終於！Agent賽道，不再是自回歸（AR）模型一家獨大。 長期處於非主流位置的擴散模型，也開始有了一席之地。 這些年但凡叫得上名字的Agent，從ChatGPT到Claude，底層清一色因果自回歸LLM。 逐Token生成慢是慢了點，但行業默認，Agent的大腦只能如此。

之前和一位做工業軟體To B的老闆聊天，今年砸了200萬上線“AI三件套”：大模型寫銷售郵件、AI生成投標提案、智能會議紀要，結果半年下來，銷售團隊效率只提了3%，業績紋絲不動。他吐槽：“這AI除了會拍馬屁，啥用沒有。” 這不是個例。麥肯錫剛發佈的《2026年B2B銷售未來報告》裡，藏著一個戳破AI泡沫的殘酷真相：90%的企業AI試點都在“偽落地”，只有不到10%的企業真正拿到了AI的商業價值。而拿到結果的玩家，根本不是在“用AI做工具”，而是在“用AI重構整個工作流”。 今天我們就把這份近未來的行業預判拆透，你會發現：這套邏輯不止適用於銷售，更是所有行業AI落地的通用解法。 一、所有AI落地的痛，本質都是“沒碰工作流”

今年的世界人工智慧大會WAIC，AI Agent幾乎無處不在。但逛完一圈你會發現一個有意思的現象：大部分展台上的Agent還在“展示能力”，寫首詩、做個表、畫張圖。 而有一個叫鈦動科技公司的展台前，人們在排隊“讓Agent幹活”。 我在這個展台前站了十分鐘。旁邊一個做跨境電商的人直接給一個Agent下達任務：“幫我找英美區泳池機器人達人。” 幾秒後，系統列出了5個候選達人，問他要不要發合作郵件。他說“發吧”，5封郵件傳送成功。

昇騰950超節點（Atlas 950 SuperPoD）真機首次公開亮相 7月17日，2026世界人工智慧大會（WAIC）在上海世博中心拉開帷幕。昇騰950超節點（Atlas 950 SuperPoD）真機首次公開亮相，成為本屆大會備受矚目的焦點。 業界最大規模超節點 Atlas 950 SuperPoD ，面向大規模資料中心建設、兆級大模型訓練與中心高並行推理場景算力需求，憑藉“超大頻寬、超低時延、統一記憶體編址”三大核心優勢，築牢Agentic AI時代新一代標竿算力底座。此外，昇騰重點展示了開源開放的基礎軟體生態，依託CANN、Mind系列等基礎軟體，持續最佳化開發體驗、降低創新門檻，為大模型技術快速迭代提供開放生態支撐。依託硬體與軟體雙重優勢，昇騰持續賦能千行萬業，本次大會集中展示20多個行業落地標竿案例，高效推動人工智慧從技術創新走向規模化商業落地，加速全行業智能化躍遷。 01 昇騰950超節點（Atlas 950 SuperPoD）真機首次亮相

過去兩年，大模型的競爭主要圍繞模型能力展開，而隨著 AI Agent 快速進入開發、辦公和科研等場景，行業關注點正在發生變化：如何讓Agent安全、自主、可靠地完成真實世界中的複雜任務，以及當數以百萬計的Agent開始在網際網路上相互協作、談判和交易時，人類社會將迎來怎樣的重塑？ 在 Google DeepMind 最新一期播客中，研究科學家 Nenad Tomasev 圍繞 AI Agent 的未來展開了討論，內容涵蓋 Agent 的定義、科研應用、智能體安全（Agentic Security）、智能體經濟（Agentic Economy）、認知單一化（Cognitive Monoculture）以及分佈式智能（Distributed Intelligence）等多個話題，並提出一個值得關注的觀點：未來 AI 的演進方向，未必是單一的超級 AGI，而更可能是由大量專業智能體協作組成的智能體社會。 01. 從生成文字到執行行動，Agent相較於模型的重要意義 要洞察這場變革，首先要理解 LLM 與Agent之間的本質區別。雖然Agent在底層依然依賴 LLM 作為“大腦”來制定計畫，但其核心進化在於增加了一個能夠與現實世界互動的“外殼”（Harness）。

