MEET2026挤爆了，AI圈今年最该听的20+场演讲&对谈都在这

组委会 发自 凹非寺

量子位 | 公众号 QbitAI

DeepSeek炸翻全场，世界模型开启通向AGI之路，“Agent元年”，具身智能全面开花，豆包手机让AI终端热度再上一个台阶……

AI世界里原本散落全年的高能节点，在今天，被集中点燃。

在量子位MEET2026智能未来大会上，这些被全年刷屏的关键词，又一次被工业界、学术界、投资圈的大咖们高频拆解，激情对线。

会场里座无虚席，过道被“站票”填满。台上是学术界和行业内的第一线操盘手，台下是来自大厂、独角兽、科研机构和资本方的长期关注者们。

屏幕另一头，线上观众在弹幕里叫好不断，一整天都维持在热度高位。

2025年的AI，在发展，在分裂，在重构，迫使所有参与者给未来一个明确站队方向。

今天的MEET2026智能未来大会舞台，把所有力量&分歧&野心&机会同时摆上桌面。

从云到端，从模型到Agent，从软到硬，在这场顶级密度的一天里，我们见证了最重要的一点：推动AI进步的人们，真的相信下一段曲线就在眼前。

来，跟着量子位碳基编辑一起，把这场大会抛出的关键信号好好捋一捋。

MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下到场参会观众近1500人，线上直播观众350万+，获得了主流媒体的广泛关注与报道。

张亚勤，清华大学智能产业研究院(AIR)创始院长、中国工程院外籍院士

MEET2026大会上，清华大学智能产业研究院（AIR）创始院长、中国工程院外籍院士张亚勤带来了主题为《人工智能+趋势》的分享。

以下是他的观点精华提炼：

• 以ChatGPT与DeepSeek为代表，AI正从鉴别式走向生成式与推理式，在高效率、低成本和开源生态中加速落地。
• 新一轮人工智能，是信息智能、物理智能和生物智能的融合，本质上也是原子、分子和比特的融合。
• 生成式AI正快速演化为智能体，任务长度与能力同步提升、风险同步放大。
• 未来5~10年，基础大模型像操作系统一样在全球范围内收敛到不超过10个。
• 主战场将走向“智能体互联网”时代，智能体会取代今天的大部分SaaS和App，成为企业和个人与世界交互的默认形态，同时这也是通往AGI的必经之路。

王颖，百度集团副总裁，文库事业部、网盘事业部负责人

百度集团副总裁，文库事业部、网盘事业部负责人王颖，则以《AI打造超级智能体，成就超级个体、超级团队、超级组织》为主题分享了她的洞见。

以下是她的观点精华提炼：

• 认知偏差、落地断层、体验割裂成为了用户目前使用AI产品的三大痛点。
• 要打造真正的超级个人智能体，赋能用户成为超级个体，让AI应用想得全、想得对、做得好，实现个性化、自由化、通用化，使每个人能力加倍。
• GenFlow是百度设计超级智能体框架的调度中枢，月活用户达千万级，成为全球最大的通用智能体。作为首个全模态、全链路的通用智能体，可覆盖学习、办公、生活、娱乐全场景，满足聊天、问答、检索、创作等核心需求。刚刚更新的GenFlow 3.0版本已经内置到百度文库和百度网盘双端。
• 百度文库推出AI学习平台OREATE AI，能端到端完成全场景全模态创作。新版本上线一个月月活突破140万，登顶ProductHunt全球日榜第一名。
• 百度网盘于今年9月上线全球175个国家和地区，具备多语言字幕、AI相机、AI笔记等特色功能。

