今年政府工作報告首次提出“打造智能經濟新形態”，要“實施超大規模智算叢集、算電協同等新基建工程”。這為經濟社會的新躍升帶來了無盡想像空間和堅實有力的支撐。將政府工作報告的部署，與最近發生的兩件事放在一起看更能體會中國優勢。第一件，廣東、江蘇等地的電力裝置製造企業，生產線全線滿產。隨著全球算力需求快速增長，各國都在擴建資料中心，中國電力裝置海外訂單更是井噴式增長，恰應了投資界的說法——“AI的盡頭是電力”。第二件，今年2月9日到15日，中國AI模型的呼叫量達到4.12兆Token（詞元），首次反超美國。這是因為，全球開發者發現，用中國模型跑任務，比用美國模型便宜不少。可以預見，未來AI對電力的需求將會爆炸式增長。Token出海的本質，就是把電力變成算力，再把算力變成智能。誰的電便宜、誰的電穩、誰的電網調得快，誰就握著AI時代的成本底牌。所以網上又流傳一句話，叫“電力的盡頭是中國”。事實上，在AI發展支撐力上，美國與中國相比存在差距。從電力基礎設施建設看，美國電網被割裂為東部、西部和德州三大幾乎互不相聯的獨立系統，常常是“有電送不出，缺電調不來”，穩定性、負荷能力和基建速度全面跟不上。3月4日，中國工程院院士王堅委員在接受採訪時，談及美國電網認為，美國若要建電廠，要從最基礎的變壓器起步，“變壓器的製造業主要在中國”。所以那些科技巨頭們已經急了。微軟因為電網接入延遲，被迫自建燃氣輪機發電；Google和核電企業簽下了規模巨大的購電協議……如果電還不夠用，那就只能“苦一苦百姓”。密歇根州、弗吉尼亞州區域電網營運商宣佈，其服務區域內6700萬美國民眾2026年的電費將上漲20%至30%。一個以資本為中心的能源體系，沒人願意為長期投入買單。電不夠就漲價，漲到你用不起，需求自然降了。這種單純的“資本邏輯”，結果就會對其人民不友好。中國走的是一條完全不同的路。先看一個數字：2025年，中國全社會用電量突破10兆千瓦時，全球第一，是美國兩倍還多；2025年7月、8月連續兩個月用電量破兆千瓦時，創世界紀錄。既沒限電，也沒漲價。中國憑什麼能做到？把電當作公共產品，突出“普惠”二字。46條特高壓工程架起“西電東送”“北電南供”的大通道。“東數西算”讓資料中心直接建在綠電富集的地方，西部的風和光變成算力，再順著光纜走向世界。與此同時，百萬千瓦級水電站、先進核電機組、重型燃氣輪機接連突破，電力家底越攢越厚。這背後真正厲害的，不只是某一條線路、某一座電站，而是一套能集中力量辦大事的制度。美國不是不知道電網該升級，而是市場上誰都不願意掏這個錢、等這個回報周期。中國堅持適度超前發展，還沒缺電，就先把線路架好、把電站建好，以備不時之需；堅持全國一盤棋，促進資源的最佳化整合。全國兩會上，不少代表委員把目光投向了能源安全領域。大家關注的不只是眼前緊不緊張，而是未來十年、二十年怎麼持續夠用。上個月國家電網宣佈，“十五五”時期固定資產投資預計達4兆元，較“十四五”時期增長40%。當別人還在為今天的電發愁的時候，我們已經在下先手棋，為能源高品質發展鋪路。 (人民網)

3月5日，中國國務院總理李強在政府工作報告中介紹今年政府工作任務時提出，打造智能經濟新形態。深化拓展“人工智慧+”，促進新一代智能終端和智能體加快推廣，推動重點行業領域人工智慧商業化規模化應用，培育智能原生新業態新模式。支援人工智慧開源社區建設，促進開源生態繁榮。實施超大規模智算叢集、算電協同等新基建工程，加強全國一體化算力監測調度，支援公共雲發展。加快發展衛星網際網路。打造“5G+工業網際網路”升級版。深化資料資源開發利用，健全資料要素基礎制度，建設高品質資料集。完善人工智慧治理。3月5日，在十四屆全國人大四次會議首場“部長通道”集中採訪活動上，工業和資訊化部部長李樂成表示，2026年工信部將按照政府工作報告要求，大力推動人工智慧（AI）和製造業雙向奔赴。中國產業門類齊全，創新人才眾多，創新生態不斷改善，我們有信心，堅信必將有更多的世界級智能產品在這片熱土上生產出來。要努力推動AI電腦、AI手機、智能家居，更好地滿足人民群眾對美好生活的需求。要全力推進新一代人工智慧產品的攻關和迭代更新，包括腦機介面、自動駕駛汽車、人形機器人，推動科技攻關、技術迭代。大力支援發展智能農業機械、智能醫療器械，讓更多智能產品滿足各行各業各領域的需要。2024年，“人工智慧+”行動首次被寫入政府工作報告。2025年政府工作報告提出，持續推進“人工智慧+”行動。如今，“人工智慧+”連續三年寫入政府工作報告，而“智能經濟”則是首次提及。智能經濟是什麼？國家發展改革委國家資訊中心人工智慧處副處長、研究員易成岐對21世紀經濟報導記者表示，智能經濟是以人工智慧為核心驅動力的新型經濟形態，將全面重塑生產、分配、交換、消費等經濟活動各環節。國研新經濟研究院創始院長朱克力對21世紀經濟報導記者表示，“智能經濟”首次寫入政府工作報告，被擺在更加突出的戰略位置。報告明確提出要“打造智能經濟新形態”，意味著智能經濟成為新質生產力發展的核心抓手與經濟轉型的關鍵突破。2025年8月，《國務院關於深入實施“人工智慧+”行動的意見》（以下簡稱《意見》）發佈，其中曾提出2027年、2030年、2035年三個階段目標，每個階段的目標均明確提及“智能經濟”。從2027年看，瞄準的目標是“智能經濟核心產業規模快速增長”，從“十五五”收官之年看，到2030年，“智能經濟成為中國經濟發展的重要增長極”。易成岐指出，未來五年，隨著人工智慧向通用人工智慧（AGI）和超級人工智慧（ASI）加速演進，人工智慧的感知、決策、行動等核心能力水平將繼續取得突破，智能經濟的兩大組成部分“智能產業化”與“產業智能化”將成為經濟發展的重要增長極。人工智慧將超越傳統工具輔助的基本定位，加速向新型基礎設施方向發展，將全面重構產業組織形態和商業運行邏輯，“智能無處不在”將成為經濟社會發展常態，生產力有望迎來革命性躍遷，生產關係將發生深層次變革，社會形態在高度智能化的同時將更具溫度。值得注意的是，易成岐提到，“十五五”時期，智能經濟對GDP的貢獻將完成從“增量補充”到“核心支柱”的關鍵轉變，為推動高品質發展、服務支撐全面建設社會主義現代化國家提供強勁動能。《意見》發佈以來，“智能經濟”一詞時常被用於和“數字經濟”進行比較。此前，北京師範大學京師特聘教授、博士生導師焦豪對《意見》的解讀中提到，相比於數字經濟，新一代人工智慧湧現的兩大新特徵（自主決策、自主行動）驅動智能經濟新形態湧現，重塑生產要素、服務體驗與競爭邏輯的運行範式，引發經濟社會的深刻變革。在朱克力看來，智能經濟是數字經濟的更高形態，把“智能”作為新一代經濟形態的核心特徵，意味著我們的政策重心，從過去的資訊化、數位化，全面轉向智能化。智能經濟不再是輔助角色，而是“十五五”開局之年的主力增長極。可以說，這一表述跳出單一技術應用維度，將人工智慧與實體經濟、數字基建、產業生態深度融合，通過深化“人工智慧+”行動，推動智能終端、智能體的商業化規模化落地，培育智能原生新業態。同時，以超大規模智算叢集、衛星網際網路等新基建為支撐，完善人工智慧治理與開源生態，讓智能技術從“工具”升級為經濟發展的“底層邏輯”。未來需要如何發力？易成岐指出，一是要在統籌謀劃和頂層設計上下功夫，加快形成部門與地方、政府與市場、國企與民企等多方合力，持續最佳化智能經濟發展環境，出台更具針對性、更具操作性、更契合實際需求的政策舉措。二是要堅持供需兩端協同發力，更好發揮“兩重”“兩新”政策效能，加大算力、資料、演算法、場景、資金等資源要素供給，充分挖掘人工智慧行業應用和新型智能消費需求，不斷推動人工智慧技術取得新的突破，培育一批易用好用、普惠便捷的人工智慧產品和服務體系。三是要鼓勵創新探索並激發創新熱情，支援有條件的地方和企事業單位圍繞智能經濟積極實踐創新，加快典型案例、創新模式和先進經驗複製推廣，通過標竿示範帶動人工智慧向更廣領域、更深場景、更高水平滲透應用。四是要加快培育創新型複合型人才，推動高校、科研院所與企業深化人才交流合作、促進人才合理流動，為智能經濟高品質發展提供堅實人才保障。 (21世紀經濟報導)

