大模型WAIC不再拼参数：端侧、具身、落地成关键词

2026 年 7 月 17 日，上海世博中心，一年一度的世界人工智能大会（WAIC）如期启幕。这场盛会，很大程度上堪称 AI 行业的“年度大考”——模型企业、芯片厂商、终端品牌与机器人公司，纷纷将自家最具竞争力的产品与技术带到上海，同台亮相。

与此前几届类似，大模型依旧占据焦点。Kimi 在大会开幕前便发布了参数规模达 3T 的 K3 模型；面壁智能继续力推其 MiniCPM 系列，试图将其嵌入更多终端设备；阶跃星辰、豆包与荣耀等厂商，则忙着将模型融入手机系统底层，让 AI 从独立 App 进化为能够调用应用、协助用户完成任务的系统级助手。

但走完全场，一个最直观的感受是：今年 WAIC 的核心风向，悄然转变。

在智元展台，GO-2 这款“具身基座模型”正指挥机器人在流水线上执行上下料、装盒等任务；魔法原子的 Magic-VLA K02 则现场演示叠盒封胶、整理衣物。更值得一提的是，仅现场负责导览的机器人就超过 60 台……越来越多的大模型，已不再满足于停留在对话框内，而是大步迈向现实世界，朝着“物理 AI”的方向加速演进。

图片来源：乐聚机器人

回顾一下，2023 年大模型刚兴起时，各家比拼的是参数规模与支持格式数量；到了 2025 年，竞争焦点转向了上下文长度与推理能力。然而似乎就在一夜之间，那些原本只在 App 和 API 中活跃的大模型，便跃出对话框，走入物理世界。连称谓也从“大模型底座”升级为“基座模型”。

从“数字世界”到“现实世界”的跨越，才是本届 WAIC 最值得细品的亮点。

AI 比拼的重点不再是模型参数大小

从“数字世界”迈向“现实世界”，首要改变的，其实是我们审视大模型的方式。

举个例子，过去新模型发布时，大家最关注的无非是参数规模、上下文长度以及榜单成绩。面壁智能在展台介绍 MiniCPM 时，也会着重强调其在同尺寸产品中的能力表现。

但对普通用户而言，参数很难直接转化为实际体验。用户不会因为模型上下文变长，就突然改变订票、查天气、做表格的习惯。一台手机中即便塞入再多的 AI 功能，如果用户仍需在地图、支付、聊天、文档与浏览器之间手动切换，那么它充其量只是“装了众多 AI App 的手机”，绝非真正的 AI 设备。

此时，AI Agent 的概念便顺理成章地登场。用户只需告诉 AI 想做什么，模型不仅能理解需求，还能自主调用对应服务，代为完成工作。今年 WAIC 上那些“智能体手机”背后，正是这一逻辑：

阶跃星辰将个人智能体 Amoo 植入 STEPX Neo 手机的系统底层；豆包与努比亚持续推进 GUI Agent，让模型通过理解屏幕内容与模拟操作，完成跨应用任务……在手机之外，整个行业的 Agent 化趋势更为显著。

图片来源：阶跃星辰

以曾经的 AIoT 硬件为例，过去所谓的 AI 硬件，很多不过是搭载定制系统的 Android 手机，比如 Rabbit R1。但今年体验过的 AI 设备，已开始具备 Agent 化的能力。

具身智能是 AI 在现实世界中的「Agent」

有人可能会问，为何要在具身智能时代提及 AI Agent？其实背后的逻辑十分清晰：

如果按大模型近年来的能力演进划分，第一阶段是模型理解与生成内容，第二阶段是 Agent 能力。而具身智能与世界模型，正是大模型第三阶段要攻克的高地。

在具身智能时代，基座模型不仅要理解用户的话语，还要具备对现实世界的理解能力以及“自主响应”能力，例如 VLA。幸运的是，在 WAIC 2026 上，我们已经看到了具身智能与世界模型的落地实践：

像智元、魔法原子、乐聚等企业，都在展台上展示了具身智能产品在工厂流水线中的应用；启元更进一步，现场直接用机器人承担导览任务。坦白说，这些“流水线”任务远不如机器人跳舞、打拳那样具有视觉冲击力，但从行业视角来看，与那些表演性质的展示相比，这些看似枯燥乏味的“流水线”工作，才更能体现具身智能与世界模型的核心价值。

