本文为 澎湃号湃客 x 光锥智能 联合出品

文｜魏琳华

编｜王一粟

“人已经多到炸馆，逛展堪比庙会。”

2025年，WAIC的火爆程度已经不用多说：闲鱼上炒到2000元一张的门票；现场随处可见的老外；各个展区被人流挤得水泄不通......

光是外围的火爆就已经说明——今年，AI大模型在应用上已经势如破竹。

前所未有的参展产品数量，是AI应用遍地开花的佐证：创纪录的800家企业参展，带来3000余产品及100+首发新品参展，涵盖40+大模型、50+AI终端产品、60+智能机器人，和去年相比，产品数量整整翻了一番，不少观众散会纷纷戏称“逛到断腿”。

在一个展区中，你能看到各个品类下不同厂商演绎的多种玩法：机器人1：1复刻人类动作、给人类调酒、搬东西；Agent写代码、作文、当理财助手；AI+教育不仅有AI学习机、还搬上了AI黑板......

比起看得见摸不着的Agent“数字员工”，能看到实体的智能机器人成为了会场的“顶流”。

H3展馆中，大片机器人“整活”的场景相当壮观：和真人对打的宇树机器人、练习摞百事可乐的智元机器人、魔法原子的机器狗绕着场馆跑来跑去......

除了面向C端用户的产品爆发，在B端，AI也已经在企业中应用起来。

“就在我们公司内部，员工每天需要写很多代码，做很多研究型实验，这里边大概有 70% 的代码是 AI 来写，90% 数据分析是靠 AI 来做。”在MiniMax CEO闫俊杰的分享中，Agent构建的智能系统已经真正帮上了员工的忙。

随着年初大模型进入深度推理阶段，性能进入高可用的程度，加上训练和推理成本进一步降低。经过三年的一路狂奔，厂商们终于高调地秀起了肌肉。

推理模型的“爆发年”

从模仿学习到强化学习，大模型已经进化到2.0时代。

以OpenAI的o1模型为分水岭，2025年成了推理模型的“爆发年”。区别于以往靠大量监督数据提升性能，通过RL（强化学习）算法的训练模式，让大模型的能力迈上新一个阶段。

由此，文字、视觉、多模态等领域，叠加推理能力成了国内大模型公司上半年角逐的重点。

在WAIC大会上，“大模型新五强”之一阶跃星辰就在会上发布了自家原生多模态推理模型Step-3，在开源梯队中达到SOTA；商汤同样在论坛中发布日日新V6.5多模态基座大模型，强调强推理、高效率和智能体三大优化。

大方向转向强化学习的基础上，一个明显的趋势是，训练和推理的成本在上半年进一步降低。通过使用新模型架构的优化、训练算法的进步以及软硬件协同的算力效率提升，大模型们开始比肩DeepSeek，给出更便宜的训练和推理成本。

闫俊杰给出了一个更为乐观的判断，认为在接下来一两年之内，最好模型的推理成本可能还能再降低一个数量级。

再从应用方向来看，出于商业化落地考虑，绝大部分模型不会再去做上万的参数，同时向着商业化路线的应用要求考虑。

以视频生成来说，生数科技CEO骆怡航认为，目前整个视频生成还有进一步优化空间，他总结为“好快省”。

“首先一致性还需要提升，然后在生成的速度上还需要加快，第三是，在视频生成的成本上还要大幅降低。”骆怡航说。

对应到落地产品上，几家视频模型产品不约而同地贴合专业赛道的制作方向做优化。生数科技旗下的产品Vidu 7月发布的Vidu Q1 参考生视频功能，改变传统视频制作流程和AI图生视频流程，仅需上传人物、道具、场景等参考图，即可直接生成一段视频，完全省去了分镜制作的环节，并且参考生支持7个主体一致不变形；快手可灵AI则在会议期间发布“灵动画布”，把AI辅助和多人协作放到了一块无限大的工作界面中。

