💬 圆桌 · 思想交锋
WAIC 2026 圆桌实录：AI 重写速率与边界，"第二天开机"成真需求试金石
WAIC 2026 最后一天，四位一线观察者——连文昭、郭权玮、龚珊三、杜雨——围绕"AI 到底重写了什么"展开三小时终极对话。从具身智能到本地模型，从 Scaling Law 拐点到投资流向，五条关键判断浮出水面。
综合公开信息整理•
2026-07-23•
全文约 4 分钟读完
#WAIC 2026
#AI 重写
#具身智能
#Scaling Law
#本地 AI
4 位
产 · 研 · 投 一线观察者
3 天
WAIC 2026 展区与圆桌
5 大
核心议题深度碰撞
1 个
"第二天开机"终极标准
⚡ 30 秒速览
- AI 重写两个层次：连文昭区分"速率"（做得更快）与"边界"（做人不愿做或做不了的事），后者才是真正的价值所在。
- 真需求四把尺：杜雨看收入增长，郭权玮看习惯改变，龚珊三看切身使用，连文昭看"客户第二天愿不愿自己开机"。
- 具身智能卡在哪：灵巧操作被称"机器人圣杯"，实验室场景成高价值练兵场，但整体难度高于智能驾驶。
- Scaling Law 之后：自回归+扩散结合、多模型生态系统、本地 AI 成为三个新方向，参数比拼正在让位于系统能力。
- 资金流向拐点：2026 上半年大量早期资金涌向世界模型与机器人，但共识投资盛行，多样性稀缺。
01核心发现：AI 重写"速率"与"边界"
连文昭在圆桌上给出了一个简洁的框架：AI 正在重写两件事——速率和边界。速率是把人本已能做的事做得更快，编程效率提升 10 倍、20 倍，内容生成指数级加速。但真正让他兴奋的是边界——做人不愿意干、或者人干不了的事。
AlphaFold 是边界扩展的经典案例，而具身智能则是下一个前沿。
速率（已发生）
编程、内容生成、办公自动化——把人的效率提升 10–20 倍。价值明确，但属于"做得更快"。
边界（进行中）
AI for Science、物理世界操作、精细实验——做人不愿做或做不了的事。这才是真正的范式扩展。
速率连文昭 · 编程效率 10×
边界连文昭 · 物理世界扩展
信任郭权玮 · 本地部署刚需
执行龚珊三 · 科研+代码闭环
四位嘉宾各自关注的核心维度：速率与边界是"重写什么"，信任与执行是"如何落地"。
一个诚实的注脚：杜雨提醒，从商业规律看，AI 也在"重复写"互联网时代的路径——底层算力先赚钱，中间是云和设备，最后才是应用。具身智能更像是设备层，真正的市场可能在围绕机器人的服务生态。
02需求真伪：四个判断框架
圆桌上最尖锐的问题之一：哪些 AI 已经进入业务生产，哪些只是 Demo 和资本故事？四位嘉宾给出了各自的标准，不约而同指向同一个方向——用户用脚投票。
💰 杜雨 · 收入增长是真金白银商业化视角
- 快手可灵、字节即梦、美图等 AI 业务收入快速增长，用户愿意付费。
- 宇树机器人招股书显示有利润，并非纯烧钱。
- 每个赛道都有伪需求——没有收入、亏损远大于收入的公司需要警惕。
核心逻辑：用户用脚投票，收入增长是需求真实性的硬指标。
🔄 郭权玮 · 习惯改变是试金石行为视角
- AI 是否真正进入生产，关键看它有没有改变企业或个人的习惯。
- Palantir 的 Ontology 模式：派驻工程师深入企业现场，梳理清楚流程再部署 AI。
- "数字员工"概念有伪需求——每个岗位都有细致的 know-how，无法靠 prompt 替代。
核心逻辑：没有改变习惯的 AI 部署，大概率是伪需求。
🧪 龚珊三 · 切身使用是底线用户视角
- 真实需求：Coding 辅助、办公文档、PPT 生成——切切实实提升效率。
- 伪需求：和 AI 扯上关系就开始讲故事，用户用过之后发现和以前没有本质区别。
- 人的需求不难发现——家务机器人、写代码、做实验，都是真实场景。
核心逻辑：站在消费者角度问自己是否真的有需求，答案不会骗人。
🤖 连文昭 · 第二天开机是终极标准工程视角
- 判断具身智能是否真正落地：把机器人推到客户那里，工程师走了以后，客户第二天愿不愿自己开机。
- 如果机器人帮忙少、添乱多，它就会吃灰。持续使用才是真价值。
- 这个标准同样适用于任何 AI 产品——用户是否愿意主动、持续地使用它。
核心逻辑："第二天开机"——最朴素也最严格的需求验证。
