WAIC 收官真心话：数百家机器人刷屏背后，AI 究竟重写了什么？

在 WAIC 2026 的最后一天，InfoQ 直播间迎来收官特别圆桌。过去三天，我们把镜头带进主论坛、展区和一线发布现场，也对话了各路技术负责人、创业者、投资人和 AI Builder，从大模型、Agent，聊到到具身智能、AI Infra、AI for Science，几乎每一个热词都被重新聚焦了一遍。但行业越是喧嚣，从业者越需要回归理性与本质：哪些变化真的发生了，哪些还只是 Demo、概念和资本故事？AI 到底是在重写工作流、产业链、技术范式，还是只是用新的语言重复上一轮技术周期？围绕这个问题，InfoQ 邀请到四位来自不同位置的一线观察者：上海交通大学人工智能学院教授、源络科技创始人连文昭，长期关注具身智能与机器人产业落地；语生科学首席科学家郭权玮，身处在产研孵化一线，判断 AI 真需求、本地智能体和新模型范式；扩散智能联合创始人、香港大学博士生龚珊三，从扩散语言模型和基础模型路线切入创业；未可知人工智能研究院院长、前红杉资本中国基金投资副总裁杜雨，带来资本周期、商业化和产业收入视角。这场讨论并非简单复盘 WAIC 的热闹，而是试图把热词放回真实场景里检验：AI 是否真的改变了人的工作方式？哪些应用已经进入业务生产？具身智能离“稳定干活”还有多远？Scaling Law 之后，模型范式会往哪里走？未来一年，钱、人才和算力又会流向哪些方向？以下是圆桌的实录整理。一、AI 在重写什么01｜InfoQ：过去几天，我们带着问题在 WAIC 现场走了很多展台，也和来自不同公司的嘉宾聊了许多变化。今天这场收官圆桌，想请大家一起回到一个核心问题：AI 到底正在重写什么？它可能是一个场景、一条生产链，也可能是一种工作方式。过去一年或半年里，哪件被 AI 重写的事情让你印象最深？连文昭：我觉得 AI 首先重写的是“速率”。很多事情的完成速度被重新定义了，比如编程，以前可能需要很久，现在效率可以提升 10 倍、20 倍，甚至更多。内容生成也是一样，文字、视频、宣传物料等，都在以指数级速度提升。但我更期待 AI 重写的是“边界”。现在很多 AI 的价值还是把人本来要做的事情做得更快，但我更希望它去做人不愿意干、或者人干不了的事情。比如 AI for Science 里，AlphaFold 就是一个典型例子，它把过去很难解决的蛋白质结构预测问题变成了可能。再往后，我更期待 AI 从数字世界走向物理世界。具身智能为什么重要，是因为过去工业机器人主要面向结构化、确定性的生产环境，通过预设程序完成高重复性任务。但未来智能机器人如果能进入不确定、开放的环境，比如家庭、服务、养老等场景，它真正扩展的是人类能力的边界。郭权玮：AI 正在重写我们的工作和生活方式。过去做 PPT，需要打开特定软件，手动调整格式和内容；现在，我们可以通过智能助手直接生成、修改，甚至重塑整个工作流程。但更关键的变化是，我们正在从完全依赖云端，走向“在本地端就能完成”。“破圈”很重要。以前 AI 几乎是程序员群体专属，但现在普通人也可以用它写歌、做创作。问题在于：你是否愿意把自己的数据、记忆和文件都上传到云端？本地模型的兴起，正是为了守住隐私。所以在我看来，AI 重写的核心，不只是 AI 能做什么，而是你如何定义自己的工作模式。而这个模式能不能成立，取决于你是否信任它、是否愿意把数据交给它。比起“AI 能做什么”，我更关注“怎么用”，以及它如何真正走进普通人的日常。龚珊三：我会从更具体的科研和技术角度来看。过去一年，AI 的 Coding 能力提升非常快。以前它可能只能完成一些简单代码任务，现在已经可以参与更长程、更底层的任务，比如模型 serving、infra 相关工作，甚至可以自己写加速算子。在科研里，我们现在也基本离不开 AI。它是一个非常好的执行者。未来如果它的思维方式和 planning 能力进一步提升，再配合已经很强的执行能力，就有可能逐步参与更前沿的科学研究，甚至帮助人类开展更复杂的探索。杜雨：我对“重写”这个词的理解可能不太一样。很多人会把它理解成重新改写，但我第一反应是“重复写”。AI 确实改变了一些事情，但从商业规律看，它也在重复互联网时代的路径。移动互联网大概经历过三波浪潮：第一波是高通、ARM 这类芯片公司受益；第二波是云计算和设备层，比如苹果、三星；第三波才是应用层，比如谷歌、亚马逊。现在 AI 也有类似节奏：底层算力最先赚钱，中间是云和设备，最后才会轮到真正贴近消费者的应用。今年 WAIC 的场馆结构也很有意思。H1 更多是大模型和应用，H2 是算力和芯片，H3 则是具身智能。从现场体感和参展结构来看，今年 WAIC 几乎可以说是“世界具身智能大会”。在我看来，具身智能更像移动互联网时代的 iPhone 或三星，是设备层。