专题：主题演讲

2026 年，AI 正从“能力突破”走向“规模化交付”：复杂推理、Agent、推理效率、生产级可靠性与物理 AI 持续演进，AI 开始真正进入业务系统和生产流程。 2027 年，异构智能、经验驱动进化、长时程自主智能及基础设施将推动 AI 进一步从“会做事”走向“持续自主地做事”。与此同时，AI 带来的变化也不再局限于技术层面，而将深入任务分工、业务流程、组织协作与人才体系。 本次演讲将回顾 2026 年 AI 技术与产业演进，展望 2027 年关键趋势，并结合金融、零售、能源等行业实践，探讨企业如何从战略、业务转化和应用落地三个层面构建 AI 能力。

AI 为什么先学会写代码，而不是先学会点外卖？

一个关键原因是，Coding 天然拥有编译器、单元测试、CI 等“Verifier”：反馈密集、即时且客观，任务又完全发生在数字世界里。相比之下，消费场景的反馈更加稀疏、延迟且主观，交易与履约还要穿透商家、库存、配送等真实的物理世界。

这意味着，AI 从 Coding 走向消费，并不只是把一个更强的模型接入消费应用，而是要重新构造一套面向真实世界的验证与执行闭环。本次演讲将从“可验证性”出发，分析 AI 为什么沿着 Coding → Agent → 消费的路径演进，以及消费级 AI 真正的难点究竟在哪里。

进一步，我们将把 Frontier Lab 的“Infra × Data × Compute”配方翻译到消费场景：如何构建 AI-Native 的供给与服务网络，如何将静态与实时消费数据转化为训练资产，以及如何通过后训练建立持续迭代的数据飞轮。核心判断是：下一阶段 AI 的关键，不只是让模型更聪明，而是把物理世界的履约过程变成可验证、可学习的训练信号。

最终，下半场真正的机会，不在于再造一个 AI Chat，而在于让 AI 真正进入交易、服务与履约，让消费成为通向更强通用智能的重要训练场。

当“生成视频”越来越容易，内容创作真正的难题是什么？

AI 正在推动内容创作经历三次变化：从工具降低操作门槛，到 AIGC 降低内容生产成本，再到 Agent 开始理解目标、调用工具、组织流程并完成交付。过去，AI 解决的是“如何更快生成”；今天，新的问题变成了“如何让 AI 把一个复杂的创作任务真正做完”。

本次分享将以小影科技十余年的影像创作实践为主线，拆解从工具、生成到 Agent 的三次产品与技术迁移，并讨论当单点模型能力逐渐成为基础设施后，内容创作产品需要重新解决哪些工程问题：如何理解复杂创作需求，如何编排多种模型与工具，如何控制生成效果，如何利用用户数据形成反馈闭环，以及如何在真实业务中实现规模化交付。

分享将结合 AI 音乐 MV、ToB 智能硬件等案例，介绍小影 Content Agent 在垂类模型、Agent 基础设施、端云协同与成本优化上的实践，分享从“AI 帮用户生成内容”走向“AI 协助用户完成创作”的探索与思考。