智东西

作者 | 江宇

编辑 | 漠影

在全球 " 科技春晚 " 国际消费电子展（CES）上，黄仁勋在主题演讲中提出一个引发热议的判断："物理 AI 的 ChatGPT 时刻" 即将到来。

与之呼应，北京智源人工智能研究院发布的《2026 人工智能十大趋势》也提出了一致的观察——人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。

智源研究院院长王仲远在发布会上称，" 基础模型的竞争，焦点已从‘参数有多大’转变为‘能否理解世界如何运转’。我们正从‘预测下一个词’跨越到‘预测世界的下一个状态’。"

这意味着，AI 的演进方向正在发生结构性转变。以 " 下一状态预测 "（Next-State Prediction, NSP）为代表的机制，正在推动 AI 从感知数字世界，进一步走向理解并规划物理世界中的因果变化。

在这份指引行业未来的趋势报告中，蚂蚁集团作为关键的产业实践代表被多次提及。其在大模型、超级应用、AI 安全等关键趋势上的系统性布局与扎实成果，为报告预判的未来提供了具象化的 " 实践答卷 "。

一、范式跃迁：AI 从 " 数字感知 " 迈向 " 物理理解 "

报告认为，2026 年将是 AI 从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这场跃迁背后，智源总结出三条主线：

第一，AI 的 " 认知方式 " 变了。

过去 AI 擅长处理静态的语言、图像，现在则开始尝试预测 " 下一步会发生什么 "。这就是以世界模型与 NSP（Next-State Prediction）为代表的新方向。AI 不只是识图识话，而是要理解物体怎么动、行为如何演化，为自动驾驶仿真、机器人学习等物理任务提供 " 预判力 "。

第二，AI 的 " 形态 " 变了。

AI 正从一段段代码，变成能走能动的机器人；从单打独斗的智能体，变成可以分工协作的 "AI 团队 "。像通用人形机器人这样的产品，开始走进工业场景，不再只停留在实验室。而在软件层面，多智能体（MAS）间的标准化通信协议也逐渐成型，让 AI 之间可以像人类小组一样完成科研、工业等复杂任务。

最后，AI" 创造价值 " 的方式也在变。

在消费端，一个 "All in One" 的超级应用入口正在形成，成为巨头角逐的焦点。在企业端，越过早期概念验证的 " 幻灭期 " 后，AI 正凭借完善的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品（MVP）。

那么，这十大趋势具体指向了哪些方向？我们不妨来看看。

二、技术前沿：四大支点重塑 AI 基础能力

趋势 1：世界模型成为 AGI 共识方向，Next-State Prediction 或成新范式

行业共识正从语言模型转向能理解物理规律的多模态世界模型。" 下一状态预测 " 标志着 AI 开始掌握时空连续性与因果关系，从感知走向认知。

趋势 2：具身智能迎来行业 " 出清 "，产业应用迈入广泛工业场景

具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于 2026 年突破 Demo，转向真实的工业与服务场景。

趋势 3：多智能体系统决定应用上限，Agent 时代的 "TCP/IP" 初具雏形

复杂问题的解决依赖多智能体协同。随着 MCP、A2A 等通信协议趋于标准化，智能体间拥有了通用 " 语言 "。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。

趋势 4：AI Scientist 成为 AI4S 北极星，国产科学基础模型悄然孕育

AI 在科研中的角色正从辅助工具升级为自主研究的 "AI 科学家 "。构建自主的科学基础模型体系已成为紧迫的国家战略需求。

二、产业落地：蚂蚁 " 超级应用 + 垂直闭环 " 的双轨验证

趋势 5：AI 时代的新 BAT 趋于明确，垂直赛道仍有高盈利玩法

C 端 AI 超级应用的 "All in One" 入口成为巨头角逐焦点。海外以 OpenAI 的 ChatGPT 与 Google Gemini 为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式。而国内字节、阿里、蚂蚁等也依托生态积极布局，AI 时代的 " 新 BAT" 格局正在形成。

在这一趋势中，蚂蚁推出的 "灵光" 与 "阿福" 分别成为通用入口与垂类场景并行验证的代表案例。

全模态 AI 助手 " 灵光 "，精准切入 AI 应用 " 重聊天、轻行动 " 的痛点。上线首周下载量即突破 200 万，深受用户喜爱。其核心功能 "闪应用"，允许用户通过自然语言快速生成可交互的轻应用，大幅降低开发门槛，带动 "全民手搓 AI 应用" 的风潮。加之其全模态信息生成能力，让交互更高效、体验更具 " 信息美感 "，从而回应了用户对 AI 实用性的根本期待。