王仲远，北京智源人工智能研究院院长

《Al觉醒之年：从数字世界迈向物理世界》是北京智源人工智能研究院院长王仲远在MEET2026智能未来大会上分享的主题。

以下是他的观点精华提炼：

• 当下人工智能处于第三次浪潮的重要拐点，大模型推动其从弱人工智能迈向通用人工智能，推动机器人从1.0专用机器人时代进入2.0通用具身智能时代。
• 视频是能够大规模获得的模拟真实世界的高效载体，同时包含时间、空间、物理、因果关系以及意图等各种要素。
• 2025年往后，第三代Scaling范式的关键在多模态。智源研究院的悟界·Emu3.5，通过统一的自回归架构，将大语言模型的Next-Token Prediction升级为在多模态数据上进行Next-State Prediction，预示着AI从语言学习迈入多模态世界学习。
• 目前的具身大模型依然是不好用、不通用、不易用。不好用，指的是具身大模型还没有达到ChatGPT时刻；不通用，指的是很多模型只能适用一个本体或者同一个品牌的本体；不易用，指的是大脑、小脑以及本体之间的适配度还是不够高。
• 智源研究院从成立起坚持开源开放，过去两年多开源2200多个模型，下载量突破6.9亿次；开源近百个数据集，下载量超120万次。

万卫星，高通公司AI产品技术中国区负责人

会上，高通公司AI产品技术中国区负责人万卫星发表演讲，聚焦于《混合AI：从云端到边缘智能》。

以下是他的观点精华提炼：

• AI行业的演进，第一阶段是感知AI；第二阶段是随ChatGPT兴起的生成式AI；第三阶段是智能体AI，可在几乎无人类干预情况下做自主行动；第四阶段我们把它叫做物理AI，AI能理解真实物理世界并根据真实物理规律做出反馈和响应。
• 两年前端侧只能跑1–2K上下文，去年可以跑4K，今年已经支持8K-16K。在9月份的骁龙峰会上，可看到在一些特殊场景下，甚至可实现最长128K的端侧大模型部署。
• 从模态来看，终端侧正在从单一文字模态，向支持文本、图片、视频、音频、语音等多模态，甚至全模态方向演进。生态系统从单体模型向复合系统的转变是迈向智能体AI的基础。
• 在终端侧运行大模型，最大的好处之一是个性化。
• 在终端侧运行大语言模型主要面临内存限制、带宽限制和功耗控制等挑战，为此高通进行了一系列技术储备与预研：量化与压缩、并行解码技术等以提高推理效率、先进NPU与异构计算架构。

陈晓建，亚马逊云科技大中华区产品部总经理

亚马逊云科技大中华区产品部总经理陈晓建，分享了题为《Agentic AI未来已来》的见解。

以下是他的观点精华提炼：

• Agent从各个方面都可以让AI泛化出强大的生产力，可以替代很多人类之前的工作，甚至可以去做很多人类以前做不到的事情。
• 一个成功的Agent的构建，需要三个至关重要的模块：第一是底层的模型“大脑”，能够提供有效的决策；第二个是中间的代码；特别之处在于，它还有第三个模块tools，在整个三层架构中相当于“手和脚”。
• 从POC阶段迈向生产部署常会遇到挑战，两者差异明显：一方面，POC使用筛选后的高质量数据，而生产环境数据无法人为优化；另一方面，生产还需解决安全、扩容、成本、高可用等一系列问题。
• 模型定制化仍面临诸多挑战，Amazon SageMaker AI提供全面的模型定制支持，包括强化微调、无检查点训练以及Nova Forge等四类不同的定制化能力。
• Nova Forge关键优势在于：它允许在基础模型训练阶段就引入自有数据进行定制。就像人类学语言在幼年时最容易一样，模型在“成长”过程中进行定制，其效果通常优于在训练完成后再进行微调。

赵俊博，浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家

浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家赵俊博，带来了题为《LLaDA：AGI路上的非共识宣言》的前沿分享。

以下是他的观点精华提炼：

• 所有生成模型本质上都是在拟合数据分布。自回归模型提供了一种拟合方式，它将整体分布拆解为一系列遵循单向因果顺序的条件概率来逐步建模。但这种方式并不是唯一的路径。
• 开源模型LLaDA采用扩散语言模型架构，暂不考虑MoE的情况下，在相同的计算量和性能目标下，LLaDA所需的参数规模可以比自回归模型更小。
• 扩散架构在推理过程中可以直接修改和控制token，而不需要像自回归模型那样重新生成整段内容。
• 在计算受限情况下，LLaDA采用“完形填空”式预测，相比自回归模型更为data-hungry，对数据需求更大、吸收数据更快。
• LLaDA与自回归模型的Scaling Law存在差异，我们已验证LLaDA可以扩展到千亿规模，但继续往上会面临新的挑战。

