智源2026十大趨勢指明AI前景——世界模型、超級應用與產業智能體

“2025年我們發布了首份趨勢報告，其中的許多研判比如基礎模型的演進路徑等如今已經得到行業驗證。這激勵我們繼續對2026年的AI技術趨勢給出自己的判斷。”2026年1月8日，在北京智源人工智能研究院（以下簡稱“智源研究院”）的《2026十大AI技術趨勢》年度報告活動上，智源研究院院長王仲遠表示。

報告指出，AI的演進核心正發生關鍵轉移：從追求參數規模的語言學習，邁向對物理世界底層秩序的深刻理解與建模，行業技術范式迎來重塑。

【圖說：智源研究院“2026十大AI技術趨勢”發布會現場】

開場致辭中，智源研究院理事長黃鐵軍分享了他的技術趨勢觀察：AI的發展要重視“結構決定功能，功能塑造結構”的相互作用。當前AI正從功能模仿轉向理解物理世界規律，這一根本轉變意味著AI正褪去早期狂熱，其發展路徑日益清晰，即真正融入實體世界，解決系統性挑戰。他強調，AI的發展應被視為宇宙智能演化的一部分，未來將幫助人類解決自身難以應對的系統性挑戰。他進一步從結構與功能的角度來分析AI，指出當前行業更多關注功能表現，但是支撐工程的結構比如數據、算法、算力同樣至關重要。他引用生命科學“結構決定功能”的觀點，指出理解智能也需要深入其底層結構。致辭最后，他呼吁產學研各界攜手推動AI可持續、有韌性地發展，共同邁進智能新時代。

【圖說：智源研究院理事長，北京大學教授 黃鐵軍】

隨后,王仲遠發布了十大AI技術趨勢，詳細闡釋了這一變革。基礎模型的競爭，焦點已從“參數有多大”轉變為“能否理解世界如何運轉”。他指出：我們正從“預測下一個詞”跨越到“預測世界的下一個狀態”。這標志著以“Next-State Prediction”（NSP）為代表的新范式，正推動AI從數字空間的“感知”邁向物理世界的“認知”與“規劃”。

【圖說：智源研究院院長 王仲遠】

報告認為，2026年將是AI從數字世界邁入物理世界、從技術演示走向規模價值的關鍵分水嶺。這一轉變由三條清晰的主線驅動：

首先，是認知范式的“升維”。以世界模型和NSP為核心，AI開始學習物理規律，這為自動駕駛仿真、機器人訓練等復雜任務提供全新的“認知”基礎，成為國內外領先模型廠商競相布局的戰略高地。

其次，是智能形態的“實體化”與“社會化”。智能正從軟件走向實體，從單體走向協同。頭部科技公司的人形機器人正進入真實生產場景，標志著“具身智能”走出實驗室。同時，主流Agent通信協議的標準化，讓多智能體（MAS）能夠以“團隊”形式攻克科研、工業等復雜任務流。

最后，是價值兌現的“雙軌應用”。在消費端，一個“All in One”的超級應用入口正在形成，國內外科技巨頭基于各自生態積極構建一體化AI門戶。在企業端，經歷早期概念驗證的“幻滅期”后，AI正憑借更好的數據治理與行業標準接口，在垂直領域孕育出真正可衡量商業價值的產品。

【圖說：智源研究院 2026十大AI技術趨勢】

趨勢1：世界模型成為AGI 共識方向，Next-State Prediction 或成新范式

行業共識正從語言模型轉向能理解物理規律的多模態世界模型。從“預測下一個詞”到“預測世界下一狀態”，NSP范式標志著AI開始掌握時空連續性與因果關系。以智源悟界多模態世界模型為代表驗證了這一路徑，推動AI從感知走向真正的認知與規劃。

趨勢2：具身智能迎來行業“出清”，產業應用邁入廣泛工業場景

具身智能正脫離實驗室演示，進入產業篩選與落地階段。隨著大模型與運動控制、合成數據結合，人形機器人將于2026年突破Demo，轉向真實的工業與服務場景。具備閉環進化能力的企業將在這一輪商業化競爭中勝出。

趨勢3：多智能體系統決定應用上限，Agent 時代的“TCP/IP”初具雛形

復雜問題的解決依賴多智能體協同。隨著MCP、A2A等通信協議趨于標準化，智能體間擁有了通用“語言”。多智能體系統將突破單體智能天花板，在科研、工業等復雜工作流中成為關鍵基礎設施。

趨勢4：AI Scientist 成為AI4S 北極星，國產科學基礎模型悄然孕育

AI在科研中的角色正從輔助工具升級為自主研究的“AI科學家”。科學基礎模型與自動化實驗室的結合，將極大加速新材料與藥物研發。報告強調，我國需整合力量，加快構建自主的科學基礎模型體系。

趨勢5：AI 時代的新“BAT” 趨于明確，垂直賽道仍有高盈利玩法

C端AI超級應用的“All in One”入口成為巨頭角逐焦點。海外以OpenAI的ChatGPT與Google Gemini為引領，通過深度集成各類服務，塑造了一體化智能助手的新范式；國內字節、阿里、螞蟻等依托生態積極布局。其中，螞蟻推出的全模態AI助手“靈光”與AI健康應用“螞蟻阿福”，分別在超級應用與健康垂直領域進行探索。AI時代的“新BAT”格局正在形成。

