本文共字，预计阅读时间。
文 / 百融智能金融 Ai 研究院 陈敏
7 月 17 日，以 " 智能伙伴，共创未来 " 为主题的 2026 世界人工智能大会（WAIC）在上海拉开帷幕。大会的热度年年攀高，但今年的气息截然不同。
过去几年，大家争论的焦点是 " 哪个大模型更聪明 "；今年，展台上不再全是对话框和 Demo 视频，取而代之的是机械臂、机器人、超节点服务器这些 " 硬家伙 "，所有讨论都收拢到了一个更实质的命题上：AI 正在如何重构生产力？
信号很明确：AI 正在从比特世界 " 溢出 "，开始接管原子世界。对金融业来说，这不是一场技术秀，而是一份提前泄露的行业剧本。
十大 " 镇馆之宝 "：十个瞬间，看懂 AI 正在往哪走
如果只能记住十个瞬间，今年 WAIC 应该是这些：
曙光 8000：十万张卡拧成一股绳，国产算力第一次具备了训练千亿参数大模型的 " 兵团作战 " 能力。
蚂蚁灵波 · 机器人智慧药房：3 台机器人配合，90 秒问诊、抓药、打包一条龙—— AI 第一次不是 " 回答问题 "，而是 " 把事办完 "。
智元远征 A3 Ultra：能导览能接待的人形机器人开始量产，" 硅基员工 " 不再是概念，是可以下单的商品。
阶跃星辰 STEPX Neo：手机第一次学会自己拆解任务、跨 App 办事，从 " 工具箱 " 变成了 " 管家 "。
真武 M890 × 磐久 AL128：自研芯片打通算力 " 高速公路 "，解决的是训练大模型时最头疼的数据 " 堵车 "。
百度 " 搭子 "：一句话指挥 AI 调工具、跑数据、写文档，办公室里的 " 超级外挂 " 来了。
讯飞 AI 眼镜：把听译能力戴在脸上，开会、巡检时终于能腾出手来做别的事。
南方电网 " 大瓦特 · 云睿 "：不只是算数据，而是自己判断风险、拍板规划，AI 第一次接管了电力系统最烧脑的决策。
天鹜科技 MatwingsVenus：打几行字就能设计蛋白质序列，把新药研发周期从 " 年 " 压缩到 " 周 "。
中兴 OEX 超节点：一个架构创新，让算力中心的互联成本直接砍掉 80%。
十件展品串起来，是一条完整的链路：底层算力打通了，终端设备觉醒了，中间还多出了一群会干活的 " 数字员工 "。AI 不再是躺在服务器里的一个模型，它开始有了手、有了眼睛、有了决策权。
三条正在收拢的主线：而不是十个孤立的亮点
透过这十件展品往深处看，真正值得金融人琢磨的，是三条正在收拢的主线——它们分别在回答 " 算力该怎么建 ""AI 该被怎样信任 "" 责任该由谁扛 " 这三个决定行业下一步走向的问题。
第一条主线：算力竞争的战场，已经从 " 有没有 " 切换到 " 好不好用 "。
过去几年国产算力比拼的是能不能突破封锁——有没有自主芯片、有没有替代方案，这是一场生存题。今年 " 曙光 8000" 和 " 真武 M890" 的出现说明，这道题已经基本解开了，新的战场变成了工程题：十万张卡怎么像一台计算机一样协同运转、散热怎么解决、调度怎么优化，把 " 堆卡 " 变成 " 用好卡 "。
这个转变对金融业的意义远不止 " 选国产还是选进口 "。它意味着自主可控的智算底座，第一次从一道 " 要付出效率代价 " 的选择题，变成了一道 " 性价比合理 " 的常规决策题——银行的算力战略，可以真正从合规驱动转向价值驱动了。
第二条主线：AI 长出了 " 身体 "，这比它变得更聪明重要得多。
过去十年 AI 的进化路径是 " 更大的模型、更多的参数、更强的对话能力 "，本质上都是在比特世界里打转——说错一句话，撤回重来就是了，代价几乎为零。但今年最大的变化是，大模型开始 " 长出手脚 "：走进药房、走进电网、走进工厂车间。
