孙正义往软银年度企业大会的讲台上一站，铺开一个让在场所有人倒吸一口气的数字：到 2040 年，人工智能的发展每年将需要 5 万亿美元的投资。这位软银创始人用他标志性的语气说，任何关于 AI 领域正在形成泡沫的说法都是荒谬的。他紧接着补充道，你们或许会觉得这简直是在胡说八道，但我确信这就是所需的成本。

孙正义的底气来自一道他心目中早已算好的经济账。如果到 2040 年，AI 创造的收入能占全球 GDP 的 20%，那么每年 5 万亿美元的花费只不过是一个可以忽略不计的尾数。这个商业模式在他看来是可行的，而且只有以这样的投入规模，才能支撑起 AI 在未来二十年的进化。为了让人们更直观地感受背后的基础设施需求，他抛出了另一组数据：为支持 AI 发展，到 2040 年 AI 数据中心将需要 3 太瓦的发电量，相当于当前全球总电力消耗的 1.8 倍。也就是说，在孙正义勾勒的未来里，电力系统和资本投入都会被 AI 拉升到一个全新的量级。

同一天，另外几位 AI 领域的核心人物也在不同场合表达了对智能未来的判断，只是切入角度截然不同。英伟达 CEO 黄仁勋在一场专访中把 AI 拉回到一个更现实的坐标里。他强调，不应该过度赋予智能体人性化特征，它们没有意识，本质上只是工具和软件，与扫地机器人、洗碗机之类的工具没有两样。黄仁勋的这番表态，几乎是在给热衷于将 AI 拟人化的叙事泼了盆冷水。智能体可以完成复杂的任务，但它们并不是具备自我意识的个体，更不应被当成具有感知和情感的存在。这一提醒在业界引发了共鸣，尤其是在大量生成式 AI 产品开始以 " 陪伴 "" 助手 " 等角色进入日常生活的当下，划清工具与意识之间的界限显得格外重要。

关于智能体的讨论不止于哲学层面。百度创始人李彦宏在《人民日报》发表了一篇署名文章《为智能经济打造科学评价体系》，首次提出以 " 日活智能体数 " 作为衡量人工智能实际应用与产出的核心指标。这个指标被他简称为 DAA，Daily Active Agents。李彦宏指出，大模型参数、算力、Token 等指标反映的是投入，但 DAA 衡量的却是 " 智能生产力 "，也就是每一天有多少智能体完成了有价值的任务交付。他在文章中特别提到，中国具备最丰富的应用场景、最完整的产业链和最大规模的数字市场，这三重优势足以支撑起一条以 DAA 为导向、服务实体经济的智能经济路径，从而避免脱实向虚。这个概念的提出，意味着产业对 AI 的评估眼光正从堆算力、拼参数，转向看实际有多少智能体在真实场景中解决真实的问题。

在世界人工智能大会（WAIC 2026）的开幕式主论坛上，阶跃星辰董事长、千里科技董事长印奇沿着类似的思路，把智能体的想象从数字屏幕推向了物理世界。他表示，随着智能体模型与下一代终端产品加速结合，智能正从聊天工具进化为能够感知、决策和执行任务的生产力最小单元。印奇描摹了一个极具冲击力的未来图景：工程师、设计师、研究员等每一个专业人士都能拥有专属智能体，使一个人具备一支团队的能力。他说，未来不是机器替代人的世界，而是人与智能共同进化的世界；当智能体进入物理世界，每个人的可能性，都将被放大十倍。这种判断背后，是智能体从软件形态走向软硬件一体的趋势正在加速落地。

银河通用机器人创始人兼首席技术官王鹤则给出了更为具体的时间表。他预测，通过海量综合数据训练，具身智能基础模型将能够在未经专门训练的任务上直接达到 70% 到 80% 的成功率，媲美当年数字模型在对话领域的突破。强大的预训练模型加上高效的后训练范式，是敲开这一里程碑的关键条件。王鹤判断，按照当前数据积累的速度和模型收敛的趋势，行业有望在 2028 年底前迎来具身智能的 "ChatGPT 时刻 "。这个判断让现场的机器人从业者既兴奋又冷静，毕竟这意味着要将通用操作能力塞进物理机器人中，还有大量工程难题需要攻克。但至少，路径已经比以前清晰得多。

中国工程院院士、清华大学计算机科学与技术系教授郑纬民则从算力供给侧给出了警示。他指出，算力规模快速扩张并不等于产生高效的 Token 产能。智能体时代真正稀缺的不只是芯片，而是稳定、低成本、高等级地产出 Token 的系统能力。Token 正从技术指标变为产业核心生产要素，推理系统也从单机优化，走向分布式、缓存化、异构化、服务化。换句话说，下一阶段的竞争焦点不仅仅是拥有多少显卡，而是能不能以最高的效率、最低的成本把这些算力转化为真正可用的智能输出。这一判断直接呼应了孙正义口中那每年 5 万亿美元的投入——如果 Token 产出效率提不上去，再大的投资也无法支撑智能经济的长跑。

