1 月 8 日，智源研究院如期发布了《2026 十大 AI 技术趋势》，代表了这家研究院对未来一年 AI 发展的种种 " 预言 "。院长王仲远在台上讲了半个小时，从基模、具身到应用、算力，从 Scaling、世界模型到合成数据、AI 安全，几乎覆盖了 AGI 世界的所有重点话题。

考虑到同天上午，作为从智源走出去的标志性企业，智谱正式以 500 亿 + 市值在港股 IPO，成为了全球第一家上市的基模公司——你更加会感觉到时间与趋势在 AI 发展中的重量。

这是智源第二年发布年度 AI 技术趋势。

2025 年初，这家机构曾发布过《2025 十大 AI 技术趋势》，在某些方面与 2026 形成了某种首尾呼应的关系。你可以从中看到，那些 AI 世界里最重要的事情从来都没有变过，只是长成了不同的模样。

比如 2025 年智源的预判是：

" 下一个 Token 预测 " ——统一的多模态大模型（尤其是原生多模态大模型）将更加重要，即视频等多模态的内容将取代文本成为下一个 "Token"。

而 2026 年，这个判断升级成为了：

" 预测下一个状态 "（Next-State Prediction）——世界模型将成为 AGI 新的范式共识。

类似 " 更进一步 " 的预测还有很多。

比如，2025 年智源提出多模态大模型的发展将进一步提高 AI for science 工具在研究者和研究场景中的渗透率，从而辅助科研问题的综合理解与全局分析。

而到了 2026 年，智源认为AI for Science 将从 Copilot 的角色开始向 AI Scientist 的角色迁移，即拥有一个模拟乃至自主执行 " 假设提出、实验设计、数据分析、结论推断 " 的完整科研链路的智能体。而我国目前依然面临 " 应用强，基座弱 " 的状况。

2025 年，智源提出了 Super App 将出现，但 " 花落谁家犹未可知 "。

而到了 2026 年，王仲远则直接提出了 "新 BAT（格局）趋于明显" 的观点，超级应用已经在各地成为了超高日活的国民级应用。

智源行业研究中心高级行业研究员靳虹博在随后分享环节进一步呈现了数据数据：目前海外应用下载量仲，GPT 已经超越 TikTok 登顶榜首。而 Gmini 则超越了 Instagram，紧追 Tiktok，或许未来会与 GPT 分列前二。

在推理层面，智源 2025 年初判断 Scaling Law 将从预训练向后训练与特定场景方向探索。尤其是强化学习作为后训练和推理阶段的 scaling law 的关键技术，将会得到更多应用。

而到了 2026 年初，一方面，王仲远认为世界模型下视频数据会有很大的 scaling 空间；另一方面，在推理阶段的成本优化远没有触顶，同样有更大的优化空间。

智源认为成本的快速优化，可以释放更多的应用潜力和盈利空间——某种程度上也可以安抚目前 AI 泡沫论。

2025 年智源提出 Agentic AI 将成为产品落地的重要模式。

而到了 2026 年，智源则进一步认为 " 多智能体系统 " 将变得越发重要。尽管目前单智能体（SAS）仍然是绝对主流，但王仲远认为 " 多样性 " 且 " 独立 " 的多智能体（MAS 将提升应用表现的上限。智源认为，相关范式也正在收敛，而今年Agent 时代的 "TCP/IP" 也将初具雏形。

ANP 开源社区发起人常高伟在随后的分享中表示，在他看来，computer use agent 会是过渡阶段，未来将进化成标准化的 agent 通信协议。而是无论 MCPA2AANP 等协议，其实在 2026 年可能都会呈现一定融合的趋势。

此外，合成数据也连续两年入选 " 十大预测 "。

王仲远认为，合成数据与强化学习两大工具，将解决 AI 目前面临的 " 数据饥渴 " 问题。

而到了 2030 年前，智源表示，人类所拥有的合成数据料将超过真实数据，成为第一大 AI 数据源。

不过，并非所有的发展带来的都是好消息，部分行业也正在面临一些 " 麻烦 "。

智源这次用了 " 出清 " 和 " 幻灭 " 这样两个严峻的词来形容当前一些行业的发展环境。

王仲远表示，具身智能目前的竞争 " 堪比百团大战 "。

根据智源引用的数据，目前全国有 230 家具身智能企业，其中人形超过 100 家。而目前的资本环境不可能容纳如此多的初创公司，外加大量企业的同质化竞争严重，行业 " 出清 " 在所难免。