喻友平，中关村科金总裁

中关村科金总裁喻友平则带来了主题为《数智融合·质效双升：企业智能体赋能新质生产力跃迁》的分享。

以下是他的观点精华提炼：

• 从互联网时代到AI时代，本质上是连接的进化，即智能体作为超级连接器实现人与数据、知识、智能的更强连接。
• 企业要实现智能体落地，主要优化集中在场景的选择和评估、企业内部数据和知识的整理、模型的选择和构建三个环节上，这三个要素需要循环迭代、持续进化。
• 企业用好智能体的关键在于三个平台：连接算力、容纳各种开源模型的大模型平台，这也是企业认知能力的中枢；提供感知能力的AI能力平台；把企业的经验和记忆沉淀下来的AI数据平台。
• 我们在企业级大模型平台上，通过构建智能体集市，集中管理和协同成百上千个智能体，并以人机协作为核心落地模式，才能在企业的营销服务、办公运营、研发生产环节里带来价值。
• 企业级智能体落地与ToC智能体最大的不同，在于对“规模化、成本效率和精度”的极致要求。

Dennis Yue，Google Cloud大中华区企业与中国初创业务负责人

Google Cloud大中华区企业与中国初创业务负责人Dennis Yue以主题《AI时代领航：Google全链路赋能初创企业高效出海》进行了分享。

以下是他的观点精华提炼：

• 初创企业在出海不同阶段面临不同侧重点与挑战，Google一体化的出海解决方案，将创新调研、产品上云、获客营销、全球分发与变现、智能体协同及支付体系等链路贯通，赋能企业高效出海。
• 智能体自主协作可解决复杂问题、自动化流程并自主执行任务，由此催生新商业模式。谷歌主导的A2A协议，既支持企业内部不同部门智能体的连接，也能打通企业间、企业与外部智能体之间安全有效的通信。
• 拥有100万Token超长上下文、原生多模态及精准工具调用的Gemini模型，正迈向能够进行多步逻辑推理、解决问题、执行任务的AI行动时代，并在持续迭代创新。

朱宁，上海交通大学上海高级金融学院金融学教授

上海交通大学上海高级金融学院金融学教授朱宁分享了名为《AI时代的经济学思考》的主旨演讲。

以下是他的观点精华提炼：

• AI出现之后，稀缺的概念改变了。如何在稀缺面前做出更好的选择，是需要更加深入思考的问题。
• 当AI替代人进行工作决策时，AI可能会出于自己的想法来进行资源配置，一定程度上出现人和算法的竞争、算法和算法的竞争。
• 据诺奖得主、经济学教授Daron Acemoglu估算，在今后的十年里，AI每年可提升全球经济增长0.5到0.7个百分点。
• 随着越来越多的AI进入整个贸易领域，更多的贸易发展不会以具体的物理形式发生。
• 未来不要去想哪个行业在AI革命面前是安全的、完全不会被替代的，而是应该更多考虑如何更好地掌握AI技术，和AI共生。

赵策，卓世科技合伙人、副总裁

《行业大模型及应用破局AI商业化落地》是卓世科技合伙人、副总裁赵策在现场演讲中分享的主题。

以下是他的观点精华提炼：

• 2025年，尤其是DeepSeek出来后，大家更关心的是如何去做行业的落地、场景的赋能和商业化变现，这是非常直接也非常实惠的事情。
• 想要让感知物理世界和场景落地，需要配合终端来实现。需要完成“模型-终端-数据-模型”的商业闭环。
• 做好商业化落地的组合拳，技术-产品-商业-服务。
• 已经摸索出企业服务方向最容易落地的三个方向：工程流程自动化，行业研究报告，智能化办公助手。
• 卓世在医疗健康领域与AI紧密结合的两个方向，一个是基层卫生（社区医院），卓世已经利用大模型已经融合2000多种常见病、常见药以及相关服务来服务居民；另一个是进三甲医院去看病，结合医院在专项病种的优势数据，训练专业病种大模型，形成大模型辅助诊疗。
• AI在工业制造落地是一个组合拳，大模型融合视觉模型和时序模型，来处理各种生产和传感的数据，大模型作为大脑形成对数据的分析和决策支撑。能够自动化调配生产，调优生成工艺，在其中起到大脑的作用。

