“人已經多到炸館，逛展堪比廟會。”

2025年，WAIC的火爆程度已經不用多說：閑魚上炒到2000元一張的門票；現場隨處可見的老外；各個展區被人流擠得水泄不通......

光是外圍的火爆就已經說明——今年，AI大模型在應用上已經勢如破竹。

前所未有的參展產品數量，是AI應用遍地開花的佐證：創紀錄的800家企業參展，帶來3000余產品及100+首發新品參展，涵蓋40+大模型、50+AI終端產品、60+智能機器人，和去年相比，產品數量整整翻了一番，不少觀眾散會紛紛戲稱“逛到斷腿”。

在一個展區中，你能看到各個品類下不同廠商演繹的多種玩法：機器人1：1復刻人類動作、給人類調酒、搬東西；Agent寫代碼、作文、當理財助手；AI+教育不僅有AI學習機、還搬上了AI黑板......

比起看得見摸不著的Agent“數字員工”，能看到實體的智能機器人成為了會場的“頂流”。

H3展館中，大片機器人“整活”的場景相當壯觀：和真人對打的宇樹機器人、練習摞百事可樂的智元機器人、魔法原子的機器狗繞著場館跑來跑去......

除了面向C端用戶的產品爆發，在B端，AI也已經在企業中應用起來。

“就在我們公司內部，員工每天需要寫很多代碼，做很多研究型實驗，這里邊大概有 70% 的代碼是 AI 來寫，90% 數據分析是靠 AI 來做。”在MiniMax CEO閆俊杰的分享中，Agent構建的智能系統已經真正幫上了員工的忙。

隨著年初大模型進入深度推理階段，性能進入高可用的程度，加上訓練和推理成本進一步降低。經過三年的一路狂奔，廠商們終于高調地秀起了肌肉。

推理模型的“爆發年”

從模仿學習到強化學習，大模型已經進化到2.0時代。

以OpenAI的o1模型為分水嶺，2025年成了推理模型的“爆發年”。區別于以往靠大量監督數據提升性能，通過RL（強化學習）算法的訓練模式，讓大模型的能力邁上新一個階段。

由此，文字、視覺、多模態等領域，疊加推理能力成了國內大模型公司上半年角逐的重點。

在WAIC大會上，“大模型新五強”之一階躍星辰就在會上發布了自家原生多模態推理模型Step-3，在開源梯隊中達到SOTA；商湯同樣在論壇中發布日日新V6.5多模態基座大模型，強調強推理、高效率和智能體三大優化。

大方向轉向強化學習的基礎上，一個明顯的趨勢是，訓練和推理的成本在上半年進一步降低。通過使用新模型架構的優化、訓練算法的進步以及軟硬件協同的算力效率提升，大模型們開始比肩DeepSeek，給出更便宜的訓練和推理成本。

閆俊杰給出了一個更為樂觀的判斷，認為在接下來一兩年之內，最好模型的推理成本可能還能再降低一個數量級。

再從應用方向來看，出于商業化落地考慮，絕大部分模型不會再去做上萬的參數，同時向著商業化路線的應用要求考慮。

以視頻生成來說，生數科技CEO駱怡航認為，目前整個視頻生成還有進一步優化空間，他總結為“好快省”。

“首先一致性還需要提升，然后在生成的速度上還需要加快，第三是，在視頻生成的成本上還要大幅降低。”駱怡航說。

對應到落地產品上，幾家視頻模型產品不約而同地貼合專業賽道的制作方向做優化。生數科技旗下的產品Vidu 7月發布的Vidu Q1 參考生視頻功能，改變傳統視頻制作流程和AI圖生視頻流程，僅需上傳人物、道具、場景等參考圖，即可直接生成一段視頻，完全省去了分鏡制作的環節，并且參考生支持7個主體一致不變形；快手可靈AI則在會議期間發布“靈動畫布”，把AI輔助和多人協作放到了一塊無限大的工作界面中。