Vidu Q1 参考生视频

另外，AI公司们也开始围绕着两个业内更加关注的产品落地——Agent和具身智能，为其打造专属能力匹配的模型。

从智能体的发展来看，今年上半年涌现出一些为Agent“量身定做”的模型，比如更匹配上下文理解的超长文本模型、优化Agent“视力”的视觉推理模型。再有，随着具身智能的火爆，为机器人打磨“视觉”和“大脑”的任务也落在了大模型公司们的身上。在商汤、科大讯飞、阶跃星辰等公司的展台，也有机器人在站台表演。

最火热的落地

Agent、具身智能

当大模型能力突破到一定阶段，应用也随之爆发。

阶跃星辰创始人、CEO姜大昕表示：“从Step 1到Step 2两代基模的快速迭代，促使我们深入思考什么才是最适合应用的模型。随着大模型进入到强化学习发展阶段，新一代推理模型成为主流，模型性能的提升固然显著，但这是否完全等同于模型价值？面对这一产业之问，我们必须回归客户需求，立足真实应用场景，探索模型创新落地的可行路径。”

在WAIC现场，Agent和具身智能成了会场中最热门的两个赛道。多模态能力和推理能力的提升，让Agent和具身智能装上了“眼睛”和“大脑”。

Agent，几乎出现在各个展台中：

面向C端用户，有少量通用Agent和多种面向细分场景的垂类Agent。比如百度的GenFlow 2.0支持多个智能体协作，阶跃星辰的Agent则装到了智能手机端上，搭载AI拍照问、AI助手等功能；刚上新全栈功能的MiniMax Agent，能让用户在几分钟做个网页出来。

在智能硬件端，Agent也开始接管起人的生活体验。美的高端定位AI科技家电品牌COLMO落地应用了行业首个适配家电家居全场景的AI Agent智能体——COLMO AI管家，通过“多维感知-自主学习-推理规划-决策执行”，提升智能家居对场景的理解能力。

做To B生意的软硬件厂商，智能体成为企业帮助客户增量提效的落地手段。除了在软件端应用，软硬件协同的厂商也在AI平台中植入智能体服务。在DeepSeek一体机展台，光锥智能就见到了政务/医疗等领域的Agent，作为其软件服务端的新产品能力。

在上半年的进展中，一个明显的趋势是，AI Agent从打辅助的定位，已经开始过渡到自主驱动任务完成的阶段。

以亚马逊云科技发布的编程智能体Kiro为例，它的Spider模式，在Agent执行任务的需求-计划-执行过程中，AI已经能在每个环节中提供助力。Kiro技术专家举了个例子，比如，当用户给出一句话需求后，AI会根据需求创建更为详细的PrD（产品需求文档），把各种隐性的需求挖掘出来，确保AI能够精准执行任务，做出可交付的产品。

在企业内部，多智能体的运转协作已经初见成效。

谈及大模型在工厂内部的落地，美的集团副总裁兼CDO张小懿告诉光锥智能，目前已经看到了工厂用大模型的能力在进行工厂的运营改进，在3-4个月的尝试中，目前靠智能体已经能帮助产品实现品质和效率上的提升。

“在美的洗衣机荆州工厂，我们已经上线了14个智能体，这14个智能体能够互相关联起来运行，”张小懿说。过往，这些数据全都需要人和人直接沟通协作，寻找问题根源。但交给智能体后，它自己就会找当时的参数情况、设备、产线和具体型号，再判断出大致的结果。

“把控品质的智能体，它能够把相关数据全部回流到其中，实时判断情况，当发现品质波动，它反过来会影响到负责产品设备维护的智能体和设备工艺智能体。”张小懿说。

纵观下来，Agent市场在半年的搭建过后，在和企业磨合试验的过程中，暴露出一些技术上亟待完善的工作。

有Agent平台工作人员告诉光锥智能，目前开发者们更关注长时记忆和MCP的生态扩充，前者决定了让Agent能够在需要长久记忆的场景保留上下文信息，而针对一些即时场景，则需要及时将信息清理，避免无谓的成本浪费；MCP的扩充让Agent有更多工具可供调用。