图片来源：乐聚机器人

况且，这些枯燥的“流水线”场景，恰恰更符合当前具身智能的发展现状。与家庭场景相比，工厂任务相对固定，流水线模式意味着工作流程可以无限拆解，任务完成状况也有明确的判定标准。

更重要的是，这类场景能为大模型在相对可控的环境中提供真实的训练数据：机器人在规则明确的场景中先运作起来，企业从实际运行中发现问题、积累数据，再用这些数据反哺模型训练，进而将能力扩展到更复杂的任务中。

图片来源：雷科技

正因如此，今年 WAIC 上，越来越多主流 AI 大模型企业都在讨论具身智能与世界模型，强调自己的产品即将以千万台规模落地。“走出屏幕、走向现实”，已成为 2026 年 AI 行业的共识。

想走向现实世界，大模型需要新能力

当然，具身智能进入现实世界，也对大模型的能力提出了全新要求。

以响应速度为例，在聊天、生成图片等场景中，用户多等几秒通常不会造成严重后果。但在以具身智能为代表的现实场景里，大模型的“每一秒”延迟都可能引发严重问题：

在工厂流水线上，每一秒的延迟都可能被成倍放大，影响最终生产效率；而在智能驾驶场景下，响应速度直接关系到用户的生命安全。

因此，在本届 WAIC 上，也能看到越来越多模型企业重新重视“端侧智能”这一概念，借助端侧模型本地化部署的优势，来压缩具身智能模型的响应时间。

以新 AI 六小虎中唯一专攻端侧智能的面壁智能为例，早在 2024 年，他们就用 MiniCPM 证明了端侧小模型同样能拥有“大能力”。与其他企业的端侧模型不同，得益于端侧 AGI 架构，面壁的端侧模型并非从“云端完整版”中蒸馏而来的简化版本，而是独立、原生的端侧模型。

图片来源：雷科技

这种原生端侧的特性，让模型能在不依赖网络的情况下，具备快速响应与真正的推理能力。也正因如此，当其他企业还在研究如何压缩响应时间时，面壁智能已抢先完成了端侧智能体在汽车行业的量产交付。

不过，就像那个“口算笑话”一样，除了响应速度，一个真正能走向现实世界的模型，还需学会理解现实世界的变化。

世界模型与 VLA 之所以成为具身智能领域的热门方向，正是因为它将感知、理解、推理、执行整合到了一起。

用户说“把这个箱子搬到货架上”，模型要先理解指令，再通过摄像头确认箱子和货架的位置，最后控制机械臂完成抓取与放置。整个过程需要语言模型、视觉模型与机器人控制系统协同工作，任何一个环节的“脱节”，都会影响最终表现。

这种环环相扣的工作模式，也让“全栈模型”成为大模型走向现实世界的捷径：VLA 负责将视觉、语言与动作相连，世界模型负责推演动作可能带来的结果，端侧模型负责在现场快速响应。而地瓜机器人在 WAIC 上展示的旭日 S600 芯片，正是“全栈”思维在硬件端的最佳体现。

WAIC 2026 是大模型落地行业的分水岭？

从模型、终端到机器人，逛完今年 WAIC 后，行业竞争的重心已经开始转移。

参数、上下文与推理能力固然重要，但它们更多决定的是模型的能力上限；决定模型“下限”的，是端侧部署能力、世界模型能力与全栈能力，这些才是具身智能时代客户更看重的要素。

从这个角度看，今年 WAIC 2026 主题的变化，也是顺理成章的事：大模型公司谈端侧部署、世界模型，机器人公司着手技术落地，芯片企业也围绕机器人调整产品方向。这几条过去相对独立的技术路线，已被具身智能时代融合到了一起。

图片来源：雷科技

可以肯定的是，AI 行业已经迈入了一个更高的阶段。

这一阶段的大模型，将走出仅服务消费级应用的“学生时代”，真正落地到更严肃的行业应用中。面对更高效、更稳定、更安全的新要求，谁能率先完成这种身份转变，谁就有可能抢先定义行业，在下一阶段的 AI 竞争中占据更主动的位置。

而从 WAIC 2026 上各企业的表现来看，中国 AI 产业已经做好了准备。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大模型WAIC不再拼参数：端侧、具身、落地成关键词要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题