作者：王龙公 来源：原创 发布日期：08-20
一 | 2026 WAIC世博中心 南方周末研究员/摄 原价168元的单日票，黄牛和二手平台售价1000-1500元不等，三日通票卖到3000元。
二 | 不止于此。前后均匹配的是通风盘式制动器。
驾控安全性极狐 阿尔法S5在麋鹿测试中的动态响应与回馈都极为中性，虽然这预示着它的通过成绩不会太高，但相对来说却更容易驾驶。
三 | 车辆从A区进入B区时整体表现轻盈，进入B区后，快速重心转移导致轮胎瞬间失去抓地力，呈现出较严重的转向不足，虽辅助系统介入较晚，但力度和延续性出色。
四 | 白天的展会结束后，技术交流、投资洽谈、人才招聘等活动换个场地，再续杯。 为了抓住资金与聚光灯，多数公司提前数日做预热与新品发布，把WAIC的战线拉长到十余天。
五 |
六 | 黄浦江畔织起AI赛博梦，也弥漫着技术焦虑、投资焦虑、人才焦虑和商业化焦虑。具身智能、大模型、AI基建，展馆每个角落都在宣告“未来已来”，但真正的问题藏在热闹背后——这些机器人、模型和算力，距离场景应用和落地还有多远？ 具身赛道拥挤 2026年年初，一家机器人初创公司的创始人对南方周末表达了对“大厂下场碾压”的担忧。
七 | 现在，这个“噩梦”正在逼近。由于电池容量降低，那么相应的CLTC续航里程也从老款的650公里缩减到了630公里。具身智能赛道越来越拥挤，继BAT（字节、阿里、腾讯）三家大厂之后，一些中厂和AI模型厂也先后入局。
八 | 例如，蚂蚁灵波卡在半个月前，密集“日更”了一系列VA、VLA、世界模型和世界动作模型；WAIC开幕前三天，小米先是宣布了机器人进厂的进展，随后又甩出一款生成模型和一款具身基座模型；而京东直接将参展主题定为“AI进入物理世界”，其间还开源了行业最大的人类第一视角数据集EgoLive。 在计算机视觉时代的“AI四小龙”中，商汤孵化的大晓机器人在展会期间发布了Kairos 3.1世界模型，并达成了一波具身零售落地合作；旷视团队再创业的原力灵机，现场展示了“机器人拼装长城模型”。 在大语言模型时代的“AI六小龙”中，智谱和MiniMax此前均成立了与机器人相关的子公司。此外，端侧模型独角兽面壁智能也在WAIC期间正式宣布迈向具身智能领域，发布了系列新模型。 X-Era Lab机器人穿鞋带 南方周末研究员/摄 在切入点上，这些模型厂商往往基于自身视频生成模型的能力，顺势做世界模型；大厂则有场景优势，在数据集、全栈方面领先。但值得一提的是，新款车型的快充功率更高，由230kW提升到了404kW，30-80%的快充时间则从0.28小时缩短到0.15小时，也就是说尽管续航里程小幅缩水，但充电效率更高，还是比较划算的。没落的“AI四小龙”需要复苏，竞争胶着的“AI六小龙”也亟需寻找AI Coding之后的新的估值支撑，机器人或许会是一个不错的锚点。
九 | 这一方面是技术焦虑，展会期间及前后，新发布了十余个相关模型，新模型愈发强调对物理规律的理解，以及训练数据、架构等方面的“具身原生”性。创新大多在细枝末节上，比如数采方式、数据配比、VLA与世界模型的融合方式。
十 | 机器人确实在变聪明，参展商展示的技能越来越长程和泛化，柔性和精细操作变多；为了证明模型的鲁棒性，现场刻意施加了更多干扰。只不过，这种进化的速度仍比较缓慢。
十一 | “具身智能可能不会出现像大语言模型‘ChatGPT时刻’那样清晰的拐点，而是会以一种润物无声的方式逐渐成长。
十二 | ”星海图合伙人、前高瓴资本投资人罗天奇认为。
十三 | 算力底座多元 作为支撑AI场景落地和技术演进的关键底座，算力基础设施早已走向台前。H2展厅内，观众驻足在那些外观并不起眼、如同黑箱一般的机柜面前，举着手机排队拍照，好奇地询问“这个大家伙到底有什么用？” 华为昇腾950超节点 南方周末研究员/摄 无论机器人实时处理信息，还是智能终端调用模型，背后都依赖算力。在智能体时代，算力的衡量标准不再是堆卡，而是能否稳定、高效地产出Token。从单颗芯片到大规模集群，从服务器到高速互联和存储方案，算力正走向多元架构与系统能力的综合较量。 华为的热度极高，首次线下展示昇腾950超节点（Atlas 950 SuperPoD），本质是将1024张加速卡通过高速互联协议整合至一台超级计算机，追求单系统的极致通信密度和内存一致性。多个超节点进一步横向互联，便构成了更大规模的智算集群。
