WAIC产业观察：AI落地开始算ROI，企业如何选对第一个任务

AI竞争进入生产系统阶段

2026 WAIC（世界人工智能大会）的企业与产业部分释放出一个明确信号：AI竞争已经从模型比拼进入到生产系统的建设阶段。这不再是关于谁的模型参数更大、跑分更高，而是关于AI能否真正嵌入企业的生产链条，创造可衡量的价值。

据B站UP主索罗门同学在WAIC现场的观察，整个AI落地的价值链可以拆解为清晰的几层：算力负责把模型跑起来，企业数据和流程负责告诉AI具体该怎么做，Agent开始调用系统执行任务，而机器人则把执行能力带进工厂、仓库或药房。

最终，企业衡量这一切价值的标准，浓缩为四件事：成本有没有下降、交付有没有加快、错误有没有减少、收入有没有增加。这套朴素的ROI框架，正是本届大会企业侧最值得关注的思维转变——AI不再是炫技的展品，而是要算账的生产工具。

算力基础设施：从买芯片到买系统

本届大会上，算力基础设施的形态发生了根本变化——企业购买的已经不是单颗芯片，而是一整套计算产能。

华为首次把Atlas 950 SuperPoD的实体设备带到现场。展示版本由多个计算柜组成，按华为披露数据，其FP8算力可达EFLOPS级别，统一内存高达256TB。这里需要解释两个关键指标：FP8（8位浮点数）是一种专为深度学习设计的低精度数值格式，相比传统的FP32（32位浮点），它在牺牲少量精度的情况下能大幅提升计算吞吐量并降低功耗，已成为当前大模型训练和推理的主流精度选择；EFLOPS即每秒百亿亿次浮点运算，是当前超算和AI集群的顶级算力量级。而SuperPod本身是一种将NPU/GPU、高速互联网络、大容量统一内存和液冷散热集成为一体的超大规模计算单元，其设计目标是让企业像购买一台完整设备一样获得AI训练和推理的全部能力，而不必自行拼装和调试硬件。不过该产品目前仍属首展阶段，客户部署价格和交付时间尚未公开。

另一条路线是曙光走的全国产超级集群，官方称其为已建成并接入国家超算互联网的十万卡集群。但目前利用率、客户负载和服务等级等关键运行数据尚未公开。这意味着：基础设施确实已经搭起来了，但实际能承接多少商业任务，仍需更多运行数据支撑。

两款产品放在一起观察，一个共识浮现：芯片、网络、存储、散热、调度软件和模型适配缺一不可，缺任何一环，账面参数都很难完整转化为业务结果。因此，对大多数中小企业而言，更现实的选择是购买云算力、Token、成熟的Agent平台，或根据合规要求选择私有化部署。

AI Agent进场：接入企业系统与业务流程

算力解决的是模型能不能跑，Agent解决的是任务能不能完成。本届大会最重要的变化，是Agent开始真正接入企业的知识、业务系统和操作工具。

要理解这一变化的意义，需要先厘清AI Agent的概念：AI Agent（智能体）是指能够感知环境、自主规划并调用外部工具完成任务的AI系统。与传统的对话式大模型不同，Agent具备"感知-推理-行动"的闭环能力——它不仅能回答问题，还能主动调用API、读写数据库、操作企业软件。Agent接入企业系统时，通常依赖MCP（Model Context Protocol，模型上下文协议）或Function Calling等技术标准，让大模型理解可用工具的描述并按需调用。多Agent协作则是指多个Agent各自承担不同子任务（如数据采集、文档生成、审批流转），通过编排引擎协调完成复杂的端到端业务流程。

以WPS的Co-mate为例，它已经从单纯的知识问答，走向组织级协作入口——可以连接企业知识、数据、系统和流程，支持技能包、多Agent、权限管理和私有化部署，已经是一款可采购的产品。

举一个普通企业都能理解的场景：过去做月度经营汇报，员工要从ERP导订单、从CRM查客户、在表格里核对数据，最后写成文档做成PPT。这里涉及的几个核心企业系统值得解释：ERP（Enterprise Resource Planning，企业资源计划）是管理采购、库存、财务、生产等核心资源的综合系统；CRM（Customer Relationship Management，客户关系管理）用于管理销售线索、客户交互和售后服务；MES（Manufacturing Execution System，制造执行系统）连接生产计划与车间设备，实时追踪工单、工序和质量数据。Agent接入这些系统后，可以先完成数据收集、交叉检查和初稿生成，再由业务负责人确认结论。企业买到的价值，就来自一项任务少了多少重复动作。但也要认识到，Agent每多接入一个系统，数据安全和权限治理的复杂度也随之上升。

工业环节的执行链更长。卡奥斯展示的工业Agent可以把生产任务拆成代码生成、仿真验证和产线部署。但需要注意的是，工业Agent生成内容只是起点，后面还要经过仿真、审批、设备适配和安全验证。企业评估Agent时，应持续追问：接了哪些系统、开放了哪些权限、每月成功完成多少任务、人工介入了多少次。

AI落地建议：从一个能算清账的任务开始

企业到底该从哪里开始？UP主给出的建议很务实：先找一项满足五个条件的任务。

好任务的五个特征

• 发生频率高：足够高频才能摊薄改造成本；
• 输入输出可数字化：便于Agent读取和产出；
• 结果可验证：能判断对错；
• 失败可撤销或转人工：控制风险下限；
• 节省的时间成本可计算：能算清ROI。

