端側覺醒：當AI長出"身體"，熱鬧之後拼什麼？｜ WAIC2026

端側覺醒：當AI長出「身體」，熱鬧之後拼什麼？｜WAIC 2026現場直擊

2026年7月17日至20日，上海世博展覽館迎來世界人工智能大會（WAIC）九年來最洶湧的人潮。今年展覽總面積首次突破10萬平方米，超過1100家企業帶來3000多項展品，具身智能首次與智算並列為核心賽道，超過200家機器人企業同場競技。展場上最顯著的變化，是過去佔據C位的雲端大模型，如今被一群「長出」物理身體的AI設備包圍——會彈琴的、會拍球賽的、會擰螺絲的。展商的話術也從「你看我酷不酷」轉變為「我能幹這個活，能幫你省多少錢」。 與此同時，努比亞首發全球首款AI智能體手機，榮耀發佈Agentic OS，階躍星辰的端側輕量化Step Edge模型累計裝機量已達4200萬台。終端廠商的集中發佈，讓端側AI的落地成為今年WAIC最熱門的討論話題之一。事實上，端側AI的火爆早有引線：開幕前兩天，國家網信辦公佈首批7款手機端側大模型備案名單，蘋果、華為、小米、三星等主流品牌全數在列，面壁智能也作為唯一以端側模型能力參與備案的大模型企業入列，正式告別「無證駕駛」。政策放行、算力下沉、終端廠商集體下場，三股力量正把AI從「雲端集中發電」推向「終端分散式燃燒」。然而熱鬧背後，真正的問題才剛浮出水面：當AI長出「身體」，哪些能力必須長在設備裡？從眾籌爆款到規模量產隔著幾道門檻？軟硬體邊界消融之後，各家又靠什麼守住自己的生態位？ 在展期開幕式當晚，由鈦媒體與WAIC組委會聯合主辦的「WAIC UP！AI三極夜話」上，「端側智能覺醒」圓桌的四位創業者，恰好代表了端側智能的四個不同切面：趣丸科技副總裁賈朔讓AI長出「彈」的指尖，XbotGo聯合創始人兼COO張依真讓AI長出「拍」的眼睛，靈巧智能CTO兼聯合創始人朱豪華讓AI長出「抓」的掌心，維泛智能創始人兼CEO殷積磊則在為這些「身體」鍛造「想」的大腦。圍繞上述三個核心問題，他們給出了一場坦誠的現場推演。 AI一旦進入物理場景，第一道必答題就是端雲分工：哪些能力放雲端，哪些必須長在設備裡？四個場景給出四種答案，但底層邏輯出奇一致——從需求倒推，由即時性劃界。趣丸科技的路徑是從模型一路走到硬體：先有天譜樂音樂大模型，再有Tunee音樂Agent，最後落成一把全球首款生成式AI吉他。賈朔指出，AI音樂的產能已經爆炸，但耳機裡的聆聽始終是被動消費，而一般人「主動參與音樂」的需求是快速增長的增量市場。在端雲分工上，賈朔的劃分很清楚：音樂生成任務留在雲端，因為模態成熟度才剛達到一般人能接受的臨界點；而對用戶強互動時，即時敏感度高的提示響應、指引與回饋，則交由端側承載——雲端管創作，端側管互動。當軟硬體「打架」時，他的標準只有一條：「音樂是審美型的內容消費，必須質量夠好，才有其他」，質量優先，其餘皆可妥協。 XbotGo則經歷了一場從「雲」到「端」的產品躍遷。其AI體育相機前兩代主要依賴手機算力完成拍攝與捕捉判斷，到第三代產品「獵鷹」（Falcon），則搭載了6 TOPS的獨立AI處理器，把核心能力整體搬進設備。驅動這次躍遷的不是技術炫技，而是用戶的「零容忍」：用戶不可能容忍視頻拍完傳到雲端處理，幾秒鐘過去球已經進了。分工因此變得簡單清晰：識別球員、追蹤球路、決定拍全景還是zoom in，這些毫秒級響應必須在端側完成；而視頻後期處理、高光剪輯、數據分析等用戶能忍受時間滯後的增值服務，則交給雲端。 如果說消費級硬體的端雲分工是一條線，具身智能的分工就是一張多層網。朱豪華將靈巧手稱為「人身上的第二大腦」，集合了最豐富的觸覺、力覺感知和最精確的動作輸出。他給出的總綱是「端側自治完成任務，雲端負責進化」，但端側內部還要按時間尺度繼續分層：感知層的反射是千赫茲級，決策層的規劃是幾百毫秒級。他舉了一個反常識的例子：手碰到燙水杯，會在意識到燙之前就鬆開——動作先於感知，這正是端側毫秒級本能反應的價值。觸覺的挑戰更特殊：信號量極大且時延敏感，需要在觸覺層部署更小的專用模型，把脈衝信號提取出來、完成模式識別，在端側閉環。站在晶片視角，殷積磊把這張分工圖譜進一步抽象成算力光譜：智能硬體是「小端」，手機和車算力漸大，機器人則是需求最大的「大端」。