这个跃迁的关键，不在于机器人的动作有多灵巧，而在于 AI 第一次要为物理世界的结果负责。抓错一味药、算错一次负荷预测，代价是真实世界里不可撤销的损失，不是一次可以删掉重发的对话。
这意味着 AI 的可靠性标准正在被彻底重写——从 " 回答得像不像 " 变成 " 做得对不对、错了能不能兜底 "。
这恰恰是金融这类强监管、强合规行业最该盯紧的信号。过去两年大家谈论 AI，参照系大多是 ChatGPT 这类对话式产品；但今天，物理世界里的 AI 落地经验——如何设计容错机制、如何做异常熔断、如何在自主决策链条里保留人工干预的接口——很可能比对话式 AI 的经验，更贴近金融业真正需要的 " 确定性 " 标准。
换句话说，金融业该学的，也许不是最会聊天的 AI，而是最会 " 扛责任 " 的 AI。
第三条主线：治理不再是道德倡议，而是竞争力本身。
当 AI 开始自主决策、自主执行物理动作，" 谁对结果负责 " 就不再是一个可以留给伦理学家去讨论的哲学问题，而是必须在系统设计阶段就写进架构里的工程问题——权限怎么分级、审计日志怎么留存、出错后责任怎么追溯，这些都得在 AI" 动手 " 之前就想清楚。
对金融业而言，这不只是一项合规成本，反而是一次难得的差异化机会。谁能第一个把 "AI 决策可解释、可追责 " 做扎实，谁就能在客户信任这个最稀缺的资产上建立真正的护城河——毕竟在金融这个行业里，客户买的从来不只是效率，更是 " 敢把钱交给你 " 的那份确定感。
五位大咖的洞见：不是预测未来，而是划定边界
在 WAIC 的论坛上，全球顶尖学者并未沉溺于技术的狂欢，而是对 AI 的未来演进给出了极具穿透力的预判。与其说他们在 " 预测 "，不如说他们在替这场技术狂奔划定几条不能退的底线。
Geoffrey Hinton（图灵奖得主、"AI 教父 "） 他的发言带着 " 预警者 " 式的严肃：我们正在构建的，是可以重新组织自己决策路径的系统，而不仅是回答问题的工具。当 AI 拥有自主修改目标函数的能力，人类必须建立国际性的监管网络，确保 AI 的利益与人类福祉对齐。" 我们正处于一个关键的岔路口，要么让 AI 成为人类最强大的助手，要么面临失控的风险。"
这句话的分量在于，它指向的不是能力的量变，而是自主性的质变——一旦系统能自己调整目标，事后审查就来不及了，必须转向事前对齐。
Richard Sutton（2024 年图灵奖得主、强化学习之父） 他提出的 " 经验时代 "，其实是在挑战整个行业的路径依赖。他认为 AI 正在从 " 人类数据时代 " 踏入 " 经验时代 "：静态的语料库终将枯竭，未来的核心数据将来自智能体与环境的实时交互，就像 AlphaGo 走出人类棋谱之外的 " 第 37 手 "。
" 未来的 AI 不应只是读书的学生，更应是能在实践中探索真理的科学家。" 这对金融业是个提醒：未来最有价值的 AI 能力，可能不是 " 读过多少研报 "，而是能否在真实市场交互中形成人类经验之外的判断。
Stuart Russell（加州大学伯克利分校教授） 他把视角拉回了社会治理层面：AGI 一旦实现，必须成为面向全人类的公共资源，而非被少数科技巨头垄断的私器，算法设计之初就要嵌入 " 利他 " 与 " 向善 " 的底层逻辑。
"AI 的能力越强，我们对其价值观的对齐要求就越苛刻。" 这不是空泛的道德呼吁——如果核心 AI 能力被少数几家垄断，依赖这些能力的行业在议价权上会长期处于弱势，自主可控从产业安全问题变成了实实在在的商业谈判筹码。
