AI 工具与大模型实操测评

主流大模型横向评测、Prompt 与 Agent 效率工作流实战指南。

超写派专栏

WAIC 2026:当AI开始“动手”,我们离真正的智能还有多远?

SSuperAdmin官方主理人2026年11月17日AI 专栏 · SupaWriter 深度研究工作流生成

今年WAIC的焦点不再是模型参数,而是“超节点”和“智能体手机”这类能让AI执行具体任务的系统。文章分析了这一转变背后的产业逻辑,并以智能体手机为例,剖析其“动手”能力在算力、功耗、商业生态和隐私安全上面临的真实边界。最终指出,我们正处在AI从工具变为伙伴的过渡期,其成熟标志不是更聪明地聊天,而是可靠地办事。

WAIC 2026:当AI开始“动手”,我们离真正的智能还有多远?

图片

从“最强大脑”到“执行手脚”,WAIC的主角变了

WAIC 走到第七年,一个感受越来越清晰:参数竞赛的声量在降低,取而代之的是对“怎么用”的密集讨论。2026 年大会的展览总面积首次突破 10 万平方米,1100 余家企业带来了超过 3000 项展品,其中 300 多款产品选择在这里全球首发。但在庞大的数字背后,真正定义今年风向的,是两个首次大规模亮相的品类——超节点和 AI 智能体手机。

图片

它们都不是传统意义上的“更强模型”。华为展出的 Atlas 950 超节点,是业界最大规模的同类真机,解决的并不是让单一模型更聪明,而是让超大模型在真实数据中心里能跑起来、跑得稳。与此同时,全球首款明确以“AI 智能体”定义的手机也出现在展台上,它的卖点不是跑分,而是能跨应用完成一连串操作。这个变化并非偶然。

图片

当大模型的能力曲线开始趋同,单纯堆参数已经很难拉开足够宽的护城河。产业竞争的主赛道正在从“谁的模型更强”,切换到“谁的系统能把模型的能力兑现为可靠的任务执行”。智算和具身智能两大赛道各聚集了超过 200 家企业参展,这个数字本身就是注脚——大家不再只盯着“大脑”,也开始认真思考“手脚”的问题。

这并不是说模型不再重要。恰恰相反,正是因为基础模型已经强大到足以支撑复杂任务,产业链才有可能向上层应用和系统工程迁移。MiniMax M3 多模态大模型、阶跃 Agent 操作系统等产品依然在 WAIC 2026 上受到关注,但它们更多扮演着底层基础设施的角色,而不再是唯一的明星。

从这个角度看,今年的 WAIC 划出了一条清晰的分界线:AI 正在从“动口”的信息处理者,变成“动手”的任务执行者。而这场转变的深度、可靠性和商业可行性,才刚刚开始被检验。

图片

一部能“听懂并干活”的手机,定义了AI的“身体”

从功能机到智能体:手机角色的第二次革命

然而,这种“动手”能力在走出展台、进入真实世界时,其边界和脆弱性便会立刻显现。最典型的载体,就是今年 WAIC 上集中亮相的“智能体手机”。

在展会现场,努比亚展出了号称全球首款 AI 智能体手机。努比亚总裁倪飞将其核心能力概括为“听得懂、能干活、记得住、够安全”,并判断 AI 手机的下半场将从“功能叠加”走向“原生智能体”。这一判断的背后,是一次交互范式的根本性转变。

图片

传统智能手机以应用(App)为中心,用户想做一件事,需要手动在多个 App 之间切换、复制、粘贴。例如,规划一次出差,你得分别打开订票软件、酒店平台和日历应用。智能体手机则试图以用户意图为中心。你只需说“帮我订下周三去上海最便宜的早班机,并在公司附近订一晚酒店”,系统理论上就能自行跨应用完成比价、预订和日程写入。

这不再是简单的功能增强,而是系统架构的重构。手机需要理解模糊指令背后的真实意图,将意图拆解为一连串可执行的操作步骤,并在不同应用的界面和接口间自主导航。这意味着,操作系统必须从管理应用,转向管理一个能够调用所有应用能力的“智能体”。

“动手”的代价:算力、功耗与准确率的三角难题

图片

但“能干活”的理想,在工程实现上立刻撞上了一面墙。这面墙由算力、功耗和任务可靠性三个相互制约的变量共同构成。

为了让 AI 足够聪明地理解指令并规划路径,需要较大的模型在本地运行以保护隐私并降低延迟。好消息是,新一代终端专用 AI 芯片的量产,使端侧推理算力提升了 3 倍,同时功耗下降了 45%。这为复杂的本地推理提供了硬件基础。

坏消息是,硬件进步并不能直接解决所有问题。最核心的挑战在于复杂长链条任务的执行准确率。一个包含搜索、比价、填表、支付等多个环节的任务,任何一步的识别错误或界面适配失败,都可能导致整个流程中断,甚至产生错误订单。当前的智能体手机,在实际使用中仍处于“高级辅助执行”阶段,许多关键步骤需要用户做最终确认。这既是技术上的不成熟,也构成了一道必要的安全护栏——在没有百分百的把握前,让一个智能体完全自主地操作你的银行账户和支付密码,本身就是一种巨大的风险。