另外，AI公司們也開始圍繞著兩個業內更加關注的產品落地——Agent和具身智能，為其打造專屬能力匹配的模型。

從智能體的發展來看，今年上半年涌現出一些為Agent“量身定做”的模型，比如更匹配上下文理解的超長文本模型、優化Agent“視力”的視覺推理模型。再有，隨著具身智能的火爆，為機器人打磨“視覺”和“大腦”的任務也落在了大模型公司們的身上。在商湯、科大訊飛、階躍星辰等公司的展臺，也有機器人在站臺表演。

最火熱的落地

Agent、具身智能

當大模型能力突破到一定階段，應用也隨之爆發。

階躍星辰創始人、CEO姜大昕表示：“從Step 1到Step 2兩代基模的快速迭代，促使我們深入思考什么才是最適合應用的模型。隨著大模型進入到強化學習發展階段，新一代推理模型成為主流，模型性能的提升固然顯著，但這是否完全等同于模型價值？面對這一產業之問，我們必須回歸客戶需求，立足真實應用場景，探索模型創新落地的可行路徑。”

在WAIC現場，Agent和具身智能成了會場中最熱門的兩個賽道。多模態能力和推理能力的提升，讓Agent和具身智能裝上了“眼睛”和“大腦”。

Agent，幾乎出現在各個展臺中：

面向C端用戶，有少量通用Agent和多種面向細分場景的垂類Agent。比如百度的GenFlow 2.0支持多個智能體協作，階躍星辰的Agent則裝到了智能手機端上，搭載AI拍照問、AI助手等功能；剛上新全棧功能的MiniMax Agent，能讓用戶在幾分鐘做個網頁出來。

在智能硬件端，Agent也開始接管起人的生活體驗。美的高端定位AI科技家電品牌COLMO落地應用了行業首個適配家電家居全場景的AI Agent智能體——COLMO AI管家，通過“多維感知-自主學習-推理規劃-決策執行”，提升智能家居對場景的理解能力。

做To B生意的軟硬件廠商，智能體成為企業幫助客戶增量提效的落地手段。除了在軟件端應用，軟硬件協同的廠商也在AI平臺中植入智能體服務。在DeepSeek一體機展臺，光錐智能就見到了政務/醫療等領域的Agent，作為其軟件服務端的新產品能力。

在上半年的進展中，一個明顯的趨勢是，AI Agent從打輔助的定位，已經開始過渡到自主驅動任務完成的階段。

以亞馬遜云科技發布的編程智能體Kiro為例，它的Spider模式，在Agent執行任務的需求-計劃-執行過程中，AI已經能在每個環節中提供助力。Kiro技術專家舉了個例子，比如，當用戶給出一句話需求后，AI會根據需求創建更為詳細的PrD（產品需求文檔），把各種隱性的需求挖掘出來，確保AI能夠精準執行任務，做出可交付的產品。

在企業內部，多智能體的運轉協作已經初見成效。

談及大模型在工廠內部的落地，美的集團副總裁兼CDO張小懿告訴光錐智能，目前已經看到了工廠用大模型的能力在進行工廠的運營改進，在3-4個月的嘗試中，目前靠智能體已經能幫助產品實現品質和效率上的提升。

“在美的洗衣機荊州工廠，我們已經上線了14個智能體，這14個智能體能夠互相關聯起來運行，”張小懿說。過往，這些數據全都需要人和人直接溝通協作，尋找問題根源。但交給智能體后，它自己就會找當時的參數情況、設備、產線和具體型號，再判斷出大致的結果。

“把控品質的智能體，它能夠把相關數據全部回流到其中，實時判斷情況，當發現品質波動，它反過來會影響到負責產品設備維護的智能體和設備工藝智能體。”張小懿說。

縱觀下來，Agent市場在半年的搭建過后，在和企業磨合試驗的過程中，暴露出一些技術上亟待完善的工作。

有Agent平臺工作人員告訴光錐智能，目前開發者們更關注長時記憶和MCP的生態擴充，前者決定了讓Agent能夠在需要長久記憶的場景保留上下文信息，而針對一些即時場景，則需要及時將信息清理，避免無謂的成本浪費；MCP的擴充讓Agent有更多工具可供調用。

同樣靠大模型武裝“大小腦”的具身智能，成為了這次展會品類數量最多的一個。

以具身智能的頭部來說，其主要包含大腦、小腦兩個部分。以主流的“大小腦”分層架構來說，其中多模態大模型作為“大腦”，負責感知、理解和規劃；再由多個小模型結合運動控制算法組成“小腦”，負責運動控制和動作生成。

