Agent 爆火，但 AI 的 “正賽” 還沒開始

7 月最火爆的 WAIC 落幕，還是留下了幾分「王不見王」的遺憾。

字節和豆包，DeepSeek 依舊沒有參展，智譜處於上市靜默期，也主動減少聲量。

而登台的佼佼者奮力起舞：不提大模型參數，轉而輸出 Agent 落地能力。

百度、騰訊、阿里直接面對面、硬碰硬，玩起大廠最擅長的生態打法；大模型「五小龍」卻偏偏不打照面，各自搭台子唱各自的戲。

尤其月之暗面，展台隻立了塊屏幕循環播放模型展示視頻，展位的主要內容是小紅書打卡抽獎，獎品之一是 Token，限 7 月底前用完。

合理懷疑，月之暗面單純只想刷一波在場感，順便藉着展會熱度給 Kimi 再拉一波新。畢竟，模型底氣很足。

同期發佈的 Kimi K3，早已引爆 AI 圈，讓馬斯克都忍不住讚歎，並順手給了智譜股價一記暴擊。

月之暗面對面，少見的國際參展商——谷歌展台，同樣沒有 Gemini 的身影，主題集中在 AI 社會公益、出海計劃、情緒雲上，像是館內一股清流。

該怎麼形容，有點像是高手一貫的鬆弛感。畢竟展會只是一個展示窗口，產品性能與技術水準到位，自有市場為其辯經。

正如一貫「不參會不布展」的 DeepSeek，名字早已被嵌進數十個第三方展台裏，無處不在。

2026 年的 WAIC，FOMO 情緒依舊瀰漫，共識與分歧的爭論依舊喧囂，但當局者們似乎沒那麼迷茫了，各家心裏都有了桿秤，大概知道方向在哪，也大概知道怎麼走了。

1、辦公 Agent，大廠必爭的「超級入口」

去年 WAIC 形成的共識還是「萬物皆可 Agent」，今年，Agent 在哪做、怎麼做，有了明確目標。

企業辦公 Agent，成了大廠們盯準的超級入口。

模型能力趨同後，誰能率先成為用户打開電腦後的「第一站」，誰就掌握了 AI 時代新的流量分發權與生態主導權。

但不得不提，大廠的產品思維的確細膩。

上一輪「養龍蝦」熱潮雖出圈，但主要作用於程序員羣體，安裝卸載均有門檻。如今，大廠們將複雜的 Claw 產品線聚合包裝，把程序語言翻譯成 C 端話術，做成普通用户零門檻可用的 APP。

騰訊展台逢人必推「WorkBuddy」，可以一鍵下載，一鍵安裝。

截至 2026 年 7 月，其月活已突破 2000 萬，日活突破 1300 萬，成為國內 DAU 最高的辦公效率智能體。

WorkBuddy 主打開放兼容，內置了超 20 種官方技能包，也支持在混元、DeepSeek、GLM、Kimi、MiniMax 等五大主流模型間自由切換，能無縫接入企業微信、飛書、釘釘等辦公平台，功能包括自動回覆郵件、數據分析、做會議紀要、整理報告、生成 PPT 等常見辦公需求，覆蓋千行百業。

一個實用亮點是微信直連。用户掃碼即可遠程操控 PC 端 WorkBuddy 執行任務，把微信這個生態入口打通，WorkBuddy 與隨叫隨到的「數字牛馬」幾乎無異。

此前，湯道生與姚順雨的對話中，面對「騰訊 AI 是不是慢了」的質疑，他們給出的觀點是：模型會迭代，需求在變化，新產品形態會不斷湧現。WorkBuddy 抓住 Agent 浪潮，恰好成為這一判斷的註腳。

百度「搭子」稍晚上線，但節奏極快，此番 WAIC 同樣拿下鎮館之寶。

亮點在於可視化和高效率。它能像人一樣操作電腦，讓用户親眼看到打開網頁、點擊、滾動、整理信息的全過程。自研「智能路由」技術能自動選擇最優執行路徑（本地或雲端），平均任務耗時降低 20%，Token 利用率提升 25%。

搭子與百度內部生態完全打通，包括搜索、百科、文庫、地圖等自有產品，並推出業界首個全自動化 Skill 上線流程，比如高考志願填報助手 Skill，以及自媒體專業套件，覆蓋選題、創作、覆盤全鏈路，並集成百度一鏡數字人播報等獨家能力。

百度今年在 AI 行業最強的存在感，來自李彥宏提出的 DAA（日活智能體數）指標，衡量每天有多少智能體真正為人類幹活並交付結果，從成本視角轉向產出視角，百度搭子無疑是這一戰術路徑的核心執行者。

