为了紧跟 AI 行业的前沿动态，雷科技（ID：Leikeji）今年也派出团队亲自前往上海，为大家带来 AI 行业的第一手信息。
和往年一样，今年 WAIC 依旧离不开大模型：Kimi 在 WAIC 开幕前发布了 3T 参数的 K3 模型；面壁智能继续把 MiniCPM 往一线设备里装，把智能带到端侧设备上；阶跃星辰、豆包、荣耀等厂商则把模型做进手机系统，让 AI 从一个单独的功能，变成能调应用、办事情的系统级助手。
但在雷科技看来，和过去的 WAIC 相比，今年 WAIC 的重点已经发生了改变：
在智元展台，GO-2 具身基座模型被用来驱动机器人在流水线上下料、装盒；魔法原子的 Magic-VLA K02 则在现场处理叠盒封胶、整理衣物。甚至 WAIC 现场的导览工作也由 60 多台智元机器人负责 ……越来越多的大模型正走出数字世界，开始朝着现实世界、物理 AI 的方向迈进。
要知道在 2023 年大模型技术刚刚爆发时，AI 行业比拼的还是谁的模型参数大、谁的模型支持的格式多；即使在 2025 年，大家比拼的也不过是模型的上下文和推理能力。可「一夜之间」，过去只活跃在 App 和 API 里的大模型已经跳出了对话框，走向了物理世界；甚至连模型的叫法也从曾经的「大模型底座」变成了「基座模型」。
在雷科技看来，从「数字世界」走向「现实世界」的转变，才是这一届 WAIC 上最值得我们关注的事情。
AI 要比的不再是模型的参数大小
从「数字世界」走向「现实世界」，首先改变的其实是我们看待大模型的方式。
举个例子，过去有模型发布时，大家最关心的无非是参数规模、上下文长度和榜单成绩；面壁智能在 WAIC 上展示 MiniCPM 时，也会提到模型在同尺寸产品里的能力表现。
但对消费者来说，参数很难直接转化成使用体验。毕竟用户不会因为模型上下文更长，就改变订票、查天气、做表格的习惯；一台手机里的 AI 功能再多，如果用户还得自己在地图、支付、聊天、文档和浏览器之间来回切换，也称不上真正的 AI 设备，只能叫做「装了 AI App 的手机」。
此时，AI Agent 的概念出现了。用户只需要告诉 AI 想做什么，模型不仅可以理解需求，还可以自主调用对应的服务，替用户完成工作。今年 WAIC 上的智能体手机，讲的正是这件事：
阶跃星辰把个人智能体 Amoo 放到 STEPX Neo 手机系统底层，豆包和努比亚继续推进 GUI Agent，让模型通过理解屏幕和模拟操作完成跨应用任务 …… 在手机之外，这种全行业 Agent 化的风向更为明显。
以曾经的 AIoT 硬件为例，过去所谓的 AI 硬件，很多只是装了定制系统的 Android 手机，比如 Rabbit R1。但光是雷科技今年体验过的 AI 设备，就已经开始具备 Agent 化能力。
具身智能就是 AI 在现实世界的「Agent」
可能有人好奇，为什么要在具身智能时代提 AI Agent？其实这背后的关系非常好理解：
如果按大模型这几年的能力演进来划分，大模型第一阶段的重点是模型理解和生成内容，第二阶段就是 Agent 能力。而具身智能与世界模型，正是大模型第三阶段要做的事情。
在具身智能时代，基座模型不仅要理解用户说的话，还要拥有对现实世界的理解能力和「自主响应」能力，例如 VLA。幸运的是，在 WAIC 2026 上，我们已经看到了具身智能与世界模型的落地：
像智元、魔法原子、乐聚等 AI 企业，都在 WAIC 上展示了具身智能产品在工厂流水线上的应用；启元更是进一步，直接在 WAIC 现场用机器人负责导览。不可否认，这些「流水线」任务没有机器人跳舞、打拳那么具有画面感，但从行业的角度看，和那些表演性质的展示相比，这些枯燥乏味的「流水线」工作，才更能体现具身智能与世界模型的价值。
再说了，这些枯燥的「流水线」，其实也更符合当前具身智能的发展现状：与家庭场景相比，工厂任务相对固定，流水线的模式意味着工作流程可以无限拆解，任务完成状况也有明确的判定标准。