端側分層的本質不是設備大小之爭，而是演算法與算力的適配。而具身智能正把這一矛盾急劇放大：傳統靈巧手靠小腦運控加強化學習，幾個TOPS就夠用；但當VLA、世界模型被蒸餾到端側，參數量從幾個B膨脹到幾十個B，算力需求隨之從幾個TOPS躍升至幾百甚至上千TOPS。四種答案拼在一起，恰好構成一幅端雲分工的連續光譜：即時性要求越高，端側權重越大；模型越依賴「大力出奇蹟」，雲端權重越大。邊界不是技術畫出來的，是用戶的「等不起」畫出來的。 找到場景只是拿到入場券，真正決定商業結局的，是能否從「做出一款產品」走到「規模化量產」。2026年被不少從業者稱為「具身智能商業化元年」，但這場圓桌揭示的現實是：量產不是某個技術節點的突破，而是場景、成本、供應鏈、工程化四重約束下的系統性突圍。第一重門是場景與用戶的可規模化。端側硬體的天花板，很大程度上取決於用戶畫像的寬度。賈朔用實戰數據給出驗證：天譜樂AI吉他去年底現貨發售，非常短的時間就破了千萬GMV，而驅動增長的不是傳統樂器愛好者，而是「喜歡音樂、對樂器淺嘗輒止」的一般人——一個遠比專業人群龐大的增量市場。他甚至對「降低學習門檻」這個流行話術提出產品定義層面的反駁：用戶付費買的從來不是「更容易的學習過程」，而是跳過痛苦、直達成就感的體驗。這個洞察與行業趨勢互為印證：終端廠商正在集體把AI能力做成「無感」的預設體驗，端側AI的放量，大多都始於「用戶不需要學」的場景。 B端的場景篩選則是另一套演算法。朱豪華給出了靈巧手的「1+3+N」框架：一個技術底座，錨定工業、電力、科研教育三個重點場景，再向N個場景延伸。篩選場景用三把尺子：環境的結構化程度、技術成熟度與安全倫理、ROI的清晰度與可規模性。工業場景SOP最清晰，大尺度的決策已由人規劃好，端側只需處理類似智能駕駛「路段級」的操作，複製成本低；家庭場景高度非結構化，需要大量雲端算力兜底——所以B端工業先行，C端家庭後置。殷積磊補充了節奏差異：C端的細分場景如掃地機器人已驗證超過十年，正沿著割草、泳池清潔、鏟雪等品類向海外延伸；B端則集中在「人去不了」和「人不願幹」的剛需領域。不管哪個場景，規模化的第一線原理是：場景需求必須來自真實的行業痛點，不能是偽需求。 第二重門是成本。量產消費電子的成本天花板，往往不由技術方案決定，而由「用戶願意付多少錢」決定。賈朔對此深有感觸：端側算力、儲存成本在供需關係推動下持續走高，連蘋果都要漲價，產品開發者也是帶著腳鐐在跳舞。殷積磊從晶片上游揭示了成本的傳導機制：一顆高端端側AI晶片本身就要幾千甚至上萬元，加上外圍器件，整機方案居高不下，人形機器人本體動輒幾十萬元，比一輛車還貴，大部分消費者根本買不起。由此形成一個死結：「有量以後價格自然會降下來，但價格降不下來又很難起量。」他的結論很坦誠：「這不取決於我們公司本身，是整個行業的問題。」

第三重門是供應鏈。這是從「眾籌爆款」走向「年銷數萬台」的最大門檻。張依真的體會最直接，去年XbotGo的第三代產品獵鷹在Kickstarter上斬獲250萬美元眾籌，但「眾籌只是預售驗證，量產才是供應鏈戰爭」。交付延期、儲存等元器件全線漲價、產能爬坡，每一項都是陣痛。更棘手的是用戶心態的切換：眾籌支持者有容錯率，能接受產品不完美；量產後面對一般消費者，用戶對承諾的功能和穩定性會提出非常高的要求，從「高包容」到「零容忍」，留給團隊修bug、迭代軟體的窗口期被急劇壓縮。 第四重門是工程化。量產交付的不是實驗室樣機，而是工業級的一致性。在人人搶跑「量產元年」的氛圍裡，靈巧智能反而選擇不急於盲目鋪量。他們在WAIC現場發佈的新一代繩驅靈巧手樣機早在2025年5月就已發佈，團隊卻又花了整整14個月，去解決壽命、可靠性、溫升等一系列工程化問題。朱豪華說，用戶買的不是Demo，而是能在產線上連續運轉數千小時的生產工具，這14個月是「場景優先」戰略下必須支付的成本。殷積磊從晶片視角點出了量產背後更深的雙重瓶頸：演算法層面，VLA與世界模型的跨場景泛化目前還在百家爭鳴，演算法不固定，晶片架構就缺乏穩定的定義錨點；數據層面，演算法固定以後還要解決最後一公里的數據問題，仿真合成數據能降低部分成本，但落到固定場景最終仍需真機數據，成本依然很高，而觸覺等多模態感知的數據積累尚在早期。