未来如果每个人家里都有机器人，真正更大的市场，可能不是这台机器本身，而是围绕机器人的每一个动作、每一个能力、每一个服务产生的应用生态。02｜InfoQ：AI 用多了以后，大家会不会担心自己的某些能力退化？过去需要自己思考和完成的事情，现在 AI 直接给出答案，这会不会削弱人的能力？连文昭：一些机械性的、辅助性的事情可以交给 AI，但核心的创造力、拓展边界、提升维度这些事情，我认为 AI 还是比人差不少。真正关键的东西，还是要人自己去做。郭权玮：这个时代的关键，是你怎么思考问题、定义问题，以及是否真的清楚一件事该怎么做。AI 很难替代真正的专业人员。比如创作漫画，作为编辑，最重要的永远是故事本身。你可以用 AI 生成很多画面、很多版本，但故事属于你自己。你得清楚自己要做什么，也要知道过程中每一步怎么验证，什么是对，什么是错。这才是比工具更值得关注的能力。龚珊三：从我的使用体验来看，AI 确实比我知道得多，但我不认为它会替代我。尤其做科研，需要完整、严密的思维方式。AI 可以回答问题，但能提出好问题、能发现关键细节，这本身不是所有人都具备的能力。我也会有一点担心：我们这一代人在 AI 大规模普及之前，经历过比较严谨的科研训练。但现在更年轻的一代，可能一开始做研究就有 AI 帮忙，这会不会让他们跳过一些本该经历的训练？这件事还不好简单判断。杜雨：我反而很感谢 AI。做自媒体时，我发现自己有很强的知识诅咒，经常不知道大众不知道什么。我会使用很多自己以为大家都懂的专业词汇，但网友未必能理解。用了 AI 之后，它能帮我把专业内容讲给更多没有背景知识的人，我的视频数据也变好了。所以我觉得 AI 不只是语言之间的翻译，它也在帮助不同学科背景、不同教育背景、不同城市的人互相理解。这不是重写，而是增强。二、需求真伪03｜InfoQ：现在很多 AI 产品、机器人和解决方案都在展示。大家看来，哪些已经真正进入业务生产？哪些热度明显高过实际落地价值？杜雨：我感触最深的是，大厂的一些业务已经实实在在产生收入。比如 AI 生成内容，我们讲了好几年，但从过去一两年的数据看，快手可灵、字节即梦、美图等 AI 相关业务都在快速增长，而且不是只有用户增长，而是收入增长。收入增长说明用户愿意为它付费。具身智能也一样。像宇树，从招股书披露的信息看，机器人业务收入增长很快，而且已经有利润，并不是大家想象中的纯烧钱。所以用户是在用脚投票的。但每个赛道里也有伪需求。有些公司打着 AI 或机器人旗号，但到现在没有收入，或者亏损远大于收入。到了 AI 下半场，企业必须更认真地思考：你的用户核心场景到底是什么？到底有多少人愿意为什么样的价值付钱？另外，AI Coding 和办公智能体也已经在进入真实工作流。很多大厂都提到，代码中相当一部分已经由 AI 参与协作完成。写代码正在从程序员专利，变成一种新的工作方式。问题在于，目前 AI 服务的经济账还没完全算明白。搜索时代每次查询成本很低，但 AI 问答的推理成本高得多。如果技术不能继续突破，很多公司会面临越多人用、亏得越多的压力。龚珊三：我觉得真实需求主要集中在 Coding 和日常办公场景，比如帮你写代码、做 PPT、生成网页等，这些确实极大便利了学习和工作。伪需求则是有些产品没有真正用语言模型解决问题，只是和 AI 扯上一点关系，就开始讲故事。用户真正用过之后会发现，它和以前并没有本质区别，甚至有点多此一举。这类产品更像是为了吸引消费者或资本注意，而不是真正解决需求。郭权玮：我判断 AI 能否真正进入生产，关键看它有没有改变企业或个人的习惯。比如 Palantir，它提出了一个很有意思的概念，叫 Ontology。它会派驻很多 FDE，也就是 Forward Deployed Engineer，直接进入企业现场，了解这家公司的人员配置、设备情况、工作流程和验证标准。只有把这些搞清楚，AI 才能真正在企业里用起来。只是给一个框架让企业套用，很可能就是伪需求。愿意深耕一个领域、做出实质改变，并且客户愿意买单，这才是真需求。相对而言，我认为“数字员工”这类概念里有不少伪需求。比如用 AI 模拟 HR、行政等岗位，但每个岗位都有自己的 know-how，不可能靠一个 prompt 或简单流程就完全替代。每项工作都有细致流程和验证标准，如果没有办法梳理清楚每个人的 know-how 和验证逻辑，就很难说真正做出了一个“数字员工”。连文昭：我主要从具身智能角度看。现在像宇树这类做 locomotion，也就是底盘、双足、四足、轮式移动能力的公司，已经在进入一些真实场景。比如舞蹈表演，看似是展示型应用，但它满足了真实的演艺需求，也体现了机器人在人机交互和情绪价值方面的探索。但我更关心 manipulation，也就是机器人灵巧操作。这一直被认为是机器人领域的圣杯。机器人