GenAI Talk：对话文远知行WeRide创始人兼CEO韩旭

上午的GenAI Talk环节，文远知行WeRide创始人兼CEO韩旭，与量子位联合创始人兼总编辑李根就《第一批自动驾驶创业者的第二个八年》展开对谈。

以下是对韩旭的观点精华提炼：

• L2和L4之间的壁垒其实根本就没有被打破。很多公司没有做过L4，但纷纷说自己的L4战略。真正的L4公司需要至少有二、三十辆车的纯无人车队运营半年以上。
• L2+/L2++做好不易，但与纯无人的L4难度相比差距巨大，区别如同在江里做一艘小船和做一艘跨洋大船。
• 佩服马斯克，但预测称如果马斯克还是用Model 3或者Model Y这样的量产车，不装激光雷达，三年之内特斯拉在旧金山无法做到今天Waymo的水平。三年之后大家可以看有没有被打脸。
• AI放大了人与人的差别，优秀人才价值大幅提升。文远知行上市后有可兑现的财力，且需要顶尖人才解决自动驾驶及具身智能等前沿问题，因此推出了300万～500万重金“英才计划”招募人才。
• 预测：随着大模型发展，如果算力等条件满足，8年后可能出现比人类99.99%司机都开得好的自动驾驶——即出现类似AlphaGo时刻，自动驾驶在开车方面全面超越人类。

尤洋，潞晨科技创始人兼董事长，新加坡国立大学校长青年教授

潞晨科技创始人兼董事长，新加坡国立大学校长青年教授尤洋，深入阐述了《AI大模型赋能千行百业》。

以下是他的观点精华提炼：

• 大模型的应用肯定不仅限于聊天机器人或者编程助手，未来大模型在千行百业里边落地，才能产生它最大的价值。大模型的价值在很多场景还没有真正发挥出来。
• 有三类企业需要行业模型或者私有模型，第一类是传统大型企业，第二类是有海量数据的中小型企业，第三类是颠覆行业的新兴公司。
• 用大模型做To B，最关键的是后训练或Agent化，如果只是调大模型API，大家用的模型都一样，显然没有任何差异性。开源模型只有在被“专业训练”后才能战胜闭源模型。
• 企业部署大模型成功的关键，一是要最大化算力效率，另外还要有微调SDK和低代码模板。
• 潞晨云最新上线微调SDK，开发者仅需专注模型与算法创新，训练调度、分布式框架适配、底层云基础设施及运维由平台完成。

宣善明，商汤大装置副总裁、CTO

商汤大装置副总裁、CTO宣善明，其演讲主题为《商汤大装置，推进AI基础设施的深度演进与行业落地》。

以下是他的观点精华提炼：

• 目前商汤的战略是“1+X”，“1”即核心业务，包括大装置、大模型、AI应用三位一体；“X”即创新业务，包括智驾、医疗、零售等模块。
• 大装置方面，商汤始终坚持自身优势，打造最懂大模型的AI Infra，依托多年的核心技术积累，目前算力总规模达32000P。
• 商汤智算中心通过算电协同，削峰平谷，精准预测15分钟内算力对电力的消耗，已实现年化降低7%电费，实现年度碳减排超过3000吨，综合算效提升15%，同时模型预测准确率可达88%。
• 商汤联合国内十余家厂商共同发布了“商汤大装置算力Mall”。在算力Mall上，客户能够使用自由组合和调配多样化的国产算力资源、平台工具和行业模型服务，同时在此基础上获得一个通用的、可无缝实现其算法的环境。
• 商汤大装置不仅是要做一个算力平台，而是在框架、模型优化、推理加速等方面的全栈能力，全面赋能科研机构、互联网企业与AI创业团队等迭代模型、提升效率。