更重要的是，这类场景可以为大模型在一个相对可控的场景里提供真实的数据：机器人先在规则相对明确的场景里工作，企业从实际运行中发现问题、积累数据，再用这些数据继续训练模型，最后把能力扩展到更复杂的任务里。
也正因如此，今年 WAIC 上越来越多主流 AI 大模型企业都在讨论具身智能和世界模型，强调自己的产品即将以千万台规模落地。在雷科技看来，「走出屏幕、走向现实」，已经成为了 2026 年 AI 行业的共识。
想走向现实世界，大模型需要新的能力
当然了，具身智能进入现实世界，也为大模型的能力提出了新的需求。
在过去思考、响应速度为例，在聊天、生图这些场景里，用户多等几秒通常不会造成什么严重后果。但在以具身智能为代表的现实场景里，大模型的「每一秒」延迟都可能造成严重的后果：
在工厂流水线上，每一秒延迟带来的影响都可能被成倍放大，影响最终的生产效率；而在智驾场景下，响应速度将直接关系到用户的生命安全。
所以在这届 WAIC 上，我们也能看到越来越多模型企业开始重拾「端侧智能」这一概念，利用端侧模型本地化部署的优势，来压缩具身智能模型的响应时间。
还是以新 AI 六小虎里唯一专攻端侧智能的大模型公司——面壁智能为例，早在 2024 年，面壁智能就用 MiniCPM 证明了端侧小模型也能拥有「大能力」。不同于其他企业的端侧模型，得益于端侧 AGI 架构，面壁智能的端侧模型并不是从「云端完整版」中蒸馏而来的简化版本，而是独立、原生的端侧模型。
而这种原生端侧的特性，让面壁的端侧模型能在不依赖网络的情况下，拥有快速响应和真正的推理能力。也正因如此，当其他企业还在研究如何压缩模型的响应时间，让模型可以走进现实世界时，面壁智能已经抢先完成了端侧智能体在汽车行业的量产交付。
不过，就像那个「口算笑话」一样，除了响应速度，一个真正能走向现实世界的模型，还得学会理解现实世界的变化。
世界模型和 VLA 之所以成为具身智能领域的热门方向，就是因为它把感知、理解、推理、执行放到了一起。
用户说「把这个箱子搬到货架上」，模型要先理解指令，再通过摄像头确认箱子和货架的位置，最后控制机械臂完成抓取和放置。整个过程需要语言模型、视觉模型和机器人控制系统协同工作，任何一个环节的「脱节」，都会影响模型的最终表现。
这种一环扣一环的工作模式，也让「全栈模型」成为大模型走向现实世界的捷径：VLA 负责把视觉、语言和动作连起来，世界模型负责推演动作可能带来的结果，端侧模型负责在现场快速响应。而地瓜机器人在 WAIC 上展示的旭日 S600 芯片，就是「全栈」思维在硬件端的最佳体现。
WAIC 2026 是大模型落地行业的分水岭？
从模型、终端到机器人，逛完今年 WAIC 后，小雷发现，行业的竞争重心已经开始变化。
参数、上下文和推理能力固然重要，但它们更多决定模型的能力上限；决定模型「下限」的，是端侧部署能力、世界模型能力与全栈能力，这些也是具身智能时代客户更看重的地方。
从这个角度看，今年 WAIC 2026 主题发生变化，也是理所当然的事情：大模型公司谈端侧部署、世界模型，机器人公司着手技术落地，芯片企业也在围绕机器人调整产品方向；这几条过去相对独立的技术路线，已经被具身智能时代融合到了一起。
可以肯定的是，AI 行业已经走到了一个更高的阶段。
雷科技认为，这一阶段的大模型会走出只服务消费级应用的「学生时代」，并落地到更严肃的行业应用中。面对更高效、更稳定、更安全的新要求，谁的大模型能先完成这种身份转变，谁就有可能抢先一步定义行业，在下一阶段的 AI 行业竞争中占据更主动的位置。
而从 WAIC 2026 上各企业的表现来看，中国 AI 产业已经做好的准备。
主题为「智能伙伴 · 共创未来」的 WAIC2026 正在火热开展中！
AI 叙事路线从模型参数堆叠，转变到 Agent 生产力落地；异构协同、光子计算持续提高计算上限；具身智能加速应用，机器人到家进厂让物理 AI 变为现实。
雷科技 WAIC 探展团已抵达上海，直击 AI 产业化落地年度巅峰时刻，敬请关注！