什麼訊號？AI浪潮，記憶體緊缺似乎搶走了所有風頭，因為這些DRAM要用來生產AI所大量需求的GPU。然而新的情況出現了，AMD 首席執行長蘇姿丰近日在摩根士丹利會議上透露，公司伺服器 CPU 的市場需求增長之快“完全超出了預期”，目前正面臨嚴重的供應緊張。蘇姿丰指出，這與智能體 AI（Agentic AI）的快速普及密切相關。在處理這類複雜的 AI 應用時，CPU 與 GPU 的協作比例正在發生戲劇性的變化。雖然 GPU 負責重頭的大規模平行計算，但在邏輯推理、任務調度及智能體決策方面，CPU 的核心作用不可替代。事實上，我們看到，我對 GPU 業務部分感到非常非常興奮，我的意思是，CPU 業務部分的需求實際上遠遠超出了我的預期。我一開始就很樂觀，對吧？如果你和我們的頂級客戶交談，他們會說，“哇，你知道，麗莎，人工智慧對 CPU 計算的需求可能是被低估的。”我們正在追趕。——AMD 首席執行長 蘇姿丰針對目前出現的供應緊缺，蘇姿丰坦言，這是因為客戶興趣在過去幾個季度內突然激增，供應鏈根本來不及調整。不僅是 AMD，英特爾此前也披露過類似的窘境，稱因至強Xeon產能不足無法滿足雲端運算巨頭的訂單。同期，甚至連 GPU 霸主 NVIDIA 也在積極推進自家 Vera 系列 CPU 的訂單協議，這進一步印證了伺服器 CPU 在 AI 工作負載中日益增長的重要性。AMD表示，目前正與合作夥伴（台積電）緊密合作，試圖解決現有的產能瓶頸，並預計在明年擴大產能。然而，對於個人電腦玩家來說，這並不是個好消息。由於利潤豐厚的伺服器 CPU 訂單擠佔了台積電等代工廠的先進製程產能，這或許解釋了為什麼原本計畫中的 ZEN6 (Olympic Ridge)銳龍 桌面處理器會推遲到 2027 年。而AMD所稱的擴產也絕非易事，最新EPYC 9006 Venice採用的是台積電N2工藝，而這一尖端工藝，還有多個公司在排隊等待。更不用說，現在先進封裝產能同樣面臨瓶頸，EPYC作為多個chiplets封裝而成的複雜系統，也需要爭奪CoWoS產能。而顯然，現在AMD已經選擇了道路，讓玩家再等到2027年，才能得到最新的ZEN6處理器。 (AMP實驗室)

春晚之後，2026年中國兩大科技主線已經明確：巨頭之間的AI（大模型）之戰，創業團隊之間的具身（機器人）之戰。其中更為性感的、也更為產業所熱議的，自然是後者，具身機器人之戰，尤其是2026年正在成為具身機器人從“量產”到“落地”的關鍵一年。僅僅是在開年這一周時間裡，就出現了五起大額融資——千尋智能兩輪近20億元融資，智平方超10億元B輪融資，銀河通用25億元A+輪融資，松延動力近10億元B輪融資，以及優理奇3億元股權融資。經過這一輪資本加持，中國具身智能賽道已經跑出至少7家百億級獨角獸企業：宇樹、智元、銀河通用、星海圖、智平方、自變數、千尋智能。然而，在具身機器人經歷了第一波量產嘗試後，在市場熱情再次被燃燒起來之時，整個產業更需要反思的是：2025年，在第一波具身機器人量產過程中，暴露出了那些問題？2026年，在又一波具身機器人落地浪潮下，有那些確定性瓶頸和趨勢？就這兩個關乎具身機器人產業未來走向的問題，我是在近期舉辦的人形機器人與具身智能標準化年會上，聽到了一場含金量極高的對話，參與這場對話的均為中國具身領域頭部機構的從業者——智源研究院院長王仲遠、星動紀元創始人陳建宇、星海圖創始人高繼揚、清華大學教授汪玉、自變數機器人創始人王潛、眾擎機器人創始人趙同陽、 帕西尼創始人許晉誠、加速進化創始人程昊，以及它石智航首席科學家丁文超。從這九位具身機器人頭部機構從業者的深入研討中，我們找到了上述兩個問題的些許答案。01 具身機器人量產，N個“一致性”難題問：具身機器人量產過程中，最難啃的“骨頭”是什麼？陳建宇：量產過程中，我們認為有兩個比較大的問題：第一，“一致性”問題。因為機器人鏈條很長，從供應鏈、零部件，到整機、系統、演算法，每個環節都可能出現一些小的變數影響一致性。例如，我們之前遇到過這樣一個問題：同一批次造出的人形機器人，有幾台走路走得總是不好，後來查了半天發現，工人在電機組裝的打膠水環節中，有幾台打得不太好，這種問題在實際生產環境中並不少見。後來的解決方案是，我們設定了多層關卡和閘門，一層層把風險排除掉。第二，因為具身機器人這類產品太新了，我們往往無法提前考慮到所有問題，特別是在我們自己小批次內測時，可能會存在沒有考慮到的問題。例如我們之前有一款在售產品，推出一段時間並沒有出現任何問題，後來我們一位大客戶，買的量比較多、用得比較久，使用場景也比較重，在他們使用過程中，出現了一些我們完全沒有預料到的問題。這樣的問題是目前難以避免的，但是我們可以做兩件事情：第一，快速迭代， 遇到問題後，快速想辦法把問題分析解決掉；第二，形成經驗“錯題本”，不斷積累，避免下次出現同類問題。高繼揚：整機和智能的聯動是一個很重要的問題。我們通過生產、工藝能夠保證一定的一致性，但最終發現，每台機器人之間依然存在細微差異，加上基礎模型之後，這些細微差異就會被放大。這就需要有一個標定的過程，將整機中的各種感測器、機械結構，在一個統一的數學空間中做出標定，並與模型完成聯動。基於此，不僅整機有量產，智能也有了一個量產的過程，中間的聯動就靠標定，這是在機器人或者具身智能量產過程中，比較獨特的問題。王潛：兩位講的都是我們所能控制的部分，在我們自己的生產、標定當中，依然存在一部分我們自己控制不了的部門，就是供應鏈問題。我印象特別深刻的是，有一次我們有一個電機，老是出現一些不規則的、難以預測的損壞情況，我們當時覺得很奇怪，為什麼在我們友商那裡，用同樣的電機，他們沒有碰到這樣的問題。後來我們發現，因為大家使用的工況不同，友商使用的是比較常見的工況，供應商針對這個工況做的最佳化比較好，我們雖然也在供應商標定工況之內，但是可能供應商有點偷懶，沒有把那部分的測試和最佳化做好。這也凸顯出了標準工作的重要性，如果我們有一套足夠完備的標準，能夠把這類情況規範起來，就可以避免這類問題發生的。但是目前階段，還是不可避免地會走一些彎路，依然需要我們不斷積累，在各類環境中大量使用和測試，包括量產，才可能讓這些問題暴露出來，這是產業鏈一個發展過程。趙同陽：首先，關於量產，我們要有一個清晰的定義。