Daniel Povey，小米集团首席语音科学家，IEEE Fellow

小米集团首席语音科学家，IEEE Fellow Daniel Povey以《The Evolution of AI——Lessons from evolution for the future of AI development》为主题进行了分享。

以下是他的观点精华提炼：

• 人工智能的演进和生物有机体的进化过程非常相似，通过尝试不同的技术变体，然后筛选出在目标任务上表现更优的方案。
• 类比生物进化中的“间断平衡”，AI的发展并非连续，而是“长期停滞+突然跃迁”，停滞期也不会永远持续。
• 开源对进化速度至关重要，如果每家公司都闭源，那么研究速度可能会降低为原来的千分之一。
• 从进化类比中可以得出：不要押注单一任务或单一路线，推动跨任务的技术融合；在进化过程中找到AI“通才”与“专才”的平衡；保留多种不同模型架构的存续，从而增加发掘实用新技术的机会。
• 大公司双管齐下是有意义的，一方面使用当前业界领先的技术方案，另一方面进行探索性研究，以寻找下一个重大突破。

姚欣，PPIO联合创始人兼CEO

PPIO联合创始人兼CEO姚欣则以《PPIO，打造Agentic AI的底层基座》展开了深入分享。

以下是他的观点精华提炼：

• 今年以来，AI正在进入一个全新的时代，从“思考与回答”转向“自主行动与创造”。
• 真正成熟的智能体，必须具备自主分析与自主决策能力，而执行力落地是其中的关键环节。
• 智能体并不只是一个被动听指令的执行器，而是一整套完整闭环的智能系统，主要包含三层能力：认知规划、行动协作、分析反馈。
• Agent Infra本质上就是在做AI时代的操作系统，它管理的不是硬件资源，而是模型能力、工具调用与任务执行的“智能资源”，通过统一调度，为上层应用开发者提供运行基础。
• Agent Infra的核心在于Runtime，它要解决的不只是“如何让智能体更聪明”，而是让智能体具备跨环境通用运行能力，能够稳定启动、持续运行，并对多种能力进行统一编排与调度。

方汉，昆仑万维董事长兼CEO

昆仑万维董事长兼CEO方汉以《智能体思考与展望：昆仑万维Skywork Super Agent演进之路》为主题，深入分享了他的所思所闻。

以下是他的观点精华提炼：

• Skywork Super Agents是昆仑万维今年5月发布的产品，它包括五个专家Agents和一个通用Agent，PPT模式可以在五分钟之内生成30页PPT。40%的DAU用户使用PPT模式。
• Agent的本质不是AGI，Agent的本质是可验证过程的自动化，擅长数学代码和结构化决策，不擅长创新范式突破和新框架。现在到了Agent发展的拐点。
• AI进程最直接的落地场景是AI Office；第二是各种各样的垂类场景，但这些场景存在一个巨大问题，就是不存在好的数据集。
• 通用Agent的渠道之争，对传统渠道来说是生死之战。只有硬件手机厂商才能决定自己的手机上可以装什么Agent，其它任何Agent厂商都是没有这个能力的。
• Agent将重写公司组织，因为流程属于过程数据，只要可验证就可以被自动化。而我们的每一个岗位实际上变成了Agent的执行上下文，重复操作的岗位将消失，取而代之的是过程架构师。

乔梁，太初元碁联合创始人兼首席运营官

太初元碁联合创始人兼首席运营官乔梁的演讲主旨是《超智融合计算新范式下的国产算力生态建设》。

以下是他的观点精华提炼：

• AI技术的成熟改变了传统科学计算模式，高性能计算技术在传统生产制造、科学研究和AI落地场景中贯穿始终。未来，硬件厂商和软件开发者都将面临更大市场机会和发展前景。
• 2016年神威太湖之光采用了有别于ASIC或DSA等的异构众核通用计算架构，实现了纯国产自主可控的硬件架构和生态体系。
• 超智融合是大势所趋，将面向更多计算领域场景，需要综合算力基础设施提供智算底座。
• 单颗芯片性能已经成为AI算法发展瓶颈，太初元碁自主设计的TC link，可以实现128卡间的scale up高速互联拓展，为AI算法增长提供硬件基础。未来也需要集成度更高的高性能计算系统，为AI算法提供硬件基础。
• 国内发展人工智能产业离不开开源生态，行业需要企业共同组建开源平台。

