昨天，智源研究院發(fā)布了十大AI技術趨勢。

智源研究院院長王仲遠指出，基礎模型的競爭焦點，已從“參數(shù)有多大”轉(zhuǎn)變?yōu)?，“能否理解世界如何運轉(zhuǎn)”。

這標志著以“Next-State Prediction”（NSP）為代表的新范式，正推動AI從數(shù)字空間的“感知”邁向物理世界的“認知”與“規(guī)劃”。

報告認為，2026年將是AI從數(shù)字世界邁入物理世界、從技術演示走向規(guī)模價值的關鍵分水嶺。

這一轉(zhuǎn)變由三條清晰的主線驅(qū)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(guī)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(nèi)外領先模型廠商競相布局的戰(zhàn)略高地。

其次，是智能形態(tài)的“實體化”與“社會化”。

智能正從軟件走向?qū)嶓w，從單體走向協(xié)同。頭部科技公司的人形機器人正進入真實生產(chǎn)場景，標志著“具身智能”走出實驗室。

同時，主流Agent通信協(xié)議的標準化，讓多智能體（MAS）能夠以“團隊”形式攻克科研、工業(yè)等復雜任務流。

最后，是價值兌現(xiàn)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(nèi)外科技巨頭基于各自生態(tài)積極構建一體化AI門戶。在企業(yè)端，經(jīng)歷早期概念驗證的“幻滅期”后，AI正憑借更好的數(shù)據(jù)治理與行業(yè)標準接口，在垂直領域孕育出真正可衡量商業(yè)價值的產(chǎn)品。

以下為發(fā)布的“2026 年十大 AI 技術趨勢”：

趨勢一

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

行業(yè)共識正從語言模型轉(zhuǎn)向能理解物理規(guī)律的多模態(tài)世界模型。

從“預測下一個詞”到“預測世界下一狀態(tài)”，NSP范式標志著AI開始掌握時空連續(xù)性與因果關系。以智源悟界多模態(tài)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(guī)劃。

趨勢二

具身智能迎來行業(yè)“出清”，產(chǎn)業(yè)應用邁入廣泛工業(yè)場景

具身智能正脫離實驗室演示，進入產(chǎn)業(yè)篩選與落地階段。

隨著大模型與運動控制、合成數(shù)據(jù)結(jié)合，人形機器人將于2026年突破Demo，轉(zhuǎn)向真實的工業(yè)與服務場景。具備閉環(huán)進化能力的企業(yè)將在這一輪商業(yè)化競爭中勝出。

趨勢三

多智能體系統(tǒng)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(xié)同。隨著MCP、A2A等通信協(xié)議趨于標準化，智能體間擁有了通用“語言”。

多智能體系統(tǒng)將突破單體智能天花板，在科研、工業(yè)等復雜工作流中成為關鍵基礎設施。

趨勢四

AI Scientist 成為AI4S 北極星，國產(chǎn)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”?？茖W基礎模型與自動化實驗室的結(jié)合，將極大加速新材料與藥物研發(fā)。

報告強調(diào)，我國需整合力量，加快構建自主的科學基礎模型體系。

趨勢五

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(nèi)字節(jié)、阿里、螞蟻等依托生態(tài)積極布局。其中，螞蟻推出的全模態(tài)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。

趨勢六

產(chǎn)業(yè)應用滑向“幻滅低谷期”，2026H2 迎來“V 型”反轉(zhuǎn)

企業(yè)級AI應用在經(jīng)歷概念驗證熱潮后，因數(shù)據(jù)、成本等問題正步入“幻滅低谷期”。

但隨著數(shù)據(jù)治理與工具鏈成熟，預計2026年下半年將迎來轉(zhuǎn)折，一批真正可衡量價值的MVP產(chǎn)品將在垂直行業(yè)規(guī)模落地。

趨勢七

合成數(shù)據(jù)占比攀升，有望破除“2026 年枯竭魔咒”

高質(zhì)量真實數(shù)據(jù)面臨枯竭，合成數(shù)據(jù)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(shù)據(jù)，將成為降低訓練成本、提升性能的關鍵資產(chǎn)。

趨勢八

推理優(yōu)化遠未觸頂，“技術泡沫”是假命題

推理效率仍是AI大規(guī)模應用的核心瓶頸與競爭焦點。通過算法創(chuàng)新與硬件變革，推理成本持續(xù)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。

趨勢九

開源編譯器生態(tài)匯聚眾智，異構全棧底座引領算力惠普

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(fā)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。

趨勢十

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?yōu)楦[蔽的“系統(tǒng)性欺騙”。

技術上，Anthropic的回路追蹤研究致力于從內(nèi)部理解模型機理；OpenAI推出自動化安全研究員。

產(chǎn)業(yè)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(lián)合全球?qū)W者發(fā)布AI欺騙系統(tǒng)性國際報告，警示前沿風險。安全正內(nèi)化為AI系統(tǒng)的免疫基因。