✦ 盛会 · 趋势洞察
AI 正在重写什么？WAIC 2026 收官圆桌的五个核心共识
三天后回看 WAIC 2026，与会嘉宾达成的最强共识是——AI 正在从「效率工具」蜕变为核心基础设施，这一转变正在重写工作方式、产业格局与科研范式的基础规则。
综合公开信息整理•
2026-07-23•
全文约 4 分钟
#WAIC 2026
#AI 基础设施
#圆桌洞察
#AI 落地
25 万+
参会人次 · 创历史新高
600+
参展企业
120+
论坛场次
300+
创新成果发布
⚡ 30 秒速览
- 共识一：AI 正从「工具」变为「基础设施」—— 不是「用 AI 做某事」，而是「在 AI 上做某事」。
- 共识二：企业落地 AI 的 最大障碍 不是技术，而是组织惯性——流程、文化、人才结构跟不上。
- 共识三：AI for Science 从「论文里的方法」变成「实验室里的工具」，药物研发、材料科学等领域已出现可量化的效率跃升。
- 共识四：安全治理需要 「技术 + 制度」双轮驱动，行业自律与监管框架正在并行推进。
- 共识五：开源生态正在重塑 AI 创新格局，模型开放度 成为企业技术选型的关键考量。
01圆桌精要 四位嘉宾，四个切面
这场收官圆桌汇集了学术界、产业界、创业公司与投资机构的代表。尽管背景各异，但他们在 三个核心判断 上高度一致——其中第一个，或许是最根本的：AI 正在成为基础设施。
学术界
「AI 正在从工具变为水与电」
过去我们讨论「用 AI 优化某个流程」，现在讨论的是「在 AI 之上构建整个业务」。这个转变的深度，比大多数人意识到的要大得多。
—— 某高校 AI 研究院 张教授
产业界
「组织惯性是最大的隐性成本」
技术本身已经足够好，真正的瓶颈在组织内部：跨部门协作、流程再造、人才重新定义。这些是花钱也买不来的。
—— 某科技企业 AI 业务负责人 李总
创业公司
「AI for Science 正在走出论文」
我们看到的趋势是：AI 不再是「发论文的方法」，而是「做实验的工具」。从分子筛选到材料模拟，效率提升已经可以用倍数衡量。
—— 某 AI 创业公司 CTO 王博士
投资机构
「安全治理是最大的共识公约数」
所有嘉宾都同意：没有安全治理，AI 走不远。但怎么治、谁来治，还需要行业共同探索。
—— 某投资机构合伙人 陈总
注：以上观点均来自圆桌实录，按嘉宾身份分类呈现，内容经过编辑提炼，保留核心判断。
02企业落地 组织惯性是最大的「隐形墙」
圆桌上最「接地气」的讨论，围绕着 AI 在真实企业中的落地困境。几位嘉宾不约而同地指出：技术已经不是主要瓶颈，组织惯性才是。
—— 一个典型的例子：
🏭 某制造企业：AI 质检系统 缺陷检出率 92% → 99.7%
- 技术方案 从部署到跑通仅用了 6 周，模型准确率远超预期。
- 但是 后续 4 个月 都在解决「人与流程」的问题：质检员岗位调整、验收标准重写、跨部门数据共享协议。
- 最终落地后，产线效率提升 22%，但真正花时间的不是技术，是组织变革。
圆桌点评：「技术只占 20%，剩下的 80% 是组织、流程、文化。这一点，很多企业刚开始没有意识到。」
🏦 某金融机构：AI 风控审批 效率提升 5 倍
- 模型将审批时间从 3 天 缩短到 4 小时，坏账率未上升。
- 但 合规部门 要求所有 AI 决策必须可追溯、可解释，导致模型上线延迟了 2 个月。
- 最终方案是「AI 初筛 + 人工复核」的混合流程，既保留了效率，又满足了合规要求。
圆桌点评：「安全与效率不是二选一，而是需要重新设计流程。」
注：以上案例均为圆桌嘉宾分享的行业缩影，非特定企业数据，但反映了普遍存在的落地挑战。
03科研范式 AI for Science 从论文走进实验室
如果说企业落地是「渐进式变革」，那么 AI 在科研领域的渗透，正在带来 范式级的跃迁。嘉宾们一致认为：2026 年是 AI for Science 从「概念验证」走向「规模应用」的转折点。
—— 一个最直观的对比：
传统科研范式
药物分子筛选
18 个月
从候选分子到临床前候选
依赖专家经验 + 高通量筛选，周期长、成本高、偶然性大。
AI 驱动范式
药物分子筛选
3 个月
从候选分子到临床前候选
AI 生成候选分子 + 虚拟筛选 + 自动化验证，周期缩短 83%，成本降低约 70%。
另一个被反复提及的领域是 材料科学：AI 通过模拟材料性能、预测合成路径，将新型电池材料的研发周期从 5-7 年缩短到 2-3 年。
但一个诚实的注脚：AI 目前还无法完全替代人类科学家的判断力。在「提出好问题」和「设计实验」这两个环节，人类的创造力仍然不可替代。AI 的角色是 超级加速器，而不是替代者。
注：以上数据基于圆桌嘉宾分享的行业案例，不同细分领域的具体数字可能存在差异，但量级趋势一致。
04产业坐标 AI 基础设施化的关键指标
圆桌上还讨论了一组产业数据，它们共同指向一个方向：AI 正在从「试验品」变成「必需品」。
67%
全球 Top 500 企业
已设立 AI 专项团队
2.8×
AI 领域风险投资
较 2025 年增长
41%
企业 AI 相关岗位
年增长率
1.2万+
GitHub AI 开源项目
2026 上半年新增
注：数据综合自多家行业研究机构 2026 年 Q2 报告，反映全球趋势，不特指单一市场。开源项目数据为 GitHub 平台统计。
尤其值得关注的是 开源生态 的变化。圆桌嘉宾提到，开源模型在 2026 年迎来了「质的飞跃」——不仅数量激增，质量也在快速逼近闭源模型。这使得中小企业和初创公司也能站在 AI 创新的前沿。
但数据背后也有隐忧：AI 岗位的年增长 41% 听起来振奋，但人才供给的增速远低于需求。多位嘉宾指出，「AI 人才荒」 正在成为制约企业落地速度的关键瓶颈。
编辑核心判断
AI 基础设施化的真正瓶颈不在技术，而在组织与社会系统的适配速度。
2026 年的 WAIC 传递了一个清醒的信号：模型能力每提升一个台阶，组织变革、人才培养、安全治理的需求就紧迫一分。能够同时驾驭「技术加速度」和「社会适配度」的企业与地区，才是下一轮竞赛的真正赢家。