刘凡平，RockAI CEO

围绕《硬件觉醒：让AI不再被Transformer束缚》这一主题，RockAI CEO刘凡平带来了自己的演讲。

以下是他的观点精华提炼：

• 为token付费是一件很愚蠢的事情，用户应该为智能付费。
• 端侧模型不是云端大模型的小参数版本，端侧模型关键在于自主学习和记忆，Transformer架构模型无法在端侧实现这一点。
• 人工智能要发展到下一个台阶，一定要突破两座大山。第一座大山是Transformer，第二座大山是反向传播算法。
• 原生记忆和自主学习带来的变化除了token不再收费，更多的还有重新定义硬件的价值。
• 每台设备拥有自己的能力并能向物理世界学习，就会产生群体智能，如同人类社会个体相互合作产生知识。现有大模型（尤其是Transformer架构大模型）本身不产生知识，只是传播知识；群体智能才是迈向通用人工智能的最佳途径。

王雁鹏，百度智能云AI计算首席科学家

百度智能云AI计算首席科学家王雁鹏，围绕《昆仑芯的规模化应用之路》展开分享。

以下是他的观点精华提炼：

• 国产芯片的替代有一个渐进式的过程，昆仑芯从第一代开始已经做到了在搜索线上系统全量用推理，真正难的是在大规模训练场景。
• 现在Scale换了一个维度，变成了模型参数的Scale和任务训练规模的Scale，由此带来了整个系统层面的Scale，映射到硬件上就有不同的size、各种形状、不同的切分策略和并行策略。
• 当前重要发展方向是MoE，它在某种程度上延续了原有的Scaling Law，能够继续扩大参数规模，同时不增加激活参数规模。但系统层面会面临新的挑战：模型参数变得更大、输入序列变长，通信占比显著提升，占比提升意味着整个模型架构都要有变化。
• 如果要让我们的芯片真正地走出我们自己的场景、让更多的人去接受，它一定要绑定一个更优秀的大模型。

王潜，自变量机器人创始人兼CEO

自变量机器人创始人兼CEO王潜，解读了《构建物理世界的基础模型》。

以下是他的观点精华提炼：

• 最近具身智能领域有一个争论：具身智能究竟应被视为应用，还是应当被定位为独立的基础模型？我们非常明确地认为，具身智能模型独立或平行于虚拟世界中的语言、多模态模型，是一种专门面向物理世界的基础模型。
• 物理世界的特性与虚拟世界差异巨大，尤其是物理事件存在高度随机性。
• 现有的模型架构、训练方法和数据能力，很难对高度随机性的现象做出充分准确的刻画。
• 如果以未来十年为尺度，具身智能基础模型甚至有可能反过来吞噬现有多模态模型的生存空间。
• 要构建一个统一的基础模型，它自然应是完全端到端的。这一点在当下某种程度上已经成为行业共识。

杨海波，光轮智能联合创始人兼总裁

光轮智能联合创始人兼总裁杨海波，也带来主题演讲《打造全栈自研仿真基础设施，加速世界模型与物理AI落地》。

以下是他的观点精华提炼：

• 光轮智能在业界以仿真合成数据被大家所熟知，而支撑这套数据体系的底层是我们全栈自研的仿真基础设施。这套基础设施也是未来支撑世界模型及物理AI落地的关键。
• 为什么传统仿真的Sim2Real总是失效？主要有三方面：物理不够真实、资产视觉失真、交互行为不准确。
• 光轮智能全栈自研了“测量-建模-求解”三位一体仿真解决方案。实际去测量真实世界，而不再依赖猜测和经验，并在仿真下进行视觉、物理交互、动作等与真实测量对齐的建模，从而缩小sim2real gap。
• 没有好的生态支撑，仿真平台无法持续发展。真正好的仿真平台从来都不是独立的，而是需要生态构建，需要海量的使用场景来验证和优化，也需要持续的商业回报来加强技术投入。
• 光轮智能从一开始就聚焦于打造仿真领域的“爆品应用”，包括仿真遥操数采、大规模仿真强化学习训练平台LW-BenchHub、为具身前沿模型打造的行业评测标准RoboFinals。