當Agentic AI 帶動算力結構大洗牌，AI 的野火已從GPU 一路燒向伺服器CPU，徹底點燃了高階ABF 載板的世紀大缺貨，在晶片尺寸與疊層複雜度極致飆升下，產業定價權的爭奪戰已讓市場全面轉向賣方主導，誰能靠製程壁壘與策略結盟，斬獲長線獲利翻倍的終極紅利？ 本輪ABF 載板行情的定性，已擺脫過去消費性電子帶動的傳統循環，在多個AI Agent 協作的架構下，CPU 扮演工具調度與任務控制的核心，研調機構預估，PC 在整體ABF 消費中的佔比將從2020 年的61% 驟降至2028 年的10%，而AI 晶片與伺服器CPU 的合計佔比將攀升至85%，預估2026 至2028 年缺口將依序擴大至8%、27% 與35%，確認本輪ABF 多頭至少還有4 至5 年的延續性。 從供給端來看，產能受限的警訊接二連三，全球ABF 膜龍頭味之素(Ajinomoto) 已鬆口採取成本轉嫁策略，日本載板大廠Ibiden 更將2026 財年資本支出暴增至2100 億日元，並直言2028 年高階ABF 需求面積將較2024 年狂飆10.7 倍，隨著載板層數拉升至16 至24 層，關鍵原料T-glass 玻纖布供應瓶頸至少延續至2027 年，至於玻璃載板技術，因鍍銅與壓合良率短期難突破，2030 年前難大規模量產，實質衝擊有限。 在供需缺口直達長線的背景下，載板廠展現強大的議價與成本轉嫁能力，目前高階訂單交期延伸至1.5 到2 年，客戶為了鎖定產能，甚至願意提供長期資金協助擴產，使台廠的營運槓桿大幅釋放，長線獲利空間正式被打開。

《半導體工程》雜誌邀請了ChipAgents全球客戶成功副總裁Cindy Cui、 Silvaco首席執行長Wally Rhines 、Moores Lab AI首席執行長Shelly Henry、Breker Verification Systems首席執行長Dave Kelf、Verific人工智慧開發主管Vince Wong以及Silimate首席執行長Ann Wu，共同探討在晶片設計和驗證中使用智能體人工智慧的優缺點。 此次小組討論在近期舉行的2026年ESD聯盟高管展望會議上面向現場觀眾進行。 SE：EDA領域的熱門新話題是智能體AI。它將在半導體設計和驗證方面發揮那些作用？您認為它又存在那些潛在問題？ Cui：智能體人工智慧將重塑整個設計流程。它現在已經開始發生了。我們正在討論很多應用場景，從設計驗證（DV）到從右到左的文字生成，再到使用者模型（UVM）、形式化設計，以及未來的前端到後端設計。它已經幫助很多工程師加快了設計周期。所以它正在發生，而且現在已經很成熟了。至於未來的挑戰，我們面向全球數千使用者，我們認為真正的挑戰不僅僅在於技術本身，還在於組織轉型——如何引導工程師適應新的解決方案並建立團隊合作。這方面還有很多工作要做。我認為整個行業都必須攜手合作，幫助我們為此做好準備。

在2026年美國銀行全球技術會議上，AMD首席財務官Jean Hu與美銀半導體分析師Vivek Arya進行了一場深度對話。Jean Hu簡清晰闡述了AMD如何看待由Agentic AI驅動的增長邏輯、資料中心CPU市場的結構性擴張、下半年AI加速器的大規模出貨計畫，以及諸多面向2027及以後的建設性戰略部署。 一、核心論點：Agentic AI正在重塑資料中心計算範式 1.1 Agentic AI：超越了問答層面的智能體推理 會議最重要的一個判斷落在技術範式的轉型上。胡簡明確指出，過去幾個月中行業最重大的變化是 “Agentic AI的崛起與拐點”。她從三個維度拆解了這一轉型：