這意味著機器人大腦晶片的量產從來不是「主動放量」，而是被上下游牽引的結果。四重門疊在一起，量產的完整圖景才算清晰：場景定義天花板，成本決定生死，供應鏈考驗組織，工程化構築壁壘。而打破「沒量降不了價、價高起不了量」這個死循環，需要的不是某一家的衝刺，而是全行業正向循環的逐步打通。 當軟體公司開始做硬體，硬體公司開始做軟體，曾經涇渭分明的產業邊界正在消融——字節推出AI錄音硬體，OpenAI涉足硬體，大疆以硬體起家卻把飛控軟體做到極致。跨界之後，真正的考驗不再是「能不能做」，而是「靠什麼守住自己的生態位」。四位嘉賓交出了四份不同的答卷。趣丸的答案是「開放API，自閉環硬體」。趣丸在模型層和Agent層向合作夥伴敞開，但同時強調，有許多解決方案與體驗沒有辦法簡單透過雲端端口做完整交付——端側硬體既是生態的入口，也是自閉環的商業載體。這套打法已有初步驗證：趣丸的純應用端已實現經營層面打平，而硬體與Agent應用之間的深度打通，節奏會放得穩健一些。開放是姿態，自閉環是底氣。 XbotGo看好的是軟硬融合的價值循環。張依真以字節的AI錄音硬體為例：強大的軟體能力加上硬體載體，能讓更多用戶經由硬體進入軟體生態。XbotGo正沿著同一條路徑，從「一台相機」走向「垂類多平台」：拍攝之外，圍繞高光剪輯、球隊管理、培訓教練等不同角色提供軟體訂閱服務。硬體是入口，軟體是第二增長曲線——儘管她坦言收費模式還在驗證過程當中，但很明顯能看到這個事情是可以發生的。靈巧智能則把寶押在最難採集的「物理數據」上。朱豪華認為，數據基本上決定了整個模型的上限，現在所有易獲得的數據基本都是視頻數據，但操作不可避免要有和物體的物理接觸，這種接觸數據非常難採集，甚至還有更難的肌肉力等內生力數據。在視頻數據日趨「白菜化」的今天，誰能把觸覺、力控這些物理數據表徵出來、打通感測器與模型，誰就握住了下一個競爭壁壘——靈巧手，本質上是挖掘這座金礦的鏟子。 殷積磊的生態觀則最具「挑戰者」色彩。面對NVIDIA在部分細分市場佔據七八成甚至超過九成市佔的現實，他給出的答案是以開源換生態：像Android挑戰iOS、RISC-V挑戰ARM那樣，把底層IP儘可能開源出去，讓更多人反饋、用起來，生態自然而然就能繁榮。他甚至拋出一個頗具爭議的判斷：AGI是一個「打引號的偽命題」——各個場景需求不同，演算法就不同，如同人有不同工種；但所有工種都長著同一個腦子，手也好、算力晶片也好，有可能成為統一的平台，而平台必須足夠開放。他也留下一句務實的警醒：「如果是一個不好用的東西，肯定沒人願意用。」開源只是放大器，好用才是前提。四份答卷路數不同，卻指向同一個終局判斷：生態的終點不是封閉，而是開放中的差異化——開放的「度」各有不同，但核心能力必須長在自己手裡。至於誰能贏，賈朔的總結或許最接近答案：「跟出發點沒有關係，哪一條路線都有可能做出極強的優勢。最終誰能最先抓住應用側的場景，找到可量產、可規模化的真需求，才是真正的勝負手。」

回望這場討論，四位創業者其實在共同回答一個問題：端側智能的「覺醒」，究竟意味著什麼？它不是把雲端模型塞進設備那麼簡單，而是意味著AI第一次要直面物理世界的全部約束——毫秒級的即時性、斤斤計較的BOM成本、供應鏈的每一次漲價、產線上數千小時的連續運轉。雲端的AI可以永遠活在演示影片裡，端側的AI卻必須在真實世界裡「幹活」。正如朱豪華的開場觀點：端側覺醒的考場，不在於一個全能的身體，而在於一雙能在現場幹活的手。十年前，行動網路爆發不是因為手機晶片更快，而是因為觸控螢幕、App Store和4G網路在同一個時間窗口完成合圍。今天的端側智能，正站在相似的前夜：政策備案打開合規通道，端側算力跨過可用門檻，模型廠、終端廠、晶片廠在同一張牌桌上落座。缺的不再是單點技術，而是那個讓演算法、數據、本體、成本同時收斂的時間窗口。覺醒是一瞬間的事，長大卻需要整個產業的耐心。當喧囂的展館燈光熄滅，真正的競賽才剛開始——在用戶「等不起」的毫秒裡，在供應鏈的帳本上，在產線數千小時的運轉中。誰先熬過這場成人禮，誰就能定義AI與物理世界相處的下一個十年。