從去年到現在，人形機器人數千台規模的出貨量，相較於汽車行業而言，只能算是“小批次試產”。相對於百年的汽車行業而言，機器人現在所處的階段還遠未到量產階段，這是一個事實。這其中，供應鏈的發展也還遠未達到量產階段。像汽車，從輪胎、減速器，到玻璃、方向盤，每一個零部件都有幾十家，乃至上百家成熟的供應商，經過近百年的發展，而機器人行業，尤其是人形機器人行業，只是在近兩三年才得到高速發展。從機器人的供應商來看，目前可選的並不多，質量也還在一起探索階段。另外，這個行業到目前依然處於快速發展階段，產品迭代很快，這使得像模具的生產製造，大家都不敢放開手去做。由於行業發展非常快，一個產品可能只有1-2年的競爭力，假如企業備了幾十萬台的貨，有可能在下次競爭中就會被淘汰，導致企業出現大量庫存，這就使得我們和供應鏈廠商都不敢大規模進行產品量產，也就導致整個供應鏈會有一點卡滯。此外，小型人形機器人和大型人形機器人的標準要求也不一樣，小型人形機器人運動能力對機械強度等方面要求不是特別高，但大尺寸人形機器人要又蹦又跳，要承受10g-20g的加速度，還要保證齒輪不斷裂，需要從模擬到設計上慢慢驗證。有些東西甚至無法模擬或設計出來，只能測試出來，這些都是我們整個行業在現階段要去解決的問題。丁文超：大家講的很多是關節的、控制的一致性，我們遇到的一個問題是，如何保證大腦、小腦以及本體協同的一致性。例如機器人要送去進行作業，機器人全生命周期的各種動態性能，包括力觸的感知都是動態變化的，但企業發佈的其實是“本體+模型”，如何保證大腦也具有一致性、量產性，其實是我們現在正在解決的問題。這個問題不僅僅是一個硬體問題，還有很多大腦層面的訓練、資料使用技巧都可以加進去，讓機器人在整個生命周期，無論遇到怎樣的損耗、老化，都可以保持模型的泛化能力。02 具身機器人落地，26年如何造大腦？問：2026年，要讓機器人真正具備泛化能力，並在各個場景中發揮價值，還需要在那些方面進行突破？王仲遠：過去這幾年機器人之所以受到如此高的關注，不僅是因為硬體的發展，也是由於人工智慧，尤其是大模型的突破，為具身智能帶來了新的變數。具身智能和傳統的大模型相比，它需要和硬體耦合在一起，不像純數字世界，可能大模型本身可以直接發揮價值，但具身智能既需要有模型能力本身的提升，又要依賴硬體，複雜性更高。具身智能現在依然非常缺乏高品質資料，這就要求具身智能的資料除了從網際網路模擬環境中獲取以外，一定要有真機資料。當然，這些真機資料如何高品質、標準化地獲得，這就是標委會可以重點推進的一些事項。展望未來，尤其是今年，我覺得可能分兩部分：第一，就企業實際落地來看，我相信依然會以VLM+VLA，或者純VLA為主，在具體的場景中做資料閉環打磨；第二，就科研角度來看，會將重心放在世界模型，放在推進下一代真正具備泛化性的具身智能模型。陳建宇：2026年，我們有兩個重點：第一，資料閉環。經過過去兩年的發展，端到端VLA模型的一些範式已經開始標準化，這時，提升資料質量就成了提升模型能力最高效的途徑。第二，模型範式的提升。當前比較標準的VLA模型主要是基於模仿學習的範式，如何為機器人建立更好的理解物理世界的模型，幫助機器人更好、更范化、更精細地完成各類物理世界中的任務，這也需要進行範式的探索。高繼揚：現在看機器人大腦這件事，主要分為三部分：資料的形態、預訓練怎麼做、後訓練怎麼做。預訓練，去年大家都在做VLA，今年明顯的趨勢是往世界模型在走，這是一個確定性的趨勢；後訓練，去年主要是SFT的模仿學習微調，今年明確在向強化學習方向去走；資料形態，現在具身智能有很豐富的資料形態，從傳統的遙運算元據，到UMI資料，再到我們最近和輝達有一個基於EgoScale框架的合作，是用POV資料觀測自己的雙手怎麼去做，沒有佩戴任何其它輔助裝置，也有很好的預訓練效果。這三個方面，都會在今年有集中的體現。汪玉：從演算法發展的角度來看，後訓練是從SFT向IL（模仿學習）、RL（強化學習）的方向走。現在如何做強化學習，特別是如何將現有算力高效地用於強化學習，這是在雲端要考慮的問題。邊端如何讓機器人在百分之七八十精準率的情況下，進一步通過真機的強化學習能夠將特定認為的精準率提升到99%，乃至100%，這是今年重點要突破的。此外，就具身資料而言，資料的“量”很重要，“質”也很重要。特別是針對資料的“質”，我們看到，做真機強化學習時，實際場景中沒有做好的資料如何回流，如何加入到典型資料中，讓機器人能夠不斷學自己做不好的事情，我覺得是一個關鍵問題。王潛：模型架構本身是一個大的方向。兩年前，還有很多人在做單點任務的小模型，去年大家開始去做VLA，今年大家開始做世界模型。整體上是在往越來越統一、越來越全能的方向發展。但是我們看模型的輸出，有輸出動作，有輸出世界模型對於未來狀態的預測，但其實我們希望模型學到的倒不一定是這些東西，我們更希望模型學到一些物理世界的規律，例如物體的屬性或者更加本質的東西。其實我們自己認為，VLA模型、世界模型並不是相斥的關係，它們在更大框架下是相互幫助，所以我們提出了物理世界基礎模型，這個詞讓大家稍微有一點費解，後來我們把這個詞改成了世界動作模型。我們的看法是，不同任務之間的相互協同是具身模型非常顯著的特點。不同時間的任務，互相之間有大量本質性交叉，這是基於預訓練基礎模型架構的一個大的發展趨勢。當然中間會有百花齊放，有的團隊更注重世界模型，有的團隊更注重動作的訓練。另一方面，最近兩年後訓練獲得了很大的進展。例如很多團隊已經能夠在某些單點場景上做相當優秀的後訓練，特別是強化學習，能夠獲得非常不錯的、前幾年做不到的一些效果。這很大程度依賴於預訓練模型的發展，不管是在具身模型上，還是之前在語言模型上看到的明顯特點，如果預訓練模型沒有很好的基礎，強化學習效果會很差。關於資料，我看到的一個大趨勢是，資料生產逐漸從單點的known-how轉向工業體系。之前大家對於資料的理解是在一個地方有一個口傳心授的秘訣，另外一個地方有單點的模型進行處理，但是現在整體的趨勢是，資料越來越向工業化的方向發展。我們正在以一個完整、可控制、可大規模複製的方式去生產資料，我們也有成體系的 benchmark或模型閉環，這也是我們自己會非常重視和大力度投入的方向，基本上是這樣。趙同陽：早期我們把人形機器人當成一個工具去使用，看重的是機器人的工具屬性，工具要做的就是足夠快、足夠精準、失敗機率足夠低，我們自己內部也在用世界模型、強化學習讓它的失敗機率更低一些。但是人類已經有很多工具，還在乎多一種新的工具嗎？除了工具屬性，接下來人形機器人會帶來更多情緒價值。我們賦予它“雙眼”，讓它能看清這個世界，賦予它“雙耳”，讓它能聽懂這個世界，賦予它“觸覺”，讓它能夠感知這個世界……既然賦予了它這麼多能力，我們希望它不僅能為人類帶來工具屬性的價值，還能帶來情緒價值，世界模型的使用，包括情緒、情感、喜怒哀樂，我們要將它做得至少像一個人，而不僅僅是一個機器。此外，具身機器人大腦的模型還完全沒有收斂，每一家都有自己的做法，每過一兩個月都會有新的演算法出現。它不像做腿足運動控制，現在已經能跑能跳，很多東西幾乎已經超越人類現有水平，而現有的VLA模型很多還處於探索階段，模型能力只能達到人類的1/3、1/4 ，甚至更糟糕的狀態，我們也正在嘗試解決這個問題。