毛健，云徙科技COO/副总裁

云徙科技COO/副总裁毛健带来专题分享，主题是《从算法到业绩——共创运营新范式，跨越AI价值的系统性鸿沟》。

以下是他的观点精华提炼：

• 现在不是“AI+”的时代，而是“运营xAI”，AI从工具跃迁到业务主体。
• 对于企业来讲，核心的诉求不是买AI工具，而是能够直接对业务结果负责的AI运营智能体。
• 云徙科技作为企业全链路AI解决方案赋能伙伴，我们认为要让智能体走向自主运营有三步。第一步重塑业务流，建立可拆解、可重生、可协同、可被调用、可自动化的动态业务基座；第二步在重塑的业务流上，建立面向AI的知识图谱和数据供应链；第三步为业务注入AI大脑，从单体AI工具升级为智能体协同矩阵，形成一个从业务、数据到AI的协同智能体，三者能够共生互动的飞轮，本身这个系统的进化能力才能不断增强。
• 年轻人是AI生产力释放的主力军，经验老道的AI从业者则需要把更多的精力放在企业中，为年轻人创造更多释放AI潜力的生产关系。
• 给AI创业者的四点建议：在增量中找市场、在专业里找空间、在业务中找场景、在结果中找收益。

张延柏，灵心巧手联合创始人

灵心巧手联合创始人张延柏在MEET2026大会上，作了题为《以灵巧手和云端智脑为核心的具身智能平台》的主题分享。

以下是他的观点精华提炼：

• 灵巧手是具身智能的核心零部件之一，一方面灵巧手可以不依赖人形机器人，率先独立应用于真实场景，另一方面灵巧手也是一个高门槛的软硬一体平台。
• 一个真正好的灵巧手，必须在高自由度、耐用性和性价比的硬件基础上，结合成熟的算法生态，具备与真实世界稳定、高效交互的能力。
• 当前全球灵巧手有三种主流技术路线：腱绳传动方案、刚性连杆传动、电机直驱传动。灵心巧手在这三个方向都有对应的解决方案。
• 中国在具身智能硬件，尤其是机器人与灵巧手领域，优势相当明显，甚至是遥遥领先。
• 灵心巧手目前走两个方向：软件算法部分，让灵巧手像人一样，完成多种真实物理世界任务；硬件底座部分，三大核心部件（触觉传感器、电机、减速器）全部坚持自研，并通过双团队赛马机制持续提升微型化与耐用性，形成长期工程壁垒。

孙茂松，清华大学人工智能研究院常务副院长，欧洲科学院外籍院士

围绕GenAI，清华大学人工智能研究院常务副院长，欧洲科学院外籍院士孙茂松以《生成式人工智能和大模型：前沿态势、核心挑战及发展路径》为主题，展开了深入分享。

以下是他的观点精华提炼：

• 当模型规模、数据规模持续增大时，可能会出现能力涌现。这种高度非线性变化所带来的不确定性体现了大模型最有魅力之处。预计未来几年，有标准答案的人类最难考试可能也难不住机器。
• 当下大模型和具身智能面临的本质挑战在于如何理顺“言、知、行”的关系，让机器真正实现“知行合一”。这个问题的“求解”，非常困难，关涉人工智能的重大理论和基础方法创新。
• Scaling Laws到底能走多远，具有相当的不确定性。任何信息系统发展到一定阶段通常就会呈现趋于饱和的倾向。不过，一旦出现了新的涌现现象，又能打破这种饱和。所以国内仍需有少量顶级团队紧跟全球前沿发展，探索Scaling极限。
• 未来几年内，人形机器人要进入通用开放环境自主进行较为复杂的工作几乎是不可能的。应立足于在尽可能多的特定真实场景或真实任务上实现人工智能应用“星火燎原”式的落地发展。这是完全可能的（但机器人不一定是人形），也应该是绝大多数企业应下大力气去做的。