此外,跨平台应用的适配生态尚在建设初期,不同 App 对智能体操作的开放程度参差不齐。智能体自主操作的权限管控和隐私安全机制,也远未到可以大规模放心使用的程度。这些阶段性挑战,共同定义了当前智能体手机的真实能力边界:它展现了一条正确的路径,但离完全自主、可靠、安全的“动手”,还有相当长的距离。

图片

“伙伴”的代价:智能体落地必须跨越的三道坎

商业生态的“地租”问题

智能体手机试图绕开App,直接替用户完成任务,这触及了移动互联网最根本的利益格局。过去十五年,应用商店和超级App构成了数字商业的收费站体系,所有交易和服务都必须在特定的流量入口内发生。当智能体成为新的交互中枢,它有能力跳过这些入口,直接从服务端获取结果。这意味着,原本属于应用商店、支付渠道和超级App的流量分发权和交易抽成,将面临被架空的可能。

图片

这不是一个技术问题,而是一个商业生态的“地租”再分配问题。长期而言,智能体手机要实现大规模商用,仍需迈过与互联网企业之间的利益分配这道坎。如果智能体无法接入主流服务,或者每次调用都需要支付高昂的接口费用,其便利性就会大打折扣。服务商是否愿意为一个可能取代自己前端应用的新入口开放数据和权限,目前看不到明确的商业动机。这种结构性冲突,远比端侧算力优化更难解决。

Rokid联合创始人蔡国祥对AI眼镜行业的观察,也侧面印证了这一点。他提到,当前行业规模仍然有限,扩张速度未达预期,行业竞争不够充分。硬件出货量起不来,服务商就没有动力为一个小众生态做深度适配,这反过来又限制了硬件的吸引力。智能体手机很可能陷入类似的循环:没有足够的用户规模,就无法撬动服务商改变现有的利益分配规则。

图片

隐私与安全的信任基石

一个能替你订餐、叫车、管理日程的智能体,必然需要访问你的位置、通讯录、支付信息和消费习惯。它所掌握的数据深度和广度,远超任何一个单一App。过去,用户将隐私风险分散给了不同的服务商;现在,智能体将所有风险集中到了一个节点上。一旦这个节点出现漏洞,后果不再是某个App的数据泄露,而是个人数字生活的全面暴露。

当前智能体手机仍处于“高级辅助执行”阶段,许多关键操作需要用户做最终确认。这既是技术局限,也构成了一道必要的安全护栏。但问题在于,用户对智能体的信任边界在哪里?如果每一次支付都需要手动确认,智能体的效率优势就消失了;如果允许它自主执行,那么谁来为一次错误的订票或一笔异常转账负责?智能体自主操作的权限管控和隐私安全机制,需要持续完善,但技术上的加密和授权框架只是基础,真正的挑战在于建立一套用户、厂商和服务商都认可的责任归属与信任体系。这套体系的缺失,会持续拖慢智能体从“辅助”走向“自主”的进程。

图片

过渡期的真相:我们离“AI原生”还有多远?

WAIC 2026 上,产业界对方向已形成高度共识。千问 AI 硬件产品总经理吴建军在发布会上直言:“没有硬件的智能体,无法触达现实;没有智能体的硬件,只是工具。”GTI 主席高同庆则从终端的角度给出了一个更激进的判断:未来,没有智能体入口的终端将不能再被称为“智能终端”。这两种表述指向同一个结论——AI 必须长出“身体”,才能从信息处理的虚拟世界跨入任务执行的物理世界。

图片

共识的形成,意味着争论“该不该做”的阶段已经过去。但这并不等于我们已经站在了 AI 原生时代的门口。共识只是起点,它回答的是方向问题,而非距离问题。

图片

距离的真正刻度,藏在渗透率里。一个被反复引用的数据是,规上工业企业 AI 应用普及率已经超过 30%。这个数字看起来不低,但恰恰说明了 AI 的渗透仍处在“功能附加”的阶段。大量工作集中在将 AI 决策系统与传统的 PLC 控制系统对接,这种系统级的集成改造,恰恰是 AI 尚未成为“原生”组件的明证。它更像是在现有的工业肌体上安装一个强大的外挂大脑,而非从骨架开始就生长出的神经系统。

真正的 AI 原生时代,其标志不是某项技术的出现,而是 AI 本身变得不可见。就像我们不会在拧开水龙头时谈论流体力学,不会在按下开关时赞美电磁感应一样,当 AI 成为可靠、安全且不被察觉的基础服务时,那个时代才算真正到来。届时,我们讨论的不再是“AI 手机”或“AI 工厂”,而是手机和工厂本身,只是它们的结果都由 AI 默默驱动。

当前,我们正处在一个漫长的过渡期。这个阶段的核心任务不是发布更惊艳的演示,而是解决可靠性、生态和信任这三重工程难题。过渡期可能比乐观者想象的更长,因为构建隐形基础设施的难度,远超训练一个破纪录的模型。对普通用户而言,这意味着未来几年将经历一个 AI 能力快速渗透但体验参差不齐的阶段。保持审慎乐观,理解其能力边界,并建立必要的数字素养,比盲目拥抱或一概拒绝都更有价值。

想拥有高效的全自动内容生产力?

SupaWriter 打通热点选题、长文创作、智能语义配图、文章 4 维客观评分与浏览器扩展一键发布,助你提升 10 倍创作效率。