🎙️ 圆桌纪要 · 行业观察
WAIC 2026 开场圆桌：AI 产业从"卷模型"转向"算总账"
7 月 17 日下午，WAIC 2026 开幕首日，一场汇集产业、资本、算力、模型四方视角的圆桌达成基本共识：评判 AI 的旧标尺（参数、榜单）已不够用，行业心态正从"看能力"迁移到"算总账"——基建投入与收入之间存在14 倍缺口，单 token 价格跌至去年的十分之一，但总成本不降反升。
来源：公开报道•
2026-07-17•
全文约 4 分钟读完
#WAIC2026
#AI产业
#Agent
#AI Infra
14×
基建投入与收入的缺口倍数（7000亿 vs 500亿美元）
1/10
单 token 价格跌至去年同期的八分之一到十分之一
20 亿
条 15 秒 clip，视频模型迎来拐点所需数据量
⚡ 30 秒速览
- 一句话定调：2026 年 AI 产业的关键词从"能力展示"变成"算账"——训练账、推理账、资本账，三本账同时摆上桌。
- 转折时刻：去年 Q4，Agent + Harness 组合让 Coding 场景 token 消耗急速膨胀，大模型从"可能对"通向"必须准"，几乎所有文本模型向 Coding 收敛。
- 成本悖论：单 token 价格降了 8-10 倍，但完成同等质量任务消耗的 token 总量上升，总成本不降反升。
- 共识与分歧：模型依然重要，但重要方式变了——中型公司必须押模型，小公司应押产品定义；"AI 原生"四人四定义，但都同意"拿掉 AI 就不存在"是底线。
- 被低估的变量：模型输出速度——已有芯片把 8B 模型推到 15000 token/秒，主流仍在 30-40，代差一旦拉开将重新激活大量场景。
01圆桌现场：一场行业心态的"体检"
WAIC 2026 开幕首日，四位嘉宾——昆仑万维董事长方汉、光源创投吉星、北电数智郭文、DeepKernel 刘卓涛——围绕"AI 产业是否进入新阶段"展开对话。四方分别持产业、资本、算力、模型视角，把这个问题拆成了几本账、一次排序、一个定义和一张清单。
用关键词概括 2026 年最重要的变化，四人的回答拼起来是一幅迁移图：刘卓涛给的是"安全冲击 + 算力涨价"，郭文给的是"B 端复杂任务爆发 + 国产算力超节点"，吉星给的是"算账"，方汉给的是"Agent"。四个关键词指向同一结论：评判 AI 的旧标尺不够用了。
02吉星的"三本账"资本市场视角的算账逻辑
吉星从投资视角给出最直白的关键词：算账。他口中的账，核心拆成三本——
账本一训练与基建账
中美大厂基础设施侧总投入已达 7000 亿美元量级，同期能产生的收入约 500 亿美元。这个缺口如何弥合，是整个资本市场和 AI 创业生态都绕不开的问题。
账本二推理账
单 token 价格相比去年降到约 八分之一到十分之一，但完成相同质量任务消耗的 token 总量在上升，总成本不降反升。"不少人反馈 Anthropic 的模型已经用不起了。"
账本三资本账
随着智谱、MiniMax 以及一批具身智能公司陆续把财报摊开，市场关注点从过去"买一个大故事"，转向了实打实的经济账。
注：7000 亿与 500 亿美元均为吉星现场粗略统计口径，非精确财报数据；推理成本"不降反升"指完成同等质量任务的总成本，非单 token 单价。
03方汉的转折时刻Agent + Harness 如何改变格局
方汉把转折点定在去年第四季度。当时业界普遍预判全年 token 消耗的大头仍会落在视频生成模型上，但以 Harness 为基础的 Agent 技术意外改变了格局——Coding 场景的 token 消耗急速膨胀，迅速占据绝对优势。
他的判断是：Agent 通过 Harness 的调度，能够真正扩展模型的能力边界，让原本本质上是概率输出的大模型，开始有效解决确定性需求。受此驱动，几乎所有文本大模型都在向 Coding 方向收敛。
Q4去年转折时刻
Codingtoken 消耗第一场景
概率→确定模型能力跃迁路径
收敛文本模型统一方向
他同时泼了冷水：文本大模型的 Scaling 可能已经到头了，但在有些赛道 Scaling 还远远没有开始——比如世界模型。
04如果只能押一件事：模型还是模型之外？四人排序不同，前提共享
四位嘉宾对"模型能力 vs 模型之外的六件事"给出了不同的排序，却共享一个前提——模型永远重要，只是重要的方式变了。
方汉：中型以上公司只能押模型昆仑万维
"中型以上公司几乎没有选择余地，只能押模型能力，因为模型能力会不断内化掉外部的一切。最新模型已经把大量 skill 内化，开发者如今已不必再写复杂的 skill。"
中小公司则应押注产品定义——"现在所有 AI 产品都是拿着模型找应用，应该倒过来，拿着应用找模型。"
吉星：创业公司第一切入点是产品定义光源创投
"在什么场景下、用什么样的工程化能力、切入原来什么样的工作流、如何优化 token 成本效率，是更重要的抓手。Agent 排第二有一层顾虑：如果纯做 Agent，一旦底层模型对你设限，过去搭的东西可能一夜之间就不敢用了。"
他透露残酷现实：过去看过太多想自研模型的创业公司，最终和通用大模型一比，成本完全算不过来账，越用越亏。
郭文：平台型公司要把基础设施建好北电数智
"AI 最终要走向普惠，要让小厂和个体创作者有机会发声，他们最核心的资产往往是关键领域的关键数据——尤其是涉及人性理解、差异化审美、个人独特表达的内容。"