前沿圆桌：距离Al Agent革新千行百业还有多久

2025年已成为公认的“Agent元年”。

AI Agent技术已在客服、理赔等场景验证价值，但全面革新仍面临数据、场景与组织协同的挑战，需技术与行业深度共创

下午的圆桌环节，三位来自产业界与科技界的嘉宾共论AI Agent的革新进程。他们分别是：

小宿科技联合创始人兼CEO，杜知恒。

联汇科技CEO兼首席科学家，赵天成。

蚂蚁集团平台体验技术部负责人，徐达峰。

圆桌环节围绕以下几个问题展开：

各位平台上目前效果最好/最具代表性的的Agent落地场景是什么？

行业中存在“通用Agent/工具普及”和“垂直Agent/场景深度”的路径之争，如何看待这两种路径的长期发展？

一个真正“好用”的AI智能体最核心的评价标准是什么？

Agent的产业链可以大致怎样划分？现在还有哪些部分是比较关键，但仍有所欠缺？

除了大模型，AI Agent产品还有哪些关键的技术卡点/技术提升点？

2025年是公认的“AI Agent元年”，切身感受中，这一年最重大的变化是什么？

下一步的关键演进方向是什么？
……

三位嘉宾围绕这些话题都分享了哪些值得关注的观点？

小宿科技联合创始人兼CEO杜知恒表示：

• 过去一年Agent进化明显，在PPT制作、产品文档编写、编码等核心工作流中能交付实习生水平的结果。
• 越来越多软件垂类在采用AI能力，提升服务客户的效率和质量。
• 好的Agent应能像人一样交付结果，从实习生水平逐步提升，以能否在场景中交付相对完整的结果作为主要评判标准，即便存在“抽卡”情况，性价比依然较高。
• 多数Agent存在负毛利问题，完成任务的代价高于用户支付意愿，这对创业者来说是巨大挑战，也影响基础设施提供商的可持续发展。
• 当前Agent在三四线城市和日常生活中的渗透率较低。

联汇科技CEO兼首席科学家赵天成表示：

• 今年多模态和执行端应用带来显著ROI。多模态方面，新的多模态模型提升了智能体对图像和视频的理解能力，打开了更多数字空间场景；执行端方面，智能体可控制终端设备解决问题，使终端价值提升百倍。
• 好用Agent的存在标准，一是采用AI原生方式开发，彻底用Agent替代工作流环节；二是Agent应具备可进化性，能在使用过程中根据用户反馈和上下文不断优化。
• 在物理场景应用中，需要解决双脑架构集成问题：即大语言模型给出指令后，端侧需有类似小脑的模型进行快速执行，以实现高效协作。
• 在建模和工程化方面，当前Agent在可靠性和效果上仍需提升。
• 每个人每天使用的最高频的三个APP中有两个是Agent时，才意味着AI Agent进入新发展阶段。

蚂蚁集团平台体验技术部负责人徐达峰表示：

• 2025年，WeaveFox、多模态生码的Coding Agent从“写代码”迈向“跑流程”，在项目中能看懂设计稿、理解上下文和组件规范，然后自动生成可上线代码。多个项目规模化实践下来相比人工提效3~5倍。
• 衡量好的Agent指标，需具备可控性、可解释性，能持续稳定执行任务。需要设计人机协作流程，在任务不完美时，能暴露问题、可回溯回滚，可由人接管，更像靠谱的同事，而非偶尔带来惊喜的天才小学生。
• 在数据和算法、模型能力层面，Agent的技术依赖会逐渐收敛；而在Agent本身框架和集成层还需要诸如数据、权限管控等能力，行业应用层面有趋势从App向智能硬件延展，催生出更多行业应用和场景。
• 为让大众使用AI Agent产品，产品设计要尽可能降低使用门槛，不能预设用户有专业知识背景，比如百宝箱的超级智能体，一句话就能开始，开箱即用。
• AI Agent可以聚焦中高频场景，同时设计创意玩法，如蚂蚁的灵光App可制作闪游戏和闪应用就很有特色。

Read More