趨勢6：產業應用滑向“幻滅低谷期”，2026H2 迎來“V 型”反轉

企業級AI應用在經歷概念驗證熱潮后，因數據、成本等問題正步入“幻滅低谷期”。但隨著數據治理與工具鏈成熟，預計2026年下半年將迎來轉折，一批真正可衡量價值的MVP產品將在垂直行業規模落地。

趨勢7：合成數據占比攀升，有望破除“2026 年枯竭魔咒”

高質量真實數據面臨枯竭，合成數據正成為模型訓練的核心燃料。“修正擴展定律”為其提供了理論支撐。尤其在自動駕駛和機器人領域，由世界模型生成的合成數據，將成為降低訓練成本、提升性能的關鍵資產。

趨勢8：推理優化遠未觸頂，“技術泡沫”是假命題

推理效率仍是AI大規模應用的核心瓶頸與競爭焦點。通過算法創新與硬件變革，推理成本持續下降，能效比不斷提升。這使得在資源受限的邊緣端部署高性能模型成為可能，是AI普惠的關鍵前提。

趨勢9：開源編譯器生態匯聚眾智，異構全棧底座引領算力普惠

為打破算力壟斷與供應風險，構建兼容異構芯片的軟件棧至關重要。繁榮的算子語言與趨于收斂的編譯器技術正在降低開發門檻。以智源FlagOS為代表的平臺，致力于構建軟硬解耦、開放普惠的AI算力底座。

趨勢10：從幻覺到欺騙，AI 安全邁向機制可解釋與自演化攻防

AI安全風險已從“幻覺”演變為更隱蔽的“系統性欺騙”。技術上，Anthropic的回路追蹤研究致力于從內部理解模型機理；OpenAI推出自動化安全研究員。產業上，安全水位成為落地生死線，螞蟻集團構建“對齊-掃描-防御”全流程體系，推出智能體可信互連技術（ASL）及終端安全框架gPass；智源研究院聯合全球學者發布AI欺騙系統性國際報告，警示前沿風險。安全正內化為AI系統的免疫基因。

隨后，來自產業界的ANP開源社區發起人、杭州向量創始人常高偉，光輪智能聯合創始人兼總裁楊海波，以及智源研究院資深研究員們就趨勢進行了詳細分享。

AMP開源技術社區發起人、杭州向量共識創始人常高偉從智能體互聯網角度解讀了智能體趨勢。他認為未來互聯網主題將從人轉向智能體，核心是開放協議與協作。智能體將取代現有軟件，企業也將擁有專屬智能體也就是數字員工。一些協議比如MCP和AMP是實現智能體之間通信與服務的核心，未來將出現更多垂直領域協議比如UI生成和電商等領域的協議。而開源生態將在協議標準化中扮演關鍵角色，推動開發、互聯的智能體網絡形成，最終降低交易成本，重塑互聯網的價值鏈。

智源具身智能大模型負責人王鵬偉分享了具身智能的年度進展。他指出，具身智能面臨著四大挑戰：從開發到部署的閉環難度、數據與環境的強綁定、本體標準化不足、物理世界安全不可逆等。在技術路線上，分層架構比如大腦和小腦的分離有利于快速落地，端到端世界模型潛力更大但是數據需求也比較高。同時，他認為在2026年行業還需攻克標準化與安全性難題。

光輪智能聯合創始人兼總裁楊海波深入解讀了合成數據。他認為，具身智能與世界模型的數據需求核心在于規模化。真實數據質量高但是供給有限，仿真數據通過解耦與控制可以實現規模化生產。關鍵是要構建高保真仿真，這需要精準的物理求解器與自動化資產測量技術，以便確保視覺與物理屬性均可以與真實世界對齊。此外，還需構建源自于真實需求的評測任務閉環，驅動仿真數據的迭代。

智源健康計算研究中心負責人、智源研究院副院長葉啟威分享了智源在AI for Science上的進展，重點介紹了蛋白質結構預測模型。他表示，AI研究方向正在從數字世界轉向物理世界，尤其是在微觀分子機理理解上。智源的蛋白質結構預測模型在精度、規模、動態模擬上表現突出，這有助于理解蛋白質功能與藥物設計。展望未來，AI在科學領域需要從知道轉向解決問題，通過多模型協作推動科研范式變革，但仍需1-2年驗證其自主發現潛力。

智源行業研究中心高級行業研究員靳虹博解析了AI超級應用。他指出，C端超級應用格局初定，ChatGPT等已證明了產業化路徑，國內廠商通過集成多行業API延續了移動時代的優勢。B端應用雖遇到不順但在2026年下半年有望反轉。落地關鍵在于數據治理與智能體協議接入。與此同時，行業落地的先后取決于數據準備度、治理難度、場景價值與封閉性。

智源大模型安全中心負責人楊耀東剖析了AI安全挑戰。他強調，AI安全正從內容合規轉向行為紅線防控。風險場域也從數字空間延伸到物理空間和科學前沿。因此，業界在2026年需要構建跨層級的防御體系，并建立AI安全的一票否決機制和全流程治理框架。

隨后，常高偉、楊海波、百靈大語言模型負責人張志強,以及智源研究院資深研究員們就趨勢進行了詳細分享。

【圖說：圓桌討論】

智源研究院表示，十大AI技術趨勢為未來一年的技術探索與產業布局提供了清晰錨點，研究院將持續與產學研各界合作，以開放生態推動AI穩健地邁向價值兌現的新階段。