他点名医疗、AI for Science、工业三个行业，认为通用大模型很难拿到这类数据，需要靠可信身份或可信技术让数据真正跑起来。
刘卓涛：Infra 是绕不开的底层DeepKernel
"无论模型如何迭代，最终都绕不开底层的 Infra。一个可持续的商业模式不能永远靠愿景支撑，必须回答规模化之后的经济账到底怎么算。"
他点出尖锐矛盾：模型越来越大、显卡越来越贵，消耗了上百万 token 的成本，却未必能换来同等规模的确定性收入。
05何谓"AI 原生"？四人四定义，但有一条底线
这是整场圆桌中分歧最大也最精彩的一段。四人定义不同，但都指向同一个判据——把 AI 拿掉，这个产品形态是否就不复存在？
非 AI 原生
Cursor 从 IDE 形态发展而来，没有 AI 之前就有 IDE；节点式 workflow 让人把流程定制化、再用 AI 去跑——旧的流程和生产关系没变。
AI 原生
Coding Agent 在没有 AI 之前根本不会出现；通用 Agent 的出现颠覆了 workflow——数据打通与接口设计都围绕 AI 展开。
刘卓涛的极致标准DeepKernel
"把之前学过的东西都忘掉，只给 AI 发一个命令，它能帮你干成的，就是 AI 原生。如果一个人甚至不需要身在某个领域，只需要对 AI 说'我想要一个东西'，不附加任何自身的经验积累，AI 就能完全交付——这才是 100% 的 AI 原生。"
他随即抛出尖锐问题：如果真做到这一步，人到底该干什么？他并不认为未来会走向纯粹的 AI 原生时代。
吉星补充了一套判断框架：核心看是否改变了生产关系，是否因上下文 context 变得更聪明进而提升性能，用户最终是否为生产力结果（效用）付费而非依托 token 成本付费，最后看单位经济模型（UE）本身是否成立。
06Infra 是约束还是催化剂？方汉的三层拆解
方汉把 Infra 拆成三层，每一层决定不同的问题：
硬件 Infra→推理 Infra→Agent Infra
前两层决定 token 成本——有些行业再贵也扛得住，但很多行业必须把 token 打到地板价才扛得住。第三层决定你在垂类里能把模型能力发挥多深。方汉指出，今天所有 harness 基本都集中在 Coding 上，而在做音乐 Agent 时缺的基建特别多——这反而让他更坚定，在音乐里做 Agent、做 Harness 会非常有潜力。
郭文补充了一个被忽视的维度：时间。高价值计算任务往往有严格的时效要求，可以接受高昂成本，也可以构建超长上下文，但若无法在规定时间内完成计算，一切归零。他还指出，行业对硬件的讨论过度聚焦于 GPU 单点，真正的"AI 工厂"必须转向全局全栈优化——从 CPU 与 GPU 的配比、内存紧缺，到超节点、机柜，再到计算中心的电力、能耗与散热。
刘卓涛直接点明 Infra 是接下来 AI 发展的瓶颈，并抛出一个问题：智算时代会不会长出一个新的阿里云？但他更担忧的不是硬件——"基础设施是给钱就能建的瓶颈，而数据不是。即便有充足的资本，也未必能变出高质量的数据。"
07未来一年看什么？四人的关注清单
刘卓涛：AI Infra + AI 可信DeepKernel
"AGI 时代，AI 会变成时刻环绕在身边的伙伴，这时候'可靠'就是必备的基础能力。不能让手机 Agent 帮你点咖啡的时候，顺手把相册里的照片全删了。宁愿它没那么聪明，也必须可靠。"
郭文：国产异构推理 + 可信数据空间北电数智
"PD 分离、AF 分离这些概念目前更多还在英伟达生态里跑通，国产芯片厂商与英伟达之间仍有明显差距。如何让多元算力在集群内高效协同，是绕不开的大课题。"
吉星：世界模型 + 垂类可信 Agent光源创投
"语言模型训练数据中最大的缺失一块就是物理世界的信息。未来硅基与碳基结合的机会，需要数据打通、模型调度能力跟上，这是一个长周期的大机会。"
方汉：世界模型 + 模型输出速度昆仑万维
"视频模型在投入近 20 亿条 15 秒 clip 后迎来了 ChatGPT 时刻式的拐点，换算下来大约一千万小时的数据量，而目前世界模型的数据规模只有 20 万小时左右。"
他还点名一个被严重低估的变量——模型输出速度：主流在 30-40 token/秒，快的能到 300，但已有芯片把 8B 模型推到 15000 token/秒。"一旦速度层面拉开代差，许多以前不可行的场景将被重新激活。"
编辑视角 · 来源提示与独立判断
本篇素材来自一场行业大会的圆桌讨论实录，发言者均为所在机构高管，观点天然带有各自立场——方汉代表内容与 Agent 创业侧、吉星代表资本方、郭文代表算力与政企侧、刘卓涛代表模型与基础设施侧。三本账的数字（7000 亿/500 亿美元、token 价格跌幅）均为现场口述粗略统计，未见第三方独立复测，读者宜将其作为行业心态的"体温计"而非精确财报。其中"Anthropic 模型用不起"等判断属单方感受，不代表全行业共识。
支线趣闻一条：圆桌收尾被问"还看 benchmark 吗"，方汉答"分数越高的越不可信，因为那代表它已逼近被淘汰的边缘"，全场共识是"闭卷考试一定比开卷考试更可信"——这恰好是行业从"卷榜单"走向"算总账"的注脚。
当四类核心利益方在同一张桌子上同时开始算经济账，意味着 AI 产业正从"技术驱动"切换到"商业驱动"的拐点——这个切换一旦完成，决定胜负的将不再是模型跑分，而是谁先把 token 成本、数据壁垒和工程效率这三本账同时算平。