第2026章 智能未来大会：未来AI技术如何改变工作与生活（2/2）
现在终端侧大模型已经开始落地：除了AI手机，还有AI眼镜——高通和中国电信合作的天翼AI眼镜，能智能识物、分析食物成分、讲解展品，这些功能都是终端侧大模型实现的，不用依赖云端，随时随地能用；还有智能家居，比如你的冰箱里装了大模型，能识别里面的食材，推荐菜谱，还能提醒你食材快过期了，全程不用联网，既方便又安全。
五、自变量机器人王浅：具身智能，AI理解物理世界的“新地基”
前面聊的agent、大模型，大多是在“数字世界”里干活——处理文字、数据、文件；而自变量机器人的王浅，把目光投向了“物理世界”，他提出：具身智能模型是平行于语言模型的“物理世界基础模型”，简单说就是让AI“走进现实，动手干活”。
先区分两个概念：语言模型（比如Gpt、通义千问）是“理解数字世界的”，它能读懂文字、分析数据、生成内容，但它不知道“杯子掉在地上会碎”“搬东西要用力”这些物理规律；而具身智能模型是“理解物理世界的”，它能像人一样感知环境、学习物理规律，还能动手执行操作——比如机器人用具身智能模型，能拿起杯子、打开抽屉、走路不摔倒；自动驾驶汽车用具身智能模型，能判断路况、躲避障碍物、平稳转弯。
王浅说，具身智能模型就像AI的“物理课老师”，让AI从“只会纸上谈兵”变成“能动手实践”。比如以前的机器人，只能按照预设的程序干活，一旦环境变了就会出错——比如预设好拿杯子的力度，要是杯子是易碎的，就可能被捏碎；但具身智能模型能通过学习，理解“不同杯子的材质不同，需要用不同的力度拿”，就算遇到没见过的杯子，也能根据物理规律判断该怎么操作。
现在已经有很多具身智能的研发成果，比如北京团队开源的wow世界模型，能让AI“想象物理世界、预测结果、执行动作”——比如你让它“把杯子放到桌子上”，它能先在脑子里模拟“怎么伸手、怎么抓杯子、怎么放才平稳”，然后再让机器人实际操作，成功率很高。还有工业机器人，用具身智能模型能精准处理复杂的装配任务，比如给汽车零件上螺丝，能根据零件的位置调整力度和角度，不用人工干预；家庭服务机器人，能自己开门、拖地、整理物品，还能避开障碍物，不会撞到家具或人。
王浅强调，具身智能不是“替代语言模型”，而是和语言模型并行的“另一块地基”——语言模型负责处理“数字信息”，具身智能模型负责处理“物理信息”，两者结合，才能让AI真正融入我们的生活和工作。比如一个智能助手，既能用语言模型帮你处理工作邮件、写报告，又能用具身智能模型帮你整理办公桌、递文件；一个工业AI系统，既能用语言模型分析生产数据、优化流程，又能用具身智能模型控制机器人完成生产操作。
未来，具身智能会渗透到很多领域：制造业的工业机器人、医疗行业的手术机器人、家庭里的服务机器人、自动驾驶汽车、甚至是太空探索机器人，都会依赖具身智能模型，让AI从“数字世界”走进“物理世界”，真正成为能“动手干活”的帮手。
六、ppIo姚星：Agent基础设施，AI时代的“操作系统”
如果说agent是AI时代的“应用程序”，那ppIo的姚星认为，agent的基础设施就是AI时代的“操作系统”——就像dows、ioS连接电脑、手机的硬件和软件一样，agent基础设施连接着各种agent、设备和人，让它们能协同工作、高效运转。
先想想没有“操作系统”的麻烦：现在很多企业都在自己开发agent，比如客服agent、办公agent、生产agent，但这些agent就像“孤岛”——客服agent不知道客户的订单情况（需要问订单agent），办公agent不知道生产进度（需要问生产agent），互相之间没法沟通，还得人工在中间传递信息，效率很低。就像以前没有dows系统时，电脑上的每个软件都得单独操作，不能共享文件、协同工作，用起来特别麻烦。
而姚星说的agent基础设施，就是要解决这个问题，它就像一个“大管家”，负责管理所有agent的“记忆、工具和沟通”：第一，统一管理记忆。所有agent都能共享数据，比如客服agent能直接调取订单agent的客户订单信息，不用再单独查询；第二，统一调度工具。比如多个agent都需要用到数据分析工具，基础设施能合理分配资源，不会出现“同时抢工具”的情况；第三，统一沟通标准。不同agent之间能“互相听懂”，比如生产agent告诉办公agent“今天的产量是1000件”，办公agent能直接理解，不用人工翻译或转换格式。
这个基础设施还有两个核心功能：安全管控和可扩展性。安全管控就是给每个agent设定“权限”，比如客服agent只能查看客户的订单信息，不能修改；生产agent只能操作生产设备，不能访问财务数据，避免数据泄露或误操作。可扩展性就是能随时添加新的agent，比如公司新增了“物流agent”，直接接入基础设施就能用，不用重新搭建整个系统。