03落地路径：从实验室到客户现场
连文昭创办的源络科技选择了一个出人意料的切入点：AI for Science，生物医药与实验室场景。这不是一个 glamorous 的赛道，但符合两个硬条件：人不愿意干（或干不好），且高价值。
🧬 源络科技 · 实验室里的登月工程高价值 · 长序列
- 场景：高学历研发人员一边设计实验，一边重复体力操作——脑力与体力无法拆开，大量高价值时间被消耗在重复劳动上。
- 痛点：人做实验容易出错，且不可复现。环境变量、操作习惯都会影响结果，标准化是产业级痛点。
- 解法：机器人稳定完成实验操作，所有动作数字化记录，24 小时持续工作，提升实验一致性与可复现性。
- 延伸价值：实验室任务往往是长序列（几十步到上百步），每一步要求精细操作。解决这些问题后，家庭、服务等场景的能力可以降维迁移。
关键判断：机器人比智驾更难——智驾问题定义相对清晰，而机器人面对的是接近人类级别的常识。
日常场景同样在发生真实变化。三位嘉宾分享了已经在使用的 AI 能力：
💻
AI Coding 进入长程任务
「模型可以参与模型 serving、infra 工作，甚至自己写加速算子。」——龚珊三认为，Coding 能力提升是过去一年最显著的变化之一。
🏢
办公智能体进入工作流
「写代码正在从程序员专利，变成一种新的工作方式。」——杜雨观察到，AI 协作写代码在大厂已相当普遍。
🔒
本地 AI 的隐私刚需
「数据留在自己的机器上，花自己的算力，网络一关也不用担心上传。」——郭权玮认为，金融、法律、科研从业者对本地部署的需求真实且迫切。
04范式拐点：Scaling Law 之后
圆桌上一个没有争议的判断：由 Scaling Law 主导大模型的时代基本已经结束。接下来靠什么？三位嘉宾给出了三个方向。
自回归（GPT 路线）
基于上下文逐步生成 token，因果性强，效率在长序列下受限。适合云端 batch serving，但端侧推理成本高。
扩散语言模型（新范式）
以 block 为单位在去噪过程中反复修改，支持隐式 latent reasoning。端侧 batch size=1 时速度优势明显，契合本地部署。
龚珊三认为，自回归和扩散不一定要二选一——结合前后依赖能力与反复修改特点，可能产生更好的效果。
三个新方向的优先级正在形成：
🥇 模型生态系统多模型协作 · 参数相互影响
高优先级
本地 AI 基础设施模型+框架+推理引擎+知识库
半年到一年
优先级排序基于圆桌讨论中嘉宾的投入程度与时间判断。模型生态系统指 Sakana AI 的 Fugu 等方向，让多个模型彼此调配协作。
一个诚实的注脚：龚珊三补充，扩散语言模型在端侧推理的优势——batch size 等于 1 时速度更快——刚好契合本地模型为单个用户服务的场景。但这条路仍在早期，距离大规模落地还有距离。
05钱往哪儿流：共识与多样性
2026 上半年融资数据指向清晰：大量资金正在从纯语言模型流向物理世界。世界模型、机器人、物理 AI 是早期项目最热的关键词。但杜雨提出了一个值得警惕的现象：
「国内很多投资是共识投资，大家容易一窝蜂往一个方向上冲。」
美国硅谷最有价值的地方，是它容许多样性，鼓励不同方向。而共识投资意味着真正稀缺的不是资金，而是与众不同的判断。
世界模型
具身智能
物理 AI
本地 AI 基础设施
扩散语言模型
AI for Science
多模型生态系统
AI Coding
金色标签为 2026 上半年融资热度最高的方向，基于圆桌中杜雨分享的观察。本地 AI 被郭权玮判断为"半年到一年后成为投资主力"。
连文昭的呼吁值得每一个从业者思考：回到本质，那个标准从未改变——你能不能把机器人推到客户那里，第二天客户愿不愿意自己开机使用。未来无论是资金还是人才，真正能解决本质问题的方向，一定会获得长期回报。
编辑核心判断
AI 行业的"速率"红利正在收窄，但"边界"扩展才刚刚开始。下一个五年，能够定义真需求、解决物理世界复杂问题、并在共识中找到多样性路径的公司，才是真正的赢家。
▶圆桌精华回看
以上内容整理自 WAIC 2026 收官圆桌对话。四位嘉宾的完整讨论可在大会官方平台回看。
WAIC 2026 官方回看 ↗
注：体验入口为示意，实际回看请访问 WAIC 官网