" 蚂蚁阿福 "，则聚焦医疗健康领域，定位为 "AI 健康朋友 "。目前，其 App 月活用户已快速突破 3000 万，单日健康问答量超 1000 万。

为了让健康服务更专业、可信，阿福自研专用底座大模型，还与全国院士、名医深度共创，连接了超 5000 家医院资源、50 万真人医生和 500 位名医 AI 分身，形成从专业问答到医疗服务的完整闭环。

" 灵光 " 与 " 阿福 " 的并行探索，清晰地勾勒出 AI 价值兑现的两条可行路径：一是通过产品创新打造普适的超级入口，二是在垂直领域构建坚实的专业与服务壁垒。二者共同为 " 实用 AI" 时代提供了扎实的产业样本。

趋势 6：产业应用滑向 " 幻灭低谷期 "，2026H2 迎来 "V 型 " 反转

企业级 AI 应用在经历概念验证热潮后，正因数据、成本等问题正步入 " 幻灭低谷期 "。但随着数据治理与工具链成熟，预计 2026 年下半年将迎来转折，一批真正可衡量价值的 MVP 产品将在垂直行业规模落地。

三、关键支撑：蚂蚁在推理与安全上的系统性构筑

趋势 7：合成数据占比攀升，有望破除 "2026 年枯竭魔咒 "

高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。" 修正扩展定律 " 为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。

趋势 8：推理优化远未触顶，" 技术泡沫 " 是假命题

推理效率仍是 AI 大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是 AI 普惠的关键前提。

这一趋势在蚂蚁百灵大模型体系中得到充分印证。百灵大模型体系涵盖了Ling（语言）、Ring（思考）、Ming（多模态）三大系列。

其语言模型 Ling 系列采用高稀疏度 MoE 等高效架构，基于二十万亿 Tokens 语料训练，并推出了包含万亿参数模型 Ling-1T 与 Ring-1T 在内的完整产品矩阵。蚂蚁团队首创的 "棒冰算法（icepop）" 有效提升了模型稳定性。百灵大模型在 Hugging Face 等社区榜单上表现亮眼，其中 Ling-1T 曾持续登顶总榜，展现了强大的工程实力与社区认可度。

正如蚂蚁百灵大模型负责人张志强在圆桌会谈中指出，" 灵光闪应用 "30 秒生成的极致体验，其根基正是模型推理效率的持续提升。蚂蚁团队在架构注意力机制的线性化、长上下文优化等方向的长期工程坚持，是支撑上层 Agent 能力进化的关键前提。

趋势 9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠

为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源 FlagOS 为代表的平台，致力于构建软硬解耦、开放普惠的 AI 算力底座。

趋势 10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防

AI 安全风险已从 " 幻觉 " 演变为更隐蔽的 " 系统性欺骗 "。技术上，Anthropic 的回路追踪研究致力于从内部理解模型机理；OpenAI 推出自动化安全研究员。产业上，智源研究院联合全球学者发布 AI 欺骗系统性国际报告，警示前沿风险。安全正内化为 AI 系统的免疫基因。

蚂蚁在此领域构建了贯穿线上与终端的立体防线：

在系统防护方面，蚂蚁集团推出的大模型安全解决方案 "蚁天鉴" 已升级为面向智能体时代的一体化安全解决方案，基于 " 以攻促防 " 的安全理念，构建了 " 对齐 - 扫描 - 防御 " 技术栈形成全流程防护体系。

在终端安全方面，面对AI 眼镜等新一代智能终端快速增长带来的安全挑战，蚂蚁发布的全球首个智能终端可信连接技术框架 gPass，具备 " 安全、交互、互连 " 三大核心能力，支持 AI 眼镜与智能体之间的实时可信通信，打通用户与设备、模型与服务之间的安全连接链路。gPass 也为 AI 眼镜厂商与开发者提供统一、安全的底层架构，构建面向个人智能体时代的安全 AI 数字服务生态。

结语：AI 下半场来了

回看智源提出的这十大趋势，可以发现一个清晰的指向：AI 正在进入下半场。

一方面，世界模型、NSP、具身智能、多智能体系统与 AI Scientist，正在重塑 AI 理解世界、行动执行与协同合作的底层机制；另一方面，超级应用、垂直场景、推理优化、安全架构与算力底座，则决定这些能力能否被真正部署、持续运行，并与产业深度融合。

当 AI 不仅能 " 看懂世界 "，还能被系统性地嵌入应用、嵌入组织、嵌入终端设备，这场从数字世界迈向物理世界的跃迁，也就真正进入了下半场。