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。

随着 Agent 应用加速爆发，Token 的使用场景正从单次推理扩展到持续推理、工具调用与复杂任务执行，词元工厂也面临着新的效率挑战。决定 AI 生产力的，不再只是模型本身的能力，更在于如何高效组织从能源、算力到 Token 产出，再到实际生产力转化的完整链路。

上海交通大学人工智能学院副教授、无问芯穹联合创始人兼首席科学家戴国浩，将带来《以 Agentic Infra 技术实践支撑词元工厂持续演进》的主题分享。他将从 Agent 时代的实际需求出发，基于无问芯穹系统化的技术实践，探讨 Agentic Infra 如何通过更高效的资源组织、推理优化与系统协同，持续提升从能源到 Token 的生产效率。并进一步通过底层技术创新推动 Token 的高效利用与价值转化，让 Agent 不仅能够生成内容，更能在复杂任务中持续优化、稳定运行并交付可复现的结果，推动 Token 更高效地转化为实际的生产力。

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。