許晉誠：我們一直嘗試在做的就是泛化的定義，我們押注在與物理世界接觸模態資訊上，只有這些資訊，才能提升整體任務的成功率。我們在機器人實驗中，加入了大量接觸模態的感測器，例如觸覺感測器，它可以讓基於Pi0這樣基座模型的一個任務的執行成功率，從20%提升到90%以上。這很大程度上提升了任務執行的成功率和泛化性，這是我認為具身機器人未來很重要的一個發展方向。物理接觸模態的資料也很重要，我們現在也在把大量接觸模態的多維觸覺資料採集下來，這對提升整體任務的成功率很重要。程昊：我們認為具身大腦是前期研發需要投入比較多的地方。在整體路線變得越來越清晰的情況下，我們更側重於在現有雙足人形機器人上，尤其是在機器人全身運動已經越來越成熟，可能今年在很多任務執行上能夠超過人類的情況下，現有的具身模型或VLA到底引入那些新維度的資料，模型通過強化學習，還是更多模態的方式，能夠在雙足人形上有更好的效果提升，這是接下來兩年我們在具身大腦上重點投入的方向。丁文超：資料和模型是我們成立第一天起就開始解決的問題，我們公司第一天就提出了一個概念，叫作“以人為中心的資料”。遙操作是通過VR/AR裝置把動作對應到機器人上，讓機器人去完成，而我們的想法是，通過可穿戴式裝置，讓人去做資料採集任務。我們設計了一整套數據採集套件SenseHub，你可以佩戴第一人稱的攝影機、穿戴手套，也可以佩戴二指指套，多種不同的終端。這樣一套數采裝置很 大的好處真正能夠深入到各行各業，所以我們現有資料不僅侷限於數采中心，我們在真實場景下的各行各業，大家能想到人能去的場景，我們都能采到資料，這對於整個模型的泛化能力的提升非常關鍵。在模型側，我們有一個落地任務，它是一個長程、柔性、高精度的任務，這是這代具身智能需要解決的問題。我們發現，在現在的世界動作模型落地過程中，關鍵在於如何將對世界的預測和動作有機結合起來。現在很多世界模型單純把它引入到VLA，很容易產生幻覺問題，對空間的幻覺、物理的幻覺會直接影響機器人最終執行的動作。如何讓機器人的物理感知，對物理的推測、對空間的推測沒有幻覺，能夠穩定可靠執行任務，這是過去這一年我們一直在解決的問題。 (鋅產業)

10分鐘充電約50%，首創六重連接解決方案。芯東西3月2日巴塞隆納報導，剛剛，高通在2026世界移動通訊大會（MWC 2026）上發佈新一代旗艦可穿戴晶片——驍龍可穿戴平台至尊版。驍龍可穿戴平台至尊版採用3nm製程，整合了升級的CPU和GPU，採用全新5核CPU架構。與前代平台相比，其CPU單線程性能提升最高可達5倍，GPU最高FPS性能提升可多至7倍，並提供多達10TOPS的AI算力、可支援在裝置端運行20億參數的AI模型。這是高通面向個人AI裝置推出的迄今最先進可穿戴平台，也是高通首次將“至尊版”品牌標記引入可穿戴領域。高通基於四大核心技術對該平台進行了最佳化，包括端側AI、性能、續航、連接性。最佳化AI體驗方面，驍龍可穿戴平台至尊版整合的eNPU、高通Hexagon NPU、感測器中樞共同工作，使近身的AI終端能夠更深入地理解使用者的日常生活情境。其中，eNPU是高通顯著增強面向低功耗用例的專用AI加速器，能幫Hexagon和MCU分擔AI工作負載，可通過高通AI Runtime（QNN）程式設計。eNPU支援在裝置端運行關鍵詞偵測、動作識別等環境感知類的“低功耗島始終開啟”任務，並支援語音通話回聲消除、噪音抑制等主動模式用例。高通還在可穿戴平台上首次引入了專用Hexagon NPU，使裝置端可直接運行參數規模達20億的模型，首個token生成時間為0.20秒，最高每秒生成10個token。基於驍龍可穿戴平台至尊版，終端能有效處理來自語音、視覺、位置以及各類感測器的多模態輸入，打造個性化的AI智能體，在工作、學習、健康及日常生活的方方面面為使用者提供支援。續航也是一大亮點，驍龍可穿戴平台至尊版可實現日常使用時長（DOU）延長30%、10分鐘充電約50%。連接方面，該晶片首創六重連接解決方案，包括5G RedCap、超低功耗Wi-Fi、藍牙6.0、UWB超寬頻、窄帶非地面網路（NB-NTN）衛星通訊、全球導航衛星系統（GNSS）這6項連接技術。三星宣佈智能手錶會搭載驍龍可穿戴平台至尊版，聯想旗下摩托羅拉也分享了與高通在可穿戴領域的合作。如今，AI模型不斷向更小型化、更高效率方向演進，個人AI終端需要能在裝置本地支援更複雜且持續運行的AI工作負載，並具備更強大的連接能力。通過這些設計，驍龍可穿戴平台至尊版在性能與時延之間實現了更好的平衡，既能更好滿足智能體驗隨時可用的需求、實現當下消費者所期待的高響應體驗，同時又不犧牲產品的尺寸、能效、佩戴舒適度或可用性。 (芯東西)

你有沒有過這種體驗?寫周報時，翻遍五六個系統扒資料;跟客戶溝通時，反覆解釋同一個問題;處理工作流程時，卡在跨部門對接的環節動彈不得……我們總說AI能提高效率，但以前的AI，更像個“問答機器”——你問它才答，你不說它就躺平。但Google  Cloud剛出的《AI智能體趨勢2026》報告說，2026年這一切要變了。AI會從“只會回答問題的工具”，變成能聽懂目標、拆任務、跨系統自己幹活的“得力幫手”(也就是報告裡說的AI智能體)。這不是遙遠的暢想，而是已經在發生的現實。今天就跟你掰開揉碎了聊：這波AI變革到底會怎麼改咱們的工作，普通人該怎麼抓住機會?核心轉變從人親自幹活到人管AI幹活這波AI變革最核心的變化，不是“幹活更快了”，而是“幹活的方式變了”。以前咱們談AI，總說“幫人把事做快”——比如AI幫你寫初稿、算資料，最後還是得你逐字改、逐題核對。但2026年的AI智能體，厲害在“能自主搞定一整套事”：你只要告訴它“要達成什麼目標”，它會自己拆分成小任務，呼叫公司的各種系統，一步步推進，最後給你一個結果。隨之而來的，是咱們的角色大變身：從“親自執行的打工人”，變成“指揮AI的管理者”。打個比方，以前做市場經理，得自己寫文案、找資料、盯競品、做報告，一天忙得腳不沾地。2026年，你手下會有五個“AI專屬助理”：資料助理：扒遍公司內外的結構化資料，找出市場趨勢;分析助理：24小時盯競品動態、社交媒體口碑，每天給你發一頁核心洞察;內容助理：按公司的品牌語氣，寫好社交媒體文案和部落格初稿;創意助理：給文案配圖片、剪視訊;報告助理：每周自動拉取campaign資料，生成分析總結。你要做的，不是自己寫文案、找資料，而是：告訴它們這周的核心目標(比如“推廣新產品，吸引年輕使用者”)，給點策略指引(比如“重點突出性價比”)，最後檢查一下結果有沒有問題，拍板定奪就行。說白了，AI把重複、繁瑣的執行活全包了，咱們只需要聚焦“定方向、做判斷、把關結果”。而且這不是空想。資料顯示，現在已經有52%的公司，把AI智能體用在了生產環境裡：客戶服務、市場營運、技術支援、產品創新，到處都有它們的身影。比如全球最大的紙漿製造商Suzano，用AI智能體把員工的自然語言(比如“查一下某類物料的庫存”)變成系統能識別的查詢指令，5萬名員工查資料的時間直接減少95%;電信公司TELUS更狠，5.7萬名員工日常用AI，平均每次互動能省40分鐘。