现在已经有企业在做这样的基础设施，比如阿里云无影的AgentoS，就是一个agent基础设施，能提供安全隔离的运行环境，让多个agent协同工作，还能管理agent的记忆和工具；还有学者提出的AgenticFileSyste（AFS），把agent的记忆、工具、外部知识都统一管理，就像电脑的文件系统一样，方便调用和追溯。姚星预测，未来不会有企业再单独开发“孤立的agent”，而是都会基于统一的基础设施，开发自己的专属agent，就像现在的软件都基于dows或ioS系统一样，这样才能实现“多agent协同”，真正发挥AI的价值。
比如一个制造企业，基于agent基础设施，能实现“订单agent-生产agent-物流agent-售后agent”的全流程协同：订单agent接到客户订单后，自动把信息传给生产agent，生产agent安排生产计划，生产完成后通知物流agent发货，物流agent把物流信息同步给售后agent，售后agent随时解答客户的物流咨询——整个过程不用人工干预，效率大大提高。
七、光轮智能杨海波：好的仿真平台，生态和商业回报缺一不可
前面聊的agent、具身智能，都需要一个“测试场”来打磨——总不能直接让机器人去物理世界里试错，万一摔坏了、出错了，成本太高。光轮智能的杨海波就说：好的仿真平台，离不开“生态构建”和“持续的商业回报”，它是AI技术落地的“必经之路”。
先解释“仿真平台”是什么：就是一个“虚拟的物理世界”，能模拟真实环境的各种情况，让AI在里面“练手”。比如要开发自动驾驶汽车，不用直接上路测试（风险高、成本高），可以在仿真平台里模拟各种路况——雨天、雪天、堵车、行人横穿马路，让AI在虚拟环境里反复训练，直到准确率达到要求，再去真实道路测试；要开发工业机器人，不用在真实生产线上试错，可以在仿真平台里模拟生产场景，让机器人练习装配、焊接、搬运，优化动作流程，再投入实际生产。
杨海波说，一个好的仿真平台，首先要“生态构建”——不能自己闭门造车，要联合产业链上下游，让大家都能参与进来。比如仿真平台开发商要和硬件厂商合作，获取真实设备的参数（比如机器人的关节角度、汽车的刹车性能），让虚拟环境更真实；要和算法公司合作，接入各种AI算法，让平台能测试不同的技术方案；要和行业客户合作，了解真实场景的需求（比如制造业需要模拟生产线，自动驾驶需要模拟城市路况），让平台更实用。
比如青岛中海潮科技的海洋仿真平台“海镜”，就是生态构建的典型例子——它们联合了高校、科研院所、海洋企业，获取了大量海洋环境数据（比如海浪、洋流、水温），还接入了各种海洋科研算法，让平台能模拟海洋环境的变化，为海洋科研、渔业、航运等行业提供服务。而且它们还开放了平台，让用户反馈问题、提出需求，持续优化功能，现在已经有2000多个用户，覆盖多家科研院所和高校。
其次，仿真平台必须有“持续的商业回报”——不能只烧钱研发，得能赚钱，才能长期活下去。杨海波说，很多仿真平台失败，就是因为只关注技术，不考虑商业化，研发出来没人用、不赚钱，最后只能停掉。好的仿真平台，要找到明确的商业场景，让客户愿意付费。
比如给汽车厂商提供自动驾驶仿真测试服务，按测试时长收费；给制造企业提供生产线仿真优化服务，按项目收费；给高校和科研院所提供科研仿真平台，按年收取服务费。中海潮科技的“海镜”平台，就是靠商业化存活下来的——它们给海洋相关企业提供仿真服务，帮企业优化航运路线、预测海洋环境风险，今年全年营收有望突破4000万元，实现了技术和商业的双赢。
杨海波还强调，生态和商业是相辅相成的：生态构建得好，能吸引更多客户，带来更多商业回报；有了商业回报，就能投入更多资金优化平台、扩大生态，形成良性循环。比如一个仿真平台，一开始联合了几家汽车厂商，通过提供测试服务赚到钱，然后用这些钱优化平台功能，再吸引更多汽车厂商、零部件企业加入生态，商业回报越来越高，平台也越来越完善。
总结：AI的未来，是“实用、可控、共赢”的未来
看完2026智能未来大会上大佬们的分享，能发现一个共同趋势：AI技术已经从“炫技”走向“实用”，不再是遥远的概念，而是要解决实际问题——agent要做靠谱的同事，大模型要适配企业的专属需求，具身智能要走进物理世界干活，仿真平台要帮技术落地。
同时，大佬们也强调了“可控”和“安全”：agent要可控可解释，大模型要保护数据隐私，基础设施要做好安全管控，这是AI能长期发展的前提。还有“共赢”：企业之间要通过生态合作，让技术更完善；AI和人类要协同工作，替代重复劳动，让人专注于创意和决策。
未来几年，这些技术会慢慢渗透到我们的工作和生活：你可能会有一个“靠谱的AI同事”帮你处理重复工作，你的手机能精准懂你的需求，工厂里的机器人能安全高效地干活，甚至家里的服务机器人能帮你做家务。而这一切的背后，是agent、大模型、具身智能、仿真平台等技术的协同发展，是行业领袖们对“技术要服务于人”的坚守。
AI的未来不是“替代人类”，而是“让人类更高效、更自由”——把重复的、机械的工作交给AI，我们能有更多时间去创造、去沟通、去探索，这就是智能未来的核心意义。