值得一提的是，百度這次還把「家底」亮了出來：天池 2.0 超節點，通過崑崙芯和天池超節點，構建從芯片到系統的全棧自研能力。

另一位同樣秀出算力「肌肉」的是阿里，將真武 M890×磐久 AL128 超節點搬至現場，並拿下大會「鎮館之寶」。

依託超節點，阿里同樣完成了「芯 - 雲 - 模型 - 推理」的全棧 Agent 化升級，並以此為基礎，推出「千問辦公」，整合 QoderWork（代碼能力）、悟空（釘釘場景）、MuleRun（執行能力）三款成熟產品，深度綁定釘釘的企業關係鏈、組織架構與審批流。

目前仍處於灰度測試階段，是市場上的後來者。

值得一提的是，與騰訊 WorkBuddy、百度搭子從軟件入口搶佔桌面不同，千問辦公更進一步，將能力入口延伸至「無影」雲電腦、千問 AI 眼鏡/耳機等硬件終端。

三款產品的差異，本質是三家巨頭戰略路徑的延伸：

• 阿里千問辦公：扮演「整合者」，打通釘釘內部場景與外部硬件入口，打造超級辦公平台。
• 百度搭子：扮演「實幹家」，將搜索意圖高效轉化為任務成果，做最懂執行的生產力工具。
• 騰訊 WorkBuddy：扮演「協作者」，將微信協同優勢轉化為 AI 執行力，融入工作流。

各家都基於過往生態佈局，各有各的底盤，各有各的牌面。企業 Agent 的入口卡位戰，才剛剛進入高手過招的階段。

2、大模型玩家，在路徑分化上展示「默契」

如果説去年大模型玩家們還在同一個起點躊躇，是否淌進「百模大戰」的渾水裏。

今年，各家決定各走各路。

階躍星辰是本屆 WAIC 的流量中心。它罕見地將手機、汽車、具身智能三大終端彙集於同一展台，試圖擺脱「模型提供方」的單一角色，向 AI 軟硬一體方案商深度轉型。

展台 C 位是全球首款大模型原生智能體手機 STEPX Neo。儘管真機僅以操作 demo 形式亮相，但設計邏輯已徹底重構：主界面即是個人智能體 Amoo 的對話窗口，而非傳統多 APP 網格佈局。

它能理解自然語言指令，自動完成機票酒店預訂、支付、相冊整理與視頻生成、桌面文檔歸類等跨 App、跨終端的複雜任務，是端側智能體落地最完整的演示樣本。

如果説階躍是聚焦終端，MiniMax 則是主張構建全生態，集中展示了其旗艦模型 MiniMax M3，並預熱了新一代多模態生成模型 H3，並通過與機器狗、AI 眼鏡、智能耳機、金融服務等廣泛的生態合作伙伴的案例，展示其 AI 從底層模型到具體應用的落地實踐。

面壁智能是堅定的端側 AI 路線踐行者，其打法是為他人提供「大腦」，而非自己做「身體」。其提出的「密度定律」，即模型智能密度約每 3.5 個月翻一番，強調用更小的參數實現同等的智能，解決端側設備的功耗和性能瓶頸。

目前，面壁已形成消費電子、汽車、工業三大核心場景，多點規模化落地。其端側模型已正式進入三星旗艦手機供應鏈。汽車領域，則搭載於長安馬自達 EZ-60、吉利銀河 M9、上汽大眾 ID.ERA 9X 等多款量產車型，展會期間，面壁還與吉利人工智能中心聯合發佈具身智能體框架 RoboHarness，標誌雙方合作從智能座艙延伸至工廠生產倉儲場景。

零一萬物和百川智能首次參展，均放棄通用模型的軍備競賽，轉而 All in 了垂直賽道。

前者由創始人李開復站台，主要聚焦 To B 的企業級 AI 服務，定位是打造「中國 Palantir」。展會推出「一號位決策 AI」系列，與其它 Agent 強調的辦公場景不同，李開復認為企業應該將 Agent 用於輔助最高層的關鍵決策階段，並在展會期間辦起了新書《AI 未來已來》發佈會。

後者則是在醫療領域深耕，百川這次着重展示了醫療大模型 Baichuan-M4，模型在權威醫療評測 HealthBench 上得分世界第一，且事實性幻覺率僅為 3.3%，為行業最低。

值得一提的是，百川前段時間還推出了 APP「百小醫」，與同樣聚焦 AI 醫療賽道且傳播力迅猛的螞蟻阿福來了次碰撞，只不過，螞蟻阿福的定位更像是「AI 健康朋友」，而「百小醫」更像是「AI 家庭醫生」。

據悉，百川專注自研醫療垂直大模型已與國家癌症中心、北京兒童醫院等頂級機構合作，在腫瘤、兒科等真實臨牀場景中開展驗證。

儘管路線各異，但大模型玩家們在三個底層邏輯上高度一致：

一是參數內卷徹底終結。

沒有任何一家公司再拿「千億/萬億參數」作為展台的核心賣點。大家默契地認識到，純粹堆砌參數而沒有應用場景的模型毫無意義。即便是發佈了 2.8 萬億參數 K3 的月之暗面，對外宣傳的核心也落在了「編程能力登頂」和「開源生態」上。