十四 | 中科曙光带来了中国首个全国产十万卡AI超集群——曙光8000（登峰）真机，也是本届WAIC 的“镇馆之宝”。曙光8000现场只开放了部分区域，其余机柜以黑色挡板遮蔽。 2026年7月10日这一AI超集群落成时，已同步接入国家超算互联网，进而接入全国一体化算力网。至此，中国的AI基础设施建设，从千卡、万卡级迈向十万卡级部署阶段。 此外，摩尔线程、沐曦股份、壁仞科技、天数智芯、燧原科技等初创GPU公司，也都集中展示了超节点和算力集群。 在从单卡走向集群的过程中，连接方式也悄然重构。例如，摩尔线程MTT C256超节点首创一层Scale-up网络，通信无需逐层转发，减少了带宽损耗和等待时间；燧原科技OEX超节点则采用正交无背板设计，将机柜内的线缆基本去除，减少互联成本和迭代周期。 集群之外的另一大特点是GPU“第三条技术路线”。东方算芯展示了软件定义近存计算3D AI芯片DF1000，直接打出“14nm≈4nm”的口号。 DF1000通过底层计算架构创新，通过软件定义芯片技术实现软硬件解耦和动态重构，以空间并行的时分复用显著提升硬件资源的利用率；通过3D混合键合技术将计算层与存储层垂直堆叠，压缩互连间距至亚微米级，缓解“内存墙”“带宽墙”和“功耗墙”的瓶颈。 有别于GPGPU和ASIC，东方算芯DF1000的技术源头来自2006年清华大学实验室，最初是面向超算场景设计，在这轮AI浪潮兴起时转向智算领域。 与之类似，清微智能主力芯片TX81采用的是可重构技术，兼具GPU的灵活性与ASIC的高效能，并基于此打造了REX81 Supernode超节点系统。 “发动机很重要，但用户买的是整台汽车。”清微智能副总裁黄文彬对南方周末表示。在他看来，芯片、系统、集群的协同创新，才能让AI真正跑起来。
十五 | REX81 Supernode超节点 南方周末研究员/摄 这种多元探索是产业走向成熟的必经阵痛，也是制程受限之下焦虑的投射。中国工程院院士、清华大学计算机系教授郑纬民坦言，国产卡的显存内存、容量、带宽、延迟与海外仍有差距，建立算力不等于高质量的Token产能。 “高质量Token意味着延迟很短，很值钱。如果问两分钟才开始说话，每秒钟才为一个人服务，就不值钱。”郑纬民表示。
十六 | 如何将算力基建转化为高价值的服务？有效算力和算力性价比成为下一代算力集群的关键指标。 一批Token工厂也顺势涌现，例如硅基流动、无问芯穹、九章云极等。 如果说算力集群是“发电厂”，Token工厂就是“电力公司”，以智算集群为基础，经过调度、适配和优化，将算力转化为可计价、可调用的Token服务。 这一模式是对当前算力错配的回应。一方面，AI应用对算力的需求异常强烈，例如Kimi K3发布不到三天，用户的请求量便逼近其承载极限，导致公司暂停C端的新用户订阅；另一方面，大量算力集群在实际运转中却存在资源闲置，有些园区的算力利用率不足五成。 九章云极的做法是用DCU“统一度量衡”。它发布了一套完整的AI规模化生产体系，将不同厂商芯片的算力统一折算，让客户能像购买电力一样按需购买算力。也就是说，把过去“整机租赁”的算力供给变成“按需取用、随用随付”的弹性服务。 用系统创新弥补单卡短板，用工程能力兑现算力价值，其间技术追赶的紧迫、商业闭环的未知，都催促着产业不断试错。
十七 | AI落地的叙事，终究要回到朴素的商业逻辑——谁能用更低的成本、更稳定的系统，产出更便宜的Token，谁就站住了身位。
十八 | 7月20日，WAIC2026在上海闭幕。 喧嚣和热闹随着人群散去，科技创新的脚步不会停止。 同一天，2026世界机器人大会（WRC2026）在北京启动了开幕30天倒计时。 南方周末研究员 丁莉 曹妍 责编 黄金萍。
Current article:http://www.minpinpengcemiuanjiuxuan.pics/3w5/qrt7u.html
Published on:06:57:21