而在 to B 的 AI 应用市场中，王仲远认为，目前正处在 " 幻灭期 "。

智源援引 MIT 的报告表示，在 MIT 调研的 300 个 AI 项目中，95% 的 GenAI Pilot 没有带来任何可衡量的影响。王仲远表示，很多企业对端到端等概念太重视，但在成本端却缺乏足够的敏感度。AI 项目应该采用 " 数据治理 " 先行，OTel/MCP 并行的策略。

不过，王仲远虽然对近期表达了警示，但是对未来都给了更高的评价。

比如，随着技术环境和方法论的成熟，to B 的市场将在年中迎来 "V 型反转 "；而具身也将走出实验室，迈向广泛工业场景。

此外，AI 的发展也带来更严峻的安全问题。而且 AI 安全已经不止在软件层面，随着 AI 与物理世界的交互加深，具身的安全也会越来越成为被关注的焦点。

王仲远表示，在安全策略方面，传统的自动化测试正在升级成基于多智能体系统的自演化的攻防演练。

智源大模型安全中心负责人杨耀东在随后的分享中表示，过去学界不断为 AI 划红线。但好像每次划了红线，红线就会变成 AI 准备要去跨越的地方。

其中 AI 欺骗已经成为了近期的热门问题。杨耀东引用今年创新提出的" 莫比乌斯环锁定 " 的概念，形容 AI 能力和欺骗性是一个连续面，AI 能力越强，欺骗性也自然会更强，二者无法完全剥离。而不断发展的 AI4S，既有可能增强研究者的效率，也可能降低利用前沿科学作恶的门槛。

本次十大趋势性报告中，加入了以智源最新发布的 FlagOS 为代表的开源编译器生态的发展判断。

一方面，FlagOS 等产品客观上挑战了 CUDA 的垄断地位，强化了国家产业安全能力；另一方面，随着算子语言（DSL）越来越重要，编译器的角色也越来越核心。

所以开源编译器将进一步推动国产 GPU 在内的类 cuda 平台的发展。

相比于 2025 年的预测，智源 2026 年很多预测变得宽广了很多。其中不少判断甚至是贯穿了多场景的。

比如，世界模型将成为新的研究范式，强调 AI 与物理世界的结合；

多 Agent 协同体，不止将解决 AI 生产力的问题，还要承担人类 AI 安全的使命；

应用将在不同的领域爆发，但洗牌仍然不可避免；

巨头的世界已然显现，标准的博弈终将迎来终局；

回到开头那句多模态大模型到世界模型的 " 论断 "，其实同样像是整个发布会、乃至人类 AI 进程的某种 " 隐喻 "：

2025 年，智源的预测更像是在 predict next token，沿着技术和产业的发展路径，未来会的技术形态会朝哪里走？

而到了 2026 年，智源则是像在 predict next state，未来 AI 世界的状态会是怎么样的？格局会如何演进？

AI 从屏幕上一个个跳动燃烧的 token，步步走向深入人类社会肌理纹路的下一种状态（state）。

以下是智源本次发布的十大趋势：

（来源：官方文字版披露）

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。从 " 预测下一个词 " 到 " 预测世界下一状态 "，NSP 范式标志着 AI 开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动 AI 从感知走向真正的认知与规划。

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。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。

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 "。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。

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；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态 AI 助手 " 灵光 " 与 AI 健康应用 " 蚂蚁阿福 "，分别在超级应用与健康垂直领域进行探索。AI 时代的 " 新 BAT" 格局正在形成。

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，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。

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。

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，安全水位成为落地生死线，蚂蚁集团构建 " 对齐 - 扫描 - 防御 " 全流程体系，推出智能体可信互连技术（ASL）及终端安全框架 gPass；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。