二是「All in 應用」成為核心出路。

所有公司達成共識，大模型必須「脱虛向實」。無論是做硬件（階躍）、做端側（面壁）、做醫療（百川）還是做企業服務（零一），找不到付費場景的模型就是負債，這個共識極其統一。

三是放棄「大一統」模型的幻覺。

很少有人再試圖用一個模型解決所有問題。大家都承認，未來的世界是「模型矩陣」或「模型 + 外部工具」的世界，基座模型、垂直模型、端側模型將長期共存。

個體差異與集體共識交匯，恰恰證明了中國 AI 大模型行業正處於青春期的大分流。

無關對錯，大家本質上都是「摸着自己過河」，沒有標準答案。

3、Agent 從能用到好用，還有很長距離

WAIC 歷經九屆，這一變遷，恰好是 AI 產業從技術走向商業的縮影。

第一階段，AI 產業還在聚焦計算機視覺、語音識別等單點技術突破；

第二階段，則是進入「百模大戰」，參數規模、榜單排名成為衡量 AI 的標尺。

到了現在的第三階段，風向徹底轉變。

行業不再孤立得談論模型，而是追問其如何與物理世界鏈接併產生價值。

從大廠貼身肉搏，到大模型玩家各奔東西，AI 這門生意似乎足夠大，大到讓每家都找到一條足夠自洽的戰略路線。

就像在 Agent 這一共識路線上，有人走「大而全」的開放生態，企圖連接萬物定義新入口；就會有人做「小而精」的專用部署，解決企業具體痛點。

只不過，這門生意是否能夠做起來，還有待觀察。

冷水還是要潑的。

正如圖靈獎得主理查德·薩頓在 WAIC 上的演講所言，AI 的本質仍是弱小、不可靠，行業普遍混淆了智能與計算，目前取得的突破更多是計算能力的體現，而非真正智能的飛躍。

如果把梁文鋒最近投資人會議上的觀點對齊，有點異曲同工的意味。

梁文鋒將 AGI 的實現路徑比作爬樓梯，其清晰的路線圖為：

• 思維鏈。去年的突破，教會了模型如何進行更深入的「思考」和推理；
• 智能體。今年的重點，賦予了模型執行復雜任務、調用工具的「手腳」能力；
• 持續學習。這才是下一個必須攻克的難題。

薩頓認為 AI 必須從「人類數據時代」邁入「經驗時代」，通過與真實世界的持續互動獲取第一視角經驗。

梁文鋒所談的「持續學習」，恰恰就是實現這一跨越的關鍵跳板，讓模型不再只是靜態知識的復讀機，而成為能在動態環境中不斷試錯、積累、進化的智能體。

也就是説，目前大家對於智能體的追逐，雖然找到了明確的場景商業化價值，但從可用到好用，還有很長一段距離。

今天的 Agent 能幫你訂機票、寫代碼，但明天它能否自行總結經驗？能否在與用户的反覆交互中進化？還存在疑問。

更何況，這屆展會上同質化的 Agent 能力比比皆是。大眾抱着高期待圍觀每一場 Demo 演示，聽台上講遍了「能幹什麼」，卻鮮少有人説得清背後的技術路徑，更沒人回答，市場到底為什麼、憑什麼長期為此買單。

只能説，WAIC 的多數玩家仍停留在「秀肌肉」的階段，把 PPT 上的願景當成交付的成果，把 Demo 的流暢當作商用的成熟。

這一節點，梁文鋒與 DeepSeek 的剋制的確難得可貴。

DeepSeek 很清楚這條路到底該如何走，它主動放棄大量利潤，主動放棄 3D 生成、視頻生成等熱門賽道，將全部資源押注於 AGI 這條技術主線。

越是在喧囂中看到方向，越需要在誘惑前守住邊界。

對於其它玩家而言，可以借鑑的一面不在於「跟不跟 DeepSeek 走同一條路」，而在於兩點：

其一，是識別自己的「主線」在哪裏。在 AI 這場長跑中，什麼是自己的核心賽道，什麼是看似熱鬧實則與終局無關的干擾項。先想清楚「不做什麼」，比急着決定「要做什麼」更重要。

其二，是保持對技術終局的耐心。AI 遠未成熟，在這個階段，用短期商業回報的焦慮去透支長期技術積累，或許是最昂貴的短視。

正如這屆 WAIC 的火爆，儘管展館人流創下歷年峯值，技術展示、商業合作、資本對接發生在每一個角落裏，創業者尋找技術落地的新場景，從業者們追尋下一個風向標，投資者生怕錯過下一個新標的。

然而，有多少是投資情緒助推的市場熱度，有多少是對外炒作的技術概念，又有多少是真正可以長期堅持的商業路線。

看似 AI 行業步入經濟上行週期，但它距離真正的成熟與普惠，仍有一段不短的路程。

概念炒熱過後，或許大家都務實一點，才能走得更遠一點。