五大趨勢未來，AI智能體將滲透到工作的方方面面如果說核心轉變是“道”，那這五大趨勢就是“術”。我們來看看這些AI幫手會出現在那些場景，怎麼改變咱們的工作和生活。1.每個員工都有“專屬AI助理”：個人能力直接翻倍以前的AI工具，要麼是公司統一配的“大雜燴”，要麼得自己找外掛拼湊，用起來特別彆扭。未來，每個員工都會有“量身定製”的AI助理。這個助理懂公司的業務語境：能訪問內部知識庫、客戶資料、歷史工作成果，不會像通用AI那樣“說外行話”;它還能跟你配合默契：你把重複的活(比如整理會議紀要、跟進待辦事項、初步篩選郵件)交給它，自己專注於創新、談判、戰略思考這些“高價值活”。這裡要澄清一個誤區：不是有了AI助理，你就沒主動權了。它更像一個“超級執行者”，在你的指導和監督下幹活，比如寫合同，AI可以初稿，但最終的風險把控、條款談判，還是得你上。就像媒體行業，AI能幫你整理海量素材，但講什麼故事、怎麼講得動人，還是得靠人的創造力。2.公司流程變成“數字流水線”：從頭到尾自動跑如果說每個員工的AI助理是“單兵作戰”，那公司核心流程的AI智能體系統，就是“團隊協作”。以前公司的流程，比如採購、客戶支援、安全營運，都是“人對接系統、人對接人”，中間容易卡殼：比如網路出問題，得先讓技術部門檢測，再讓售後通知客戶，流程走下來大半天。未來，AI智能體系統會把這些環節串起來：發現網路異常後，AI先自動嘗試修復;修復不了，自動在現場服務系統建立工單;同時同步給客戶聯絡中心，告知客戶情況——整個過程跨系統、跨部門，不用人手動干預，人類只需要在關鍵節點監督、拍板。要實現這種“流水線”，靠的是兩個關鍵技術：A2A協議：相當於AI之間的“普通話”，不同開發者、不同框架的AI能互相溝通協作;MCP協議：相當於AI和公司系統的“資料線”，能讓AI安全訪問即時資料(比如庫存、訂單、客戶資訊)，而不是靠“過時的知識庫”幹活。比如動物保健公司Elanco，用AI智能體處理每個生產基地2500多份非結構化檔案(比如政策、流程文件)，自動分類、提取關鍵資訊、排查衝突，避免了因為資訊過期或衝突導致的生產力損失——以前這種損失在大型基地可能高達130萬美元。3.客戶服務從“被動響應”到“主動服務”：像有了“私人管家”你有沒有吐槽過傳統客服?重複說問題說三遍，轉人工要等半天，最後還沒解決。這就是“規則型自動化”的侷限，只能機械響應，不會靈活處理。未來的客戶服務AI智能體，會變成你的“私人管家”。它能記住你的歷史資訊：你上周買了件藍色毛衣，今天打電話，它一接就知道“你可能是要退換貨”;它還能主動解決問題：物流延誤了，不等你投訴，它已經查到是配送車壞了，自動安排明天最早配送，還給你充了10美元補償，發簡訊跟你確認時間。資料顯示，現在已經有49%的公司把AI智能體用在客戶服務上，這是最成熟的落地場景之一。比如家居建材品牌家得寶(Home Depot)，做了個叫Magic  Apron的AI智能體，24小時線上給客戶提供裝修指導：怎麼裝櫃子、選那種油漆、看產品口碑，就像身邊有個裝修老師傅，隨叫隨到。而且這種“管家式服務”不侷限於消費端。比如工廠裡，AI智能體能分析生產資料，發現某個班次效率低，會主動給出建議：“可以調整裝置參數，或者給員工做個專項培訓”，相當於給管理者配了個“生產顧問”。4.安全防護：從“喊警報”到“自動滅火”現在的公司安全部門，最頭疼的是“告警疲勞”：每天收到成千上萬個安全告警，分析師根本看不過來，很可能漏掉真正的威脅。就像家裡裝了100個煙霧報警器，天天響，真著火了反而沒反應。未來的安全AI智能體，會從“只喊警報”變成“主動滅火”。它能自動分流告警(那些是誤報，那些是真威脅)，調查分析(威脅來自那裡，影響多大)，甚至在授權範圍內直接採取行動(比如攔截惡意攻擊、修復漏洞)。比如cybersecurity公司Specular，用AI智能體自動化攻擊面管理和滲透測試，幫企業快速找到安全漏洞;另一家公司Torq的AI安全分析師Socrates，能自動完成90%的一級分析任務，人工操作減少95%，響應速度快了10倍——安全人員不用再埋頭處理重複告警，能專注於設計防禦架構、獵捕高級威脅。5.能不能規模化賺錢，看員工會不會“管AI”最後這個趨勢，是所有變化的關鍵：AI智能體能不能給公司帶來持續價值，核心不是買了多少技術，而是員工會不會用。現在專業技能的“半衰期”越來越短，技術領域可能只有2年。也就是說，你現在學的技能，2年後可能就過時了。而AI的普及，會讓“會不會管AI”變成職場的核心競爭力。但現在有個落差：84%的員工希望公司多提供AI學習資源，但只有29%的員工覺得公司在積極推動AI應用。而且“AI管家”“AI編排者”這種新角色，市場上根本招不到現成的人，只能靠公司內部培養。怎麼培養?報告裡給了一套實用方法，核心是五個支柱：1.定目標：比如“讓100%員工在工作中用AI”，而且要可衡量;2.找支援：組建“高管贊助人(給錢給資源)+推動者(鼓動員工參與)+技術專家(落地解決方案)”的團隊;3.造氛圍：搞遊戲化交流、案例分享，獎勵創新用法;4.融日常：把AI融入工作流，比如辦內部駭客松、實踐挑戰，讓員工在幹活中學習;5.守規則：明確那些資料能給AI用，怎麼識別AI相關的安全威脅。比如電信公司TELUS和Google合作搞了AI技能培訓，結果96%的員工說用AI的信心提升了，員工會用AI了，公司的效率和創新力自然上來了。AI時代這五種人很難替代聊完了AI智能體的趨勢，咱們回到最實際的問題：既然AI能幫著幹活、跑流程，那普通人怎麼才能不被替代?答案很簡單：AI越能幹，就越需要有人“管著它、盯著它、落地它、擔著它”。未來3-5年是AI緩衝期，咱們只要找準自己的位置，就能在變革中站穩腳。總結下來，有五種角色永遠稀缺：1.決策者：給AI定方向的“指揮官”AI再厲害，也得有人告訴它“要做什麼、為什麼做”。就像前面說的市場經理，AI助理團隊再能打，也得靠你定核心目標——是推廣新產品還是維護老客戶，是突出性價比還是強調品牌感。以前咱們做執行，滿足於“按流程幹完”就行;現在得主動思考“為什麼要做這件事”“要達成什麼結果”。比如用AI寫方案，不能只說“幫我寫個推廣方案”，而要明確“針對25-30歲職場人，推廣一款通勤背包，核心賣點是輕便防水，預算5萬，要包含社交媒體和線下快閃活動”——這樣AI才能精準發力。說白了，決策者的核心價值是“定戰略、掌方向”，這是AI學不會的。它能執行，但沒法判斷“這件事該不該做”“這麼做對公司長期有沒有好處”。2.提問者：能問對問題的“掌舵人”如果暫時做不到決策者的高度，那從“會提問”開始也完全可以。提問的水平，直接決定了AI的輸出質量。很多人用AI之所以沒效果，就是提問太隨意。比如想讓AI生成配圖，只說“給我一張漂亮的圖”，結果全看運氣;但如果你說“我想表達‘異鄉人思念家鄉’，要用溫暖的水彩風格，畫面裡要有老房子、路燈、飄著的炊煙，能不能給我三個構圖建議並簡單解釋”，得到的結果大機率就是你想要的。提問的關鍵，是先想清楚自己的目標，再把目標拆成具體的問題。職場裡常說“會提問的人，思考一定不差”，AI時代更是如此——你能問出精準的問題，就意味著你已經想透了事情的關鍵。3.