这些来自不同角度的声音，共同指向一个事实：AI 产业正处在从基建铺设到价值验证的转折点上，而各种产品形态的快速涌现，正在把这个转折一步步变成现实。

阶跃星辰就在 WAIC 期间做出了一个极具标志性的动作——推出了全球首款大模型原生智能体手机。这款手机被命名为 Agentic Phone，搭载智能体原生系统 Step AOS，内置阶跃智能体 Amoo。官方将这款产品定位为 " 模型、软件、硬件 " 三位一体的 AI 新物种。虽然官方尚未公布新机的具体配置和上市时间，但这一发布本身已经让人看到了智能体从云端服务下沉到个人终端的明确信号。当手机操作系统不再只是管理应用，而是直接内建一个可以自主感知、规划和执行任务的智能体，人与设备的交互方式将发生根本性的改变。

资本市场的反应同样热烈。智谱在港交所公告显示，公司已于 7 月 13 日完成配售新 H 股，按每股 1588 港元向不少于 6 名承配人配发及发行合共 1978 万股新 H 股，约占扩大后已发行 H 股总数的 4.25%。配售事项所得款项总额约 314.11 亿港元，所得款项净额约 313.75 亿港元。这笔资金将用于通用人工智能研发、业务拓展及优化资本结构。300 多亿港元的募资规模，展现出投资机构对 AGI 赛道头部玩家的坚定押注，也让人联想到孙正义所说的 " 每年 5 万亿美元 " 并非遥远的空谈，而是已经在以各种形式渗透进产业血管的真实资金流。

商汤科技在模型能力上放了一个大招。公司正式发布并全面开源了日日新 SenseNova-Vision 理解生成统一视觉大模型。这一模型的核心变革，是让视觉成为通用基础模型的原生能力，彻底融入大模型体系。所有经典视觉任务——目标检测、图像分割、深度预测、3D 重建等，都由此实现了原生统一。这意味着以往需要多个专用模型接力完成的工作，现在可以在一个模型里走通。对于开发者而言，这大幅降低了视觉 AI 落地的复杂度和成本，也为大量工业场景中的视觉应用提供了更流畅的底层支撑。

蚂蚁 AI 安全实验室则一口气开源了两款安全模型，把火力集中在了大模型和智能体安全这个日益紧迫的议题上。多模态安全护栏 SingGuard 面向大模型服务场景，支持对文本、图片及图文组合内容进行统一安全判断，尤其可以识别隐藏在图片中的跨模态攻击。它还能在运行时动态加载自然语言安全规则，无需重新训练模型即可完成规则更新，这种灵活性对快速变化的攻击手段尤为重要。另一款智能体行为安全护栏 SingGuard-NSFA 聚焦 AI 自主执行场景，在智能体执行动作前完成实时检测，风险被细分为 7 大类共 185 个具体场景，覆盖 133 种语言近 10 万条样本。单次判定仅需约 50 毫秒，并提供了 0.8B、2B、4B、9B 四种模型规模，方便不同算力条件下的部署。当越来越多的智能体开始被授权进行付款、发送邮件、操作设备等自主行为时，这种能在动作前完成安全表决的护栏，正在成为智能体落地的必备基础。

ABB 联合 SKAI Intelligence 在 WAIC 期间发布的《工业级物理 AI 赋能高精密制造》白皮书，则把视角拉回到制造业现场。白皮书聚焦高精密制造业中的物理 AI 落地，提出制造业正在从固定自动化转向以机器人视觉为基础、由数字工程支撑的物理 AI 阶段。它强调，工业物理 AI 的落地并不依赖单一模型或单一机器人技术，而需要将机器人系统、AI 计算、仿真、数字孪生、合成数据、数据治理、机器人视觉与现场反馈连接为一套可验证、可部署、可规模化的工程体系。这意味着，工厂里那些需要微米级精度的装配和检测任务，正在获得一套全新的智能工具链。

在消费端，最受关注的智能体落地事件恐怕要数苹果与两家中国 AI 公司的深度绑定。消息显示，作为 " 苹果智能 " 功能套件的一部分，百度正在重点开发一种基于人工智能的搜索功能，这些功能能够处理图像和文本，并升级为中国版的 Siri 语音助手。有海外博主在拆解 iOS 27 Beta 2 代码时发现，ExtensionKit 出现了 "Baidu Visual Search" 字样，进一步坐实了双方合作的细节。同一天，" 网信中国 " 公众号发布了 7 款提供手机