图纸处理、排产、质检、维修、能耗、采购审核、客服工单等场景，都比一个覆盖全公司的"万能助手"更容易跑出回报。原因很简单：准备数据、设定权限、判断结果都更容易，这笔钱花得值不值也更容易算清。

三档成熟度与权限逐级开放

项目成熟度可分三档：POC证明模型在测试数据上能做；试点要接入真实数据和系统，在一个团队或一条产线运行；规模化要复制到多个部门或工厂，并具备权限治理、成本核算、日志回溯和长期负责人。

这里有必要理解POC（Proof of Concept，概念验证）在AI项目中的特殊意义。POC是企业技术采购中的标准环节，用有限的测试数据和受控环境来验证技术方案的可行性。然而，POC与最终的规模化部署之间存在巨大鸿沟——业内常称之为"从Demo到Production的死亡之谷"。许多AI项目在POC阶段效果亮眼，但一旦接入真实的脏数据、复杂的权限体系和多变的业务场景，准确率和稳定性就会大幅下降。因此，三档成熟度实际上对应着数据质量、系统集成深度和组织管理能力的逐级跃升，每一步都不能跳过。

最关键的一步是权限必须逐级开放：

1. 第一级：只让Agent读数据、搜资料、找异常、整理订单工单，不能写入业务系统；
2. 第二级：允许Agent提出排产、采购、销售跟进方案，由人工审批；
3. 第三级：人工批准后，允许Agent进入ERP、MES、CRM等系统下单、改排期、通知客户；
4. 第四级：才开放限定范围内的自主执行，同时设置金额上限、白名单、日志、撤销和人工接管。

有意思的是，国家网信办发布的相关实施意见也明确强调：用户拥有最终决策权，Agent不能超出授权范围。2025年以来，国家网信办等部门陆续发布了《人工智能生成内容管理办法》《关于加快推进人工智能赋能经济社会发展的实施意见》等系列文件，核心原则包括：AI系统必须遵循"人类在回路"（Human-in-the-Loop）原则，用户对AI输出保有最终决策权；AI Agent的操作范围不得超出用户明确授权；涉及关键决策的AI应用须保留完整日志以供审计。这意味着文中的"权限逐级开放"策略不仅是工程上的最佳实践，更是法规合规的硬性要求。这套逐级放权的顺序，让企业能先获得效率改善，再根据真实结果增加权限——每升一级都要拿数据来证明。

具身智能：把AI执行力带进物理世界

如果说软件Agent把执行带进企业系统，那么具身智能（Physical AI）则把它带进了物理世界。

具身智能（Embodied Intelligence）是指将AI的感知和决策能力赋予物理实体（如机器人），使其能在真实世界中完成操作任务。与纯软件AI不同，具身智能面临物理世界的高度不确定性：光照变化、物体形变、碰撞安全等问题都需要实时处理。当前推动这一领域的关键技术包括：视觉-语言-动作模型（VLA，Vision-Language-Action）让机器人通过自然语言指令理解任务并生成动作序列；触觉传感为精密抓取提供力反馈信息；数字孪生与仿真环境（如NVIDIA Isaac、MuJoCo）用于在虚拟场景中批量生成训练数据，大幅降低真机训练的成本和安全风险。

近期更容易创造价值的机器人任务，通常集中在药房取药、工厂质检和上下料、仓储运输、电力与化工巡检，以及医疗机构里的递送转运辅助等场景。

上海的智慧药房已进入部分门店，三台不同形态的机器人共用一套具身模型，围绕接单、找药、取药、送药分工协作。这正是当前业界追求的"一套大脑驱动多种身体"范式的实践探索——通过一个通用的基础模型适配不同形态的机器人本体，降低每新增一种机器人就要从头训练的成本。但门店数量、单店成本、故障率和投资回收周期仍未完整公开，大面积推广还需更多数据。

对企业而言，判断机器人项目的标准同样朴素：能不能在一个班次里持续完成任务、需要多少人工接管、安装维护要花多少钱、多久能回收成本。

对初创公司，UP主更看好"最后20米"的机会——让机器人适配一条产线、一个货架或一个巡检点，再把安装、运维和安全责任承接下来。三个值得关注的创业方向是：垂直流程的Agent与治理工具、触觉/仿真数据、机器人租赁运维与私有部署。

政策助推：降低企业第一次试错成本

政策层面给出了清晰方向。

据披露，上海每年发放的算力券、模型券和语料券合计约10亿元，同时落地了总规模600亿元的国家人工智能基金，并成立总规模225亿元的上海人工智能先导产业基金。相关实施方案提出，到2027年要实现百家行业骨干企业聚集、百大创新应用场景落地、百件国际领先产品推广，核心产业规模突破500亿元。

这些政策能降低创业公司第一次开发和交付的成本。但也有一个重要提醒：部分券类和项目的首批申报窗口已经结束，创业者不能把规划目标直接当成今天就能拿到的补贴。政策能降低试错成本，但客户续费才能真正验证商业模式。

结语：谁先建立持续学习机制，谁就赢

2026 WAIC企业篇最重要的信号是：AI已进入生产系统的建设阶段。

企业需要用合适的算力跑模型，用数据和规则教会它业务，用Agent接入系统，再用权限、审批、评测和日志去管理风险，机器人则把这套执行能力带进工厂、仓库、药房。

企业现在最该做的，是选一个能算清账的任务，用规模和时间把它跑通。跑通之后，把员工纠正Agent的经验沉淀成技能、规则和工作流，再复制到下一条流程。谁先建立起这套持续学习和复用的机制，谁就更有机会把AI真正变成新的生产能力。