看門人：給AI把關的“質檢員”現階段的AI還有個小毛病：偶爾會“胡說八道”(也就是常說的“AI幻覺”)，比如給你編一個不存在的資料，或者生成不符合公司規範的內容。這時候就需要“看門人”——用自己的專業經驗，判斷AI的輸出是不是靠譜。比如Elanco用AI處理生產檔案，AI能自動分類、提取資訊，但最終還是需要熟悉生產流程的員工把關：“這個條款是不是和最新政策衝突?這個資料是不是精準?”;再比如用AI寫合同，AI能搭框架，但涉及法律風險、核心權益的條款，還得靠法務人員稽核。看門人不用學新技能，只要你在自己的領域裡夠專業、夠細心，就能勝任。畢竟AI談論你不熟悉的領域時，你可能覺得它無所不知，但一碰到你的專業，它有沒有胡說，你一眼就能看出來。4.執行者：連接虛擬與現實的“實幹家”你可能會想：“執行的活不都被AI搶了嗎?”其實不然，AI能在電腦裡跑流程、做分析，但最終還是要有人把事情落到現實裡。比如物流智能體能安排好配送路線，但包裹還是得靠快遞員送到你手上;AI能給出工廠裝置的調整建議，但最終還是得靠技術人員去操作;AI能生成裝修方案，但敲牆、刷漆、裝櫃子，還是得靠工人師傅來幹。虛擬世界的決策，永遠需要現實世界的人來落地。而且現在很多公司看似人多，但真正腳踏實地幹活的執行者並不多，只要你靠譜、敏捷，能把AI的計畫變成實實在在的結果，就永遠有你的位置。5.責任人：為結果兜底的“擔當者”AI是工具，沒有辦法承擔責任。比如AI推薦的行銷方案出了問題，損失誰來擔?AI處理客戶資料時洩露了隱私，責任誰來負?這時候就需要“責任人”——對最終結果負責，出了問題敢擔當、能解決。未來，“誰來擔責”會成為AI時代的核心議題。比如合規智能體自動更新了工作流，但如果不符合監管要求，還是得有人站出來調整、承擔後果;客戶服務AI出了錯，還是得有人主動聯絡客戶道歉、彌補。無論你是決策者、提問者，還是看門人、執行者，最終都得是責任人。畢竟AI可以幫你幹活，但沒法替你擔責——而“敢擔當、能扛事”，永遠是職場最稀缺的品質。2026年的機會本質是“人的解放”聊了這麼多，你可能會問：AI這麼厲害，會不會取代人?答案是：不會取代人，但會取代“只會執行的人”。AI智能體不是搶工作，而是把我們從重複、繁瑣、耗精力的低價值工作中解放出來，讓你專注於只有人能做的事：創造性的思考、戰略性的決策、有同理心的溝通。這波變革的學習曲線可能有點陡，但機會屬於那些“現在就開始行動”的人：今天學著跟AI配合，學著定方向、提對問題、把好關、落好地、擔好責，明天你就是職場裡的“稀缺人才”，而不是被淘汰的“執行者”。說到底，2026年的AI變革，看起來是技術的升級，本質是“人的升級”。它讓企業變得更快、更智能，也讓每個人都有機會發揮自己的天賦和創造力。未來決定現在。看清未來將發生什麼，才能真正明白當下應該做什麼。我們認為，未來由四個關鍵領域塑造：哲學、AI科技、經濟與政治。為什麼是這四個?哲學是元起點，是意義與方向的錨點，為一切行動提供終極燃料;科技(尤其是AI)是文明進步的底座，是驅動世界向前的“發動機”;經濟是轉化器，它把科技力量轉化為真實的財富與市場機會;政治是適配性結構，它給哲學、科技與經濟提供運行框架與秩序。哲學為根，科技為器，經濟為用，政治為治。這四者環環相扣，層層支撐，相互交織，在動態的演進中共同推動現實走向未來。 (前瞻經濟學人)

在地中海的海風吹拂的這座城市—西班牙巴塞隆納，2026年全球移動通訊大會（MWC）迎來了它落地於此的第二十個年頭。這二十年間，MWC從最初的行動網路標準定義和智慧型手機技術展示平台，逐漸演變成了一個全連接、具有技術前瞻性的綜合性科技盛會。在這裡，世界曾見證3G向4G的跨越，親歷5G和AI的融合商用。今年，我們會看到一個全新的時代。MWC 2026的主題定為“The IQ Era”，即“智能連接新紀元”。這一主題昭示著通訊行業經歷的歷史性轉折：人工智慧正在全面滲透通訊行業，成為重塑通訊基礎設施的核心力量。全球移動通訊系統協會（GSMA）首席執行長洪曜莊（John Hoffman）表示：“今天的MWC，已經不是電信行業內部的聚會，而是一個以連接為核心、各行業全面參與的全球科技平台。”本屆展會將圍繞六大核心主題展開：Intelligent Infrastructure（智能基礎設施）、ConnectAI（互聯智能）、AI 4 Enterprise（AI賦能企業）、AI Nexus（AI中樞）、Tech4All（科技普惠）和Game Changers（變革者）。這六大主題如同六條主線，編織出一幅關於未來智能社會的藍圖。從底層的基礎設施重構，到終端裝置的智能進化，再到企業級應用的全面滲透。MWC 2026試圖回答一個根本性問題：當AI與通訊技術深度融合，我們將迎來怎樣的未來？016G大幕開啟：從5G－A到下一代通訊的技術躍遷過去兩年的MWC，行業討論的焦點主要集中在5G－Advanced（5G－A）的落地商用情況。 作為5G向6G演進的關鍵階段，5G－A在提升網路性能、降低時延、增強連接密度等方面取得了顯著進展。然而，隨著2026年的到來，業界的眼光已經開始越過5G－A，投向更為遙遠的6G地平線。2026年MWC是否會確定6G的技術演進路線，將成為展會最重要的看點之一。根據GSMA最新發佈的報告《願景2040：未來頻譜需求》（Vision 2040： Future Spectrum Needs），2030年前後，全球6G將開始商用部署。報告預測，到2040年，全球或將擁有50億6G連接，約佔全部移動連接的一半。中國、日本、韓國、美國、歐洲、印度、越南、海灣合作委員會（GCC）等國家，將成為6G發展的熱門地區。這一時間表意味著，從現在開始到2030年，我們將迎來6G技術標準制定、頻譜規劃、關鍵技術驗證的關鍵窗口期。在MWC 2026上，6G的技術演進路線有望從模糊走向清晰。 作為通訊行業的風向標，MWC歷來是技術標準博弈的重要舞台。今年，包括高通、中國移動、中國聯通、中國電信、歐洲主流營運商等產業鏈核心玩家都將在大會上對6G給出自己的定義和願景。這種“定義權”的爭奪背後，是對於未來十年通訊產業話語權的戰略佈局。從技術維度看，6G將帶來那些革命性的變化？首先，在性能指標上，6G將實現相比5G十到百倍的提升。峰值傳輸速率有望達到1Tbps，使用者面時延將降低至0.1毫秒以下，連接密度將突破每平方公里千萬級裝置。這些數字不僅僅是量變，更意味著質變——全息通訊、數字孿生、沉浸式XR等應用場景將從概念走向現實。其次，6G將打破通訊與感知的邊界，實現通訊感知一體化。這意味著未來的通訊網路不僅是資料傳輸的管道，還將具備環境感知、目標識別、精準定位的能力。可以想像一下，當基站能夠同時提供高速網路連線和毫米級精度的環境感知，自動駕駛、智能製造、智慧城市將迎來怎樣的變革？更重要的是，6G將建構起“空天地海”一體化的全域覆蓋網路。如果說5G主要解決的是地面覆蓋問題，那麼6G將把通訊網路延伸至太空、海洋和空中。低軌衛星星座、高空平台（HAPS）、無人機中繼將與地面蜂窩網路深度融合，真正實現“無處不在”的連接。這對於偏遠地區覆蓋、應急通訊、遠洋航行等場景具有非凡的意義。