agent 用于辅助最高层的关键决策阶段，并在展会期间办起了新书《AI 未来已来》发布会。

后者则是在医疗领域深耕，百川这次着重展示了医疗大模型 Baichuan-M4，模型在权威医疗评测 HealthBench 上得分世界第一，且事实性幻觉率仅为 3.3%，为行业最低。

值得一提的是，百川前段时间还推出了 APP「百小医」，与同样聚焦 AI 医疗赛道且传播力迅猛的蚂蚁阿福来了次碰撞，只不过，蚂蚁阿福的定位更像是「AI 健康朋友」，而「百小医」更像是「AI 家庭医生」。

据悉，百川专注自研医疗垂直大模型已与国家癌症中心、北京儿童医院等顶级机构合作，在肿瘤、儿科等真实临床场景中开展验证。

尽管路线各异，但大模型玩家们在三个底层逻辑上高度一致：

一是参数内卷彻底终结。

没有任何一家公司再拿「千亿/万亿参数」作为展台的核心卖点。大家默契地认识到，纯粹堆砌参数而没有应用场景的模型毫无意义。即便是发布了 2.8 万亿参数 K3 的月之暗面，对外宣传的核心也落在了「编程能力登顶」和「开源生态」上。

二是「All in 应用」成为核心出路。

所有公司达成共识，大模型必须「脱虚向实」。无论是做硬件（阶跃）、做端侧（面壁）、做医疗（百川）还是做企业服务（零一），找不到付费场景的模型就是负债，这个共识极其统一。

三是放弃「大一统」模型的幻觉。

很少有人再试图用一个模型解决所有问题。大家都承认，未来的世界是「模型矩阵」或「模型+外部工具」的世界，基座模型、垂直模型、端侧模型将长期共存。

个体差异与集体共识交汇，恰恰证明了中国 AI 大模型行业正处于青春期的大分流。

无关对错，大家本质上都是「摸着自己过河」，没有标准答案。

3、Agent 从能用到好用，还有很长距离

WAIC 历经九届，这一变迁，恰好是 AI 产业从技术走向商业的缩影。

第一阶段，AI 产业还在聚焦计算机视觉、语音识别等单点技术突破；

第二阶段，则是进入「百模大战」，参数规模、榜单排名成为衡量 AI 的标尺。

到了现在的第三阶段，风向彻底转变。

行业不再孤立得谈论模型，而是追问其如何与物理世界链接并产生价值。

从大厂贴身肉搏，到大模型玩家各奔东西，AI 这门生意似乎足够大，大到让每家都找到一条足够自洽的战略路线。

就像在 Agent 这一共识路线上，有人走「大而全」的开放生态，企图连接万物定义新入口；就会有人做「小而精」的专用部署，解决企业具体痛点。

只不过，这门生意是否能够做起来，还有待观察。

冷水还是要泼的。

正如图灵奖得主理查德·萨顿在 WAIC 上的演讲所言，AI 的本质仍是弱小、不可靠，行业普遍混淆了智能与计算，目前取得的突破更多是计算能力的体现，而非真正智能的飞跃。

如果把梁文锋最近投资人会议上的观点对齐，有点异曲同工的意味。

梁文锋将 AGI 的实现路径比作爬楼梯，其清晰的路线图为：

• 思维链。去年的突破，教会了模型如何进行更深入的「思考」和推理；
• 智能体。今年的重点，赋予了模型执行复杂任务、调用工具的「手脚」能力；
• 持续学习。这才是下一个必须攻克的难题。

萨顿认为 AI 必须从「人类数据时代」迈入「经验时代」，通过与真实世界的持续互动获取第一视角经验。

梁文锋所谈的「持续学习」，恰恰就是实现这一跨越的关键跳板，让模型不再只是静态知识的复读机，而成为能在动态环境中不断试错、积累、进化的智能体。

也就是说，目前大家对于智能体的追逐，虽然找到了明确的场景商业化价值，但从可用到好用，还有很长一段距离。

今天的 Agent 能帮你订机票、写代码，但明天它能否自行总结经验？能否在与用户的反复交互中进化？还存在疑问。

更何况，这届展会上同质化的 Agent 能力比比皆是。大众抱着高期待围观每一场 Demo 演示，听台上讲遍了「能干什么」，却鲜少有人说得清背后的技术路径，更没人回答，市场到底为什么、凭什么长期为此买单。

只能说，WAIC 的多数玩家仍停留在「秀肌肉」的阶段，把 PPT 上的愿景当成交付的成果，把 Demo 的流畅当作商用的成熟。

这一节点，梁文锋与 DeepSeek 的克制的确难得可贵。

DeepSeek 很清楚这条路到底该如何走，它主动放弃大量利润，主动放弃 3D 生成、视频生成等热门赛道，将全部资源押注于 AGI 这条技术主线。

越是在喧嚣中看到方向，越需要在诱惑前守住边界。

对于其它玩家而言，可以借鉴的一面不在于「跟不跟 DeepSeek 走同一条路」，而在于两点：

其一，是识别自己的「主线」在哪里。在 AI 这场长跑中，什么是自己的核心赛道，什么是看似热闹实则与终局无关的干扰项。先想清楚「不做什么」，比急着决定「要做什么」更重要。

其二，是保持对技术终局的耐心。AI 远未成熟，在这个阶段，用短期商业回报的焦虑去透支长期技术积累，或许是最昂贵的短视。

正如这届 WAIC 的火爆，尽管展馆人流创下历年峰值，技术展示、商业合作、资本对接发生在每一个角落里，创业者寻找技术落地的新场景，从业者们追寻下一个风向标，投资者生怕错过下一个新标的。

然而，有多少是投资情绪助推的市场热度，有多少是对外炒作的技术概念，又有多少是真正可以长期坚持的商业路线。

看似 AI 行业步入经济上行周期，但它距离真正的成熟与普惠，仍有一段不短的路程。

概念炒热过后，或许大家都务实一点，才能走得更远一点。