问题——从“能说会写”走向“能做能用”，产业迎来新一轮检验。智源研究院发布的年度报告将多模态世界模型、具身智能、智能体系统、AI4S、合成数据、推理优化与安全等列为关键趋势。报告的核心判断是：人工智能正在发生技术范式转向，即从以语言学习和参数规模为导向的能力竞赛，转向对现实世界底层规律的理解、建模与执行。随之而来的直接挑战是，技术价值将更多通过可验证、可交付、可复用的产品能力体现，企业与资本都要面对“从演示到落地”的硬指标考验，尤其在具身智能和人形机器人等领域更为明显。 原因——供给激增、难度抬升与资本周期叠加，行业被迫加速“出清”。报告指出，我国具身智能企业已达数百家，其中人形机器人企业超过百家，表现为类似早期移动互联网赛道集中涌入的态势。但与互联网应用扩张不同，人形机器人牵涉机械本体、传感器、运动控制、环境感知、任务规划与数据闭环等多个环节协同，研发周期更长、成本更高，对资金与工程化能力的要求也更严。同时，市场对可持续商业模式的要求提高，资本环境趋于审慎。企业数量与赛道可承载的工程能力、订单规模和资本供给之间出现阶段性错配，通过竞争筛选推动整合在所难免。 影响——产业应用从试点走向规模化，竞争焦点转向交付能力与闭环迭代。报告提出，到2026年具身智能将加速从“实验室验证”迈向“量产交付”。此判断表明，产业侧需求正在迁移：客户结构从高校科研机构逐步转向产业场景，采购逻辑也由“验证可行”转为“评估ROI和稳定性”。随着大模型与运动控制、合成数据等技术融合，机器人在复杂环境中的任务执行能力有望提升，落地场景将更集中在工业生产、仓储物流、巡检运维以及部分标准化服务领域。与此同时，企业竞争不再停留在单点功能展示，而更看重系统集成、稳定运行能力、供应链与售后体系，以及通过数据回流实现持续迭代的“闭环进化”能力。业内多家企业推进上市进程，也从侧面反映出行业迈向规模化阶段对资金支持与规范化治理的需求上升。 对策——以场景牵引、数据打通与安全内嵌，夯实可持续的产业底座。报告强调AI4S与安全治理的重要性，为产业下一阶段“能用、好用、可信用”提供支撑。在科研领域，AI4S正从工具应用走向更深层次的流程重构，未来的智能体系统有望覆盖“提出假设—设计实验—分析数据—推断结论”的完整链路，带动研发效率提升。我国正推进基础学科公共数据体系建设，涉及的中心汇聚物理、化学、材料等领域数据，并沉淀典型区域长期科研数据，为技术赋能科研提供数据基础。对产业而言，数据要素的组织、共享与合规流通，将直接影响模型训练质量与行业创新速度。与此同时，安全正成为大模型与智能体进入行业应用的关键门槛。报告提出，随着更细粒度研究推进、产业方案落地、自动化评估成熟以及监管规则完善，安全将逐步内化为模型能力的一部分，成为行业应用的重要防线。企业在“对齐、扫描、防御”等全链路体系上的探索，以及对欺骗等前沿风险的提示，意味着未来竞争不只比拼性能，也比拼治理能力与风控体系。 前景——从规模扩张转入质量提升，具身智能与AI4S或共同塑造新增长曲线。综合报告判断，未来两年人工智能产业将呈现两条并行主线：一是面向现实世界的具身智能加快进入工业与服务等可规模化场景，行业洗牌推动资源向具备工程化与交付能力的企业集中；二是面向科研创新的AI4S推动方法论升级，数据基础设施与跨学科协同将成为关键变量。在这一过程中，安全治理与合规能力将从“外部约束”转为“内生能力”，并对企业长期竞争力产生更直接的影响。可以预期，围绕“可交付产品、可验证价值、可治理风险”的新标准，将重塑产业组织方式与技术演进路径。
人工智能正从实验室走向千行百业。这场由技术创新驱动的产业变革，既考验企业的技术积累与商业判断，也离不开政策引导与安全保障。在科技自立自强的战略指引下，中国人工智能产业有望在新一轮全球竞争中实现更高质量的发展。