在MWC 2026上，我們有望看到關於6G關鍵技術原型的首次展示。太赫茲（THz）通訊、智能超表面（RIS）、AI原生網路架構、量子通訊等前沿技術，都可能以demo的形式亮相。特別是AI與6G的融合，將成為討論的焦點。未來的6G網路將不再是靜態的、預設的架構，而是具備自學習、自最佳化、自演進能力的“智能生命體”。中國力量在6G時代的角色尤為值得關注。 中國在5G時代已經建立了全球領先的網路基礎設施和使用者規模，這種優勢正在向6G延伸。中國三大營運商在MWC 2026上的表態，不僅關乎技術路線選擇，更將體現中國在下一個通訊時代的話語權。同時，華為、中興等裝置商，都將在6G標準制定中扮演關鍵角色。MWC 2026將成為各方展示6G技術儲備、爭取產業同盟的重要舞台。從5G－A到6G，不僅僅是技術的代際更迭，更是通訊範式的一次躍遷。如果說5G開啟了移動網際網路的黃金時代，那麼6G將開啟的是“萬物智聯、數字孿生”的全新紀元。在MWC 2026上，我們或許將第一次清晰地看到這幅未來圖景的輪廓。02AI Nexus與Robot Phone：智能終端的Agent化革命如果說6G代表著連接技術的未來，那麼AI Nexus則代表著終端裝置的未來。在MWC 2026的六大主題中，“AI Nexus”（AI中樞）這一概念尤其引人注目。它暗示著一種全新的裝置形態——智慧型手機正在從被動響應的工具，進化為主動服務的智能體。Google在展前宣佈的重大進展，為這一趨勢寫下了有力的註腳。Gemini將具備主動操作手機的能力，這意味著AI助手不再只是回答問題的聊天機器人，而是能夠真正理解使用者意圖、自主執行複雜任務的智能代理。當你對手機說“幫我中午預訂常吃的那家披薩店，點老三樣”，Gemini將能夠自動打開訂餐軟體，選擇門店、菜單，並完成支付，而無需使用者一步步操作。這種“自動駕駛”式的互動體驗，正在重新定義人機關係的邊界。在國內市場，字節跳動推出的“豆包手機”等產品，同樣指向了AI Agent的方向。這些產品試圖將大模型能力深度植入作業系統底層，讓AI成為手機的“靈魂”而非“應用”。從被動響應到主動服務，從單一功能到場景貫通，從人機互動到人人互動，截至目前，這條AI手機的進化路徑已經被業內大部分參與者認可。MWC 2026將成為檢驗這一進化方向的重要考場。我們期待在展會上看到更多關於AI Agent的技術演示和商用方案。比如，跨應用的智能調度能力，AI如何打破應用之間的壁壘，實現資料的自由流動和任務的無縫銜接？再比如，端側AI與雲側AI的協同，如何在保護隱私的前提下，實現算力的最優配置？再有，個性化學習與適應的能力，讓AI如何越用越懂使用者，真正成為“專屬助手”而非“通用工具”？然而，今年MWC最引人注目的終端創新，或許不是傳統意義上的手機，而是榮耀即將發佈的Robot Phone和首款人形機器人。 這一佈局具有標誌性意義——它預示著手機廠商正在突破傳統的邊界，向更廣闊的AI和機器人領域進軍。榮耀ROBOT PHONE是一款具有開創性意義的產品。這款在2025年10月15日首次亮相的AI概念智慧型手機，被譽為全球第一款“手機機器人”。它配備了機器人云台，使用時一鍵展開，可以實現全自動構圖、目標跟隨等任務。這不僅僅是手機形態的物理擴展，更讓手機從通訊工具變成了具備物理行動能力的智能體。當你在拍攝視訊時，ROBOT PHONE可以自動追蹤移動的目標；當你在進行視訊通話時，它可以自動調整角度，始終將你置於畫面中心。這種“主動服務”的能力，正是AI Agent理念的硬體化體現。更令人期待的是，榮耀將在MWC 2026上發佈人形機器人。這是從去年5月榮耀官宣進軍機器人領域後，首次有產品正式亮相。手機廠商轉型AI和機器人，絕非簡單的業務多元化，而是技術積累的必然延伸。現代智慧型手機本身就是整合了眾多先進技術的精密裝置：高性能計算晶片、多模態感測器、AI演算法、精密製造、供應鏈管理……這些能力可以自然地遷移到機器人領域。特別是AI視覺、運動控制、語音互動等技術，在手機上積累的經驗可以直接應用於機器人的感知和決策系統。從行業意義上看，手機廠商入局機器人具有多重價值。最重要的意義在於，它為已經擁擠不堪的手機行業開闢了新的增長曲線。在全球智慧型手機市場增長放緩的背景下，機器人代表著兆級的潛在市場。同時它加速了服務型機器人的普及。手機廠商擁有龐大的使用者基礎、成熟的管道體系和強大的品牌影響力，能夠將機器人產品快速推向消費市場。另外它正在推動AI技術的實體化落地。大模型能力不再侷限於雲端和螢幕，而是通過機器人的物理形態進入現實世界，真正“觸手可及”。榮耀並非孤例。同為智慧型手機製造企業的vivo在去年官宣成立機器人Lab，小米早前公佈了具身智能VLA模型Xiaomi-Robotics-0。 這些佈局表明，頭部手機廠商都在為“後手機時代”做準備。未來的競爭將不再侷限於手機單品，而是擴展到整個AIoT生態，包括智能家居、可穿戴裝置、汽車，以及機器人。在MWC 2026上，我們期待看到更多關於AI Agent和機器人的技術細節，比如榮耀的人形機器人將展示怎樣的能力？它如何與手機、智能家居等其他裝置協同？它的應用場景是什麼？這些問題都將在巴塞隆納得到解答。更重要的是，我們將看到整個行業對於“下一代智能終端”的集體思考——當手機進化為Agent，當Agent獲得物理形態，人與技術的關係將迎來怎樣的重構？03太空通訊，連接邊界的無限延伸MWC 2026首次將太空通訊納入了官方的主題。在“Intelligent Infrastructure”（智能基礎設施）的框架下，太空通訊、NTN（非地面網路）、量子就緒資料中心等前沿話題被置於核心位置。這標誌著通訊行業正在從“全地面覆蓋”轉向“空天一體化”，從二維覆蓋轉向三維立體覆蓋。GSMA官方的表述清晰地勾勒了這一願景：“從5G Advanced和專用網路到衛星、NTN以及量子資料中心，我們將展示人工智慧驅動、自動化基礎設施如何提升效率、可擴展性和韌性，這一變革不僅能釋放新的產業潛能，還能加速資料驅動決策的處理程序。”這段話的關鍵詞是“AI驅動”和“自動化”，未來的基礎設施不僅是連接的管道，更是具備智能決策能力的有機體。太空通訊的商用化處理程序正在加速。 以SpaceX的Starlink、亞馬遜的Project Kuiper、OneWeb等為代表的低軌衛星項目，已經證明了衛星網際網路的可行性和商業價值。在MWC 2026上，我們有望看到更多關於衛星通訊與地面網路融合的技術方案。這種融合不是簡單的互補，而是深度的一體化，使用者裝置可以在衛星網路和地面網路之間無縫切換，營運商可以在統一的核心網中管理空天地海各類接入，應用可以透明地使用無論來自何處的連接。對於6G而言，太空通訊不是可選項，而是必選項。6G的願景中包含了“泛在連接”的承諾，這意味著必須覆蓋佔地球表面70%的海洋、廣袤的沙漠和極地、以及航空器上的使用者。只有將衛星通訊納入體系，才能真正實現“無處不在”的連接。在MWC 2026上，關於6G空天地一體化架構的技術討論，將成為6G路線圖制定的重要組成部分。量子資料中心是另一個值得關注的領域。隨著量子計算的發展，傳統的加密體系面臨被破解的風險，“量子霸權”的威脅日益迫近。