不過，對于產品百花齊放、融資熱切的具身智能賽道來說，一切還處在開始階段，距離實際場景來說，還離落地太遠。

其中發生在機器人賽道的一個問題是，今年，軟硬件拉開的差距更大了。

和云深處合作布局安防機器人賽道，康迪機器人技術總監崔廣章對光錐智能表示，目前，硬件與軟件之間的代差還在加大。軟件已經進入了驗證到量產的過程，但硬件還沒有達到，在功能、穩定性和成本表現上還差了一些。

目前，面向工業的機器人的軟硬件水平，已經可以滿足在特定工業場景下的一些任務?？档峡萍己驮粕钐幒献鞯臋C器狗將銷向北美，用于北美倉庫的安防巡檢場景。

猶如去年徘徊的大模型落地，這兩條賽道還需要更多的摸索和模型能力的進化支撐。

加速落地

“AI大模型的發展，從人工智能第四次浪潮的元年2022年開始，各路英豪都在一路狂奔。”科大訊飛副總裁李翔說。

在大模型技術上線不斷被拓寬的過程中，AI+大模型也在重構產業智能的生態。在B端，通過AI挖掘數據和產業互聯網的價值，大模型和智能體逐漸承擔起更多提升收入、降低成本的任務。

“市面上的開源大模型很多，但它們都是獨立的個體”，做AI+工業互聯網的卡奧斯化工行業總經理康健告訴光錐智能，“無論是垂類小模型還是行業模型，散點的價值還是有限的。”

以化工大模型為例，卡奧斯沒有選擇上來就做模型，而是搭了一個工業互聯網平臺，把三個城市的所有集團和二級單位的業務和數據拉通，再進行數據收集和治理。在這個基礎上，大模型和智能體，就有了業務的需求拉動及數據的支撐。

康健舉了個例子，以延長石油為例，生產經營智能體及市場產品價格預測智能體的協同應用，會根據產業鏈上的實時情況調整生產策略。根據成品油及化工品的價格及收益情況，調整生產計劃及各自產能，讓集團產業鏈價值最大化。

“沒有業務及數據的互連，它拉通不了全產業鏈和全價值鏈，就不能把用戶本身和供應商連起來，如果不連起來，智能體的價值就無法最大化。”康健說，“用單場景模型，你一年可能省10萬，如果基于我們的全產業鏈大模型進行智能優化，可能全年的價值是一個億”。

比起去年清一水但稍顯蒼白的行業客服、對話助手，通過深度結合行業數據，AI今年在各行各業跑出了一些更具行業針對性的新功能，展現出更為成熟和實用的應用前景。

在AI+醫療行業中，大模型公司通過和醫院合作，在數據訓練的基礎上，一些有應用價值的功能開始陸續落地。阿里在展示臺放了一個AI CT掃描的功能，基于其通用多模態醫療大模型，模型能夠根據病人的醫學影像自動生成詳細的診斷報告，輔助醫生做判斷。

模型的能力決定應用的上限，今年同理。其中一個明顯的節點就是推理模型DeepSeek-R1為代表的各個推理模型發布，進一步提升了AI在行業中的應用能力。

以教育行業為例，以DeepSeek為代表的推理大模型能力突破，在AI教育方面找到了對應的應用場景。

“通常來講，家長對于AI教育有很多顧慮，比如擔心直接抄答案、誤導學生，但是今年最大的一個利好就是DeepSeek的出現。”學而思學習機AI產品負責人李通說。“只有當家長自己試過大模型，并且認可了能力，他才會愿意讓自己的孩子也試一試。”

李通提及，編程和解題是基座大模型過去一段時間提升較為明顯的能力。對于純文本數學題，大模型能在完全沒見過的情況下，做到92%的準確率。在解題率提升的基礎上，今年AI在大模型一對一講題這個場景，在過去的這段時間里面出現明顯的突破。

從“炫技”到“實干”，AI大模型正破冰行業深水區。隨著AI能力的進一步突破，冰山之下蘊藏的價值，才會慢慢展現全貌。