周伯文（上海人工智能实验室主任、清华大学教授） 他提出的 " 通专融合 " 路径，某种程度上是对 " 唯规模论 " 的纠偏——通用大模型负责 " 仰望星空 "，垂直行业智能体负责 " 脚踏实地 "，两者缺一不可。这个思路对金融业尤其重要，因为金融是典型的强专业壁垒行业，通用大模型再强，没有行业深度融合，也解决不了风控、合规这类真正硬核的专业问题。
奥马尔 · M · 亚吉（2025 年诺贝尔化学奖得主） 作为化学家而非 AI 从业者，他的提醒反而最一针见血：工具越强，人越不能交出 " 提问的权利 "。当 AI 能给出无数个答案时，真正稀缺的从来不是获取答案的能力，而是提出正确问题的能力。
这句话放进金融场景几乎可以直接套用—— AI 可以帮你算出一百种投资组合，但 " 该不该冒这个风险 " 这个问题，永远需要人来定义。
对金融行业的深度启示：重构 " 三个关系 "
结合这些技术信号和思想洞察，银行业需要重新思考三组关系——这不是一张技术升级清单，而是一次战略优先级的重新排序。
从 " 算力租赁 " 到 " 算力主权 "。 国产十万卡集群的成熟，意味着 " 卡脖子 " 风险大幅下降。银行不该再满足于云端算力的按需租赁，而应该把这个窗口期用来布局自主可控的智算中心，把数据主权真正握在自己手里。这不只是降本，更是把算力从一项外部依赖，转化为核心生产力资产。
从 " 交易场所 " 到 " 智能终端 "。 参考蚂蚁智慧药房的无人化闭环，银行网点完全可以演变成机器人值守的智能终端——不是简单地用机器代替柜员，而是重新设计从咨询、办理到交付的全流程闭环，让金融服务突破物理网点的时空限制。
从 " 操作工具 " 到 " 驾驭智能 "。 智能体的成熟意味着人机协作进入新阶段。未来的银行员工不该是熟练的系统操作工，而应该是指挥智能体的 " 指挥官 " ——后台分析师用智能体完成数据清洗，前台客户经理用 AI 眼镜获取实时信息。银行需要重新定义岗位能力模型，让 AI 成为员工的 " 数字分身 "，而不是潜在的替代者。
真正的窗口期，从来不是技术窗口期
回头看这十件展品、三条主线、五位大咖的洞见，会发现一个共同的指向：AI 正在从 " 能不能做 " 的技术竞赛，转向 " 该不该做、谁来负责 " 的信任竞赛。曙光 8000 和真武 M890 解决的是算力的 " 有没有 "，但机器人抓错药、电网算错负荷这类场景提醒我们，物理世界不会给 " 重新生成一次 " 的机会。
对金融业而言，这恰恰是最熟悉的命题。金融这个行业存在的全部意义，从来不是 " 谁算得最快 "，而是 " 谁在不确定性面前，依然能让别人放心把资产交给你 "。过去金融机构靠的是牌照、风控体系和数十年积累的信用；现在，这份信用需要延伸到一个新的维度——你能不能对你部署的每一个 AI 决策负责，能不能在它出错时第一时间知道错在哪、由谁兜底。
所以，真正决定金融机构在这场变革里能走多远的，从来不是谁先买到了最贵的算力、谁先上线了最多的智能体，而是谁能在 AI 开始自主行动的时代，依然守住那条最朴素的底线：技术可以替我们算得更快，但不能替我们决定 " 该不该算 "" 该不该做 "。 这道题，AI 给不出答案，只有人能给。
算力的窗口期总会关闭，谁先布局谁先受益；但信任的窗口期永远敞开着，谁先做对，谁就先赢得客户用脚投票的那一票。
AI 已经在物理世界落子，金融业的下半场，比拼的不是谁跑得快，而是谁走得稳。
以上信息我们将会严格保密，报名结果以官方通知为准。
非常感谢您的报名，请您扫描下方二维码进入沙龙分享群。
本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！
本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！
本文版权归原作者所有，如有侵权，请联系删除。