量子通訊意味著通訊基礎設施需要提前佈局抗量子加密演算法和量子金鑰分發技術，為後量子時代做好準備。在MWC 2026上，我們可能會看到關於量子通訊與經典通訊網路融合的首批解決方案。AI驅動的網路自動化是智能基礎設施的核心特徵。傳統的網路維運依賴人工經驗和預設規則，面對未來網路的複雜性和動態性，這種方式已經難以為繼。AI的引入使得網路具備了自感知、自學習、自最佳化的能力。通過機器學習演算法，網路可以預測流量高峰並提前調配資源，可以自動檢測故障並觸發修復，可以識別安全威脅並即時響應。在MWC 2026上，各大裝置商和營運商將展示他們的“自動駕駛網路”方案，展示AI如何將網路維運效率提升十倍甚至百倍。邊緣計算與雲邊協同也是智能基礎設施的關鍵組成部分。隨著AI應用對即時性的要求越來越高，算力正在從雲端向邊緣下沉。MWC 2026將展示最新的邊緣計算架構，以及5G／6G網路如何與邊緣算力深度融合，為AR／VR、自動駕駛、工業網際網路等低時延應用提供支撐。這種“連接+計算”的一體化基礎設施，將成為數字經濟的新型底座。Tech4All主題則體現了技術發展的價值取向。無論是6G、AI還是太空通訊，最終目的都是為了讓更多人受益，縮小數字鴻溝。在MWC 2026上，我們將看到針對偏遠地區、弱勢群體、開發中國家的技術解決方案，看到科技如何助力教育、醫療、農業等民生領域。這種“包容性創新”不僅是道德責任，也是商業機會——下一個十億使用者往往來自傳統網路覆蓋不到的地區。Game Changers主題則指向了顛覆性創新。在通訊行業，變革可能來自技術突破，也可能來自商業模式創新，還可能來自跨界融合。MWC 2026將為這些變革者提供展示舞台，無論是初創企業的奇思妙想，還是行業巨頭的戰略轉型，都將在這裡碰撞出火花。04這可能是含AI量最高、涉及通訊業務最廣的一屆MWC站在MWC落地巴塞隆納二十周年的歷史節點上回望，我們清晰地看到一條技術演進的脈絡： 從模擬到數字，從語音到資料，從連接到智能，從地面到空天。每一代技術的躍升，都帶來了產業格局的重塑和社會生活的變革。而MWC 2026，正處於這樣一個關鍵的歷史關口。這將是近年來“含AI量”最高的一屆MWC。AI不再只是某個展館的專題展區，而是滲透到六大主題的每一個角落。從AI驅動的6G網路架構，到AI Agent化的智能終端，再到AI賦能的企業應用，人工智慧正在成為通訊行業的“元技術”。更重要的是，這種AI化不是表面的功能疊加，而是深層的變革，網路正在變成智能體，裝置正在變成智能體，服務正在變成智能體。這也將是涉及通訊業務最廣的一屆MWC。傳統的MWC主要聚焦移動通訊，而今年的展會已經擴展到了太空通訊、量子計算、機器人、元宇宙等前沿領域。通訊正在從垂直行業變成橫向平台，從基礎設施變成創新引擎。今年的MWC上，我們或許能看到更多通訊工程師與AI科學家的對話，手機製造商與機器人公司的競爭，衛星營運商與電信營運商的合作等等。總之，通訊的邊界在消融，融合在加速。對於中國市場而言，MWC 2026具有特殊的意義。中國企業在5G時代積累的領先優勢，能否在6G時代延續？中國手機廠商的AI轉型和機器人佈局，能否開闢新的增長空間？中國營運商在空天地一體化網路中的角色，能否從跟隨者變為引領者？這些問題都將在巴塞隆納找到答案。三月的巴塞隆納Fira Gran Via展覽中心，來自全球的科技從業者將再次匯聚於此。他們帶來的將不僅是新產品、新技術，更是關於未來的想像和承諾。而我們即將見證智能連接新紀元的開啟，是6G開幕，是AI Agent普及，是連接無處不在的時代。 (騰訊科技)

似乎每過十年或每一輪經濟周期，就會冒出一次新的預言，而這些預言往往很快就從“嚇人”變得“可笑”。本周一美股暴跌——市場普遍認為，這很大程度上是因為一家鮮為人知的研究公司發佈了一份“末日式”報告，該報告預測，隨著人工智慧的普及，全球經濟將走向崩潰。這份名為《2028全球智能危機》、由Citrini Research發佈並由投資者分析師Alap Shah共同撰寫的7000字報告，以略帶幻想色彩的未來報告形式（具體時間為2028年6月30日）在Substack上發佈。報告開篇這樣寫道：“如果我們對AI的樂觀判斷一直是對的——但結果反而是利空，會怎樣？接下來只是一種情景推演，並非預測。這不是唱衰炒作，也不是AI末日論者的同人小說。本文唯一目的，是模擬一個相對缺乏探討的情景。”這份報告描繪了一場令經濟走向“死亡螺旋”的局面：AI取代白領崗位，導致他們失業且無錢消費，從而引發經濟崩潰。有關該報告的一條推文在X平台上獲得了2500多萬次瀏覽。如果這一切聽起來有點牽強，那麼在“市場先生”眼裡，這簡直就像諾查丹瑪斯本人敲響了開市鐘——儘管周二股市收復了部分失地。對此我只想說一句：“無聊。”請原諒我的直白，我早已聽過無數次彷彿來自同一台“末日機器”的預言。似乎每過十年或每一輪經濟周期，就會冒出一次新的預言，而這些預言往往很快就從“嚇人”變得“可笑”。以下是一些預言的例子，從已被證偽的，到偽科學的，再到離奇古怪的。• 羅馬俱樂部與《人口炸彈》在20世紀60年代末，羅馬俱樂部與生物學家保羅・埃爾利希所著的《人口炸彈》都預言：地球將因人口爆炸走向毀滅，因為糧食產量遠跟不上需求，引發大規模饑荒乃至人類滅絕。當然，這一切並未發生。如今我們更擔心的反而是人口出生率不足。• 石油峰值論1956年，殼牌公司的地球物理學家M·金·哈伯特發表了一篇論文，預測石油產量將在2000年達到峰值，年產量為125億桶，之後一路下滑，在2200年降至零。後者或許仍有可能發生，但前者顯然沒有。事實上，2014年至2018年間還出現過石油供應過剩，而去年的全球產量在370億至380億桶之間。• 全球變冷論是的，與全球變暖相對，20世紀70年代人們曾恐慌“全球變冷”，原因是人們當時認為氣溶膠（空氣中可能阻擋陽光的顆粒物）以及軌道強迫（地球軸傾角和/或地球繞太陽公轉軌道路徑的變化對氣候的影響）會產生冷卻效應。不用說，這一說法後來被證偽了。• 千年蟲危機（2000年1月1日）預言者堅信，使用兩位數字表示年份的電腦（例如用“99”代表1999年）會把“00”識別為1900年，從而引發大規模的工業崩潰。不過這並沒有發生；不過公平地說，當時確實存在至少發生一些問題的真實威脅——而正是通過投入巨資更新電腦系統才得以避免。• 1910年哈雷彗星毒氣恐慌備受尊敬的法國天文學家卡米耶·弗拉馬里翁被認為是引發這種恐慌的人，他提出地球將穿過彗星的尾部，並且存在“氰化物氣體會滲入大氣層，甚至可能讓地球上的一切生命都窒息滅絕”的可能。驚慌失措的人們搶購“彗星藥丸”和防毒面具。有些人還用膠帶把煙囪和門縫封起來。結果彗星來了又走了，什麼事也沒發生。• 《木星效應》這實際上是1974年兩位英國作家約翰·格里賓和斯蒂芬·普萊格曼出版的一本書的書名。他們預言，行星連珠將引發一系列災難，尤其是1982年3月10日聖安德烈亞斯斷層（當然是在加州）將發生一次大地震。那一天來了又過去了，無事發生。誠然，這次或許真的不一樣，AI也有可能最終毀滅人類。但請記住，“這次不一樣”是一句出了名的障眼法。別為此賭上全部身家。 (Barrons巴倫)