同样靠大模型武装“大小脑”的具身智能，成为了这次展会品类数量最多的一个。

以具身智能的头部来说，其主要包含大脑、小脑两个部分。以主流的“大小脑”分层架构来说，其中多模态大模型作为“大脑”，负责感知、理解和规划；再由多个小模型结合运动控制算法组成“小脑”，负责运动控制和动作生成。

不过，对于产品百花齐放、融资热切的具身智能赛道来说，一切还处在开始阶段，距离实际场景来说，还离落地太远。

其中发生在机器人赛道的一个问题是，今年，软硬件拉开的差距更大了。

和云深处合作布局安防机器人赛道，康迪机器人技术总监崔广章对光锥智能表示，目前，硬件与软件之间的代差还在加大。软件已经进入了验证到量产的过程，但硬件还没有达到，在功能、稳定性和成本表现上还差了一些。

目前，面向工业的机器人的软硬件水平，已经可以满足在特定工业场景下的一些任务。康迪科技和云深处合作的机器狗将销向北美，用于北美仓库的安防巡检场景。

犹如去年徘徊的大模型落地，这两条赛道还需要更多的摸索和模型能力的进化支撑。

加速落地

“AI大模型的发展，从人工智能第四次浪潮的元年2022年开始，各路英豪都在一路狂奔。”科大讯飞副总裁李翔说。

在大模型技术上线不断被拓宽的过程中，AI+大模型也在重构产业智能的生态。在B端，通过AI挖掘数据和产业互联网的价值，大模型和智能体逐渐承担起更多提升收入、降低成本的任务。

“市面上的开源大模型很多，但它们都是独立的个体”，做AI+工业互联网的卡奥斯化工行业总经理康健告诉光锥智能，“无论是垂类小模型还是行业模型，散点的价值还是有限的。”

以化工大模型为例，卡奥斯没有选择上来就做模型，而是搭了一个工业互联网平台，把三个城市的所有集团和二级单位的业务和数据拉通，再进行数据收集和治理。在这个基础上，大模型和智能体，就有了业务的需求拉动及数据的支撑。

康健举了个例子，以延长石油为例，生产经营智能体及市场产品价格预测智能体的协同应用，会根据产业链上的实时情况调整生产策略。根据成品油及化工品的价格及收益情况，调整生产计划及各自产能，让集团产业链价值最大化。

“没有业务及数据的互连，它拉通不了全产业链和全价值链，就不能把用户本身和供应商连起来，如果不连起来，智能体的价值就无法最大化。”康健说，“用单场景模型，你一年可能省10万，如果基于我们的全产业链大模型进行智能优化，可能全年的价值是一个亿”。

比起去年清一水但稍显苍白的行业客服、对话助手，通过深度结合行业数据，AI今年在各行各业跑出了一些更具行业针对性的新功能，展现出更为成熟和实用的应用前景。

在AI+医疗行业中，大模型公司通过和医院合作，在数据训练的基础上，一些有应用价值的功能开始陆续落地。阿里在展示台放了一个AI CT扫描的功能，基于其通用多模态医疗大模型，模型能够根据病人的医学影像自动生成详细的诊断报告，辅助医生做判断。

模型的能力决定应用的上限，今年同理。其中一个明显的节点就是推理模型DeepSeek-R1为代表的各个推理模型发布，进一步提升了AI在行业中的应用能力。

以教育行业为例，以DeepSeek为代表的推理大模型能力突破，在AI教育方面找到了对应的应用场景。

“通常来讲，家长对于AI教育有很多顾虑，比如担心直接抄答案、误导学生，但是今年最大的一个利好就是DeepSeek的出现。”学而思学习机AI产品负责人李通说。“只有当家长自己试过大模型，并且认可了能力，他才会愿意让自己的孩子也试一试。”

李通提及，编程和解题是基座大模型过去一段时间提升较为明显的能力。对于纯文本数学题，大模型能在完全没见过的情况下，做到92%的准确率。在解题率提升的基础上，今年AI在大模型一对一讲题这个场景，在过去的这段时间里面出现明显的突破。

从“炫技”到“实干”，AI大模型正破冰行业深水区。随着AI能力的进一步突破，冰山之下蕴藏的价值，才会慢慢展现全貌。