今天（7 月 17 日） ， ，WAIC 2026 正式拉开大幕。。每年这个时节我们都会被种种新产品、新看法刷屏。；；；；；乜 AI 今年走过的轨迹， ，能察觉一种更有实感的转变：AI 不再只是被展示、被挪用， ，而是拥有了更明确的“行动感”。。我们从五个数字出发， ，视察 AI 从“回覆问题”走向“完成使命”的几个要害切片。。
1、“38 万+”
38 万+， ，是 OpenClaw 阻止 7 月初在 GitHub 上获得的星标数目。。降生不到一年， ，这个从个人项目起步的开源 Agent 助手， ，已经跑出了远超许多经典开源项目早期阶段的增添速率。。随后席卷中文互联网的“养龙虾”热潮， ，把它从开发者社区推向了更公共的讨论场。。
热度来得快， ，底层情绪也简朴：人们期待 AI 不但是回覆问题， ，而是直接把活儿干了。。
这个期待在许多场景获得知足：Coding Agent 率先验证商业化， ，金融、医疗、教育等垂类加速试水；；；；；OPC（一人公司）成为新的创业想象——一个人配一套 Agent 矩阵， ，撑起已往需要小团队完成的营业。。
从“能说事儿”到“能下手”， ，背后尚有一个值得关注的新转变：Agent 改变的不但是产品形态， ，尚有入口逻辑。。当用户最先在谈天窗口里派使命， ，入口可能属于谁人最先明确目的、拆解使命、组织执行的 Agent。。
但下手只是最先。。怎样才华捉住 Agent 的真入口？？？以下是凯时AG一点思索：Agent 的入口价值， ，不可只靠“会干活”。。
Agent “会干活”自己并不即是入口。。尤其在 2C 场景里， ，通用模子和大厂产品会笼罩大宗轻量需求；；；；；若是一个 Agent 只是把基础模子能力包装成更随手的交互， ，很容易在下一轮模子升级或系统级入口整合中失去位置。。
真正有时机形成恒久价值的 Agent， ，需要进入更深的使命链条：高频、重大、依赖详细事情流， ，并在使用历程中沉淀上下文、影象、私有数据和交付反馈。。这里的要害不但是效率提升和本钱压缩， ，更在于能否形成数据飞轮、用户关系和交付闭环， ，甚至建设新的激励机制， ，让用户、专家或组织在孝顺手艺、数据和事情流的同时获得回报。。重新组织人与 AI、人与平台之间的协作关系， ，才可能形成更恒久的网络效应。。
因此， ，判断一个 Agent 是否具备入口价值， ，要害看它是否占有了 AI 生态中的要害位置：是明确和挪用天下的底座能力， ，照旧毗连用户与使命的事情入口， ，抑或是深入详细场景的专业执行者。。
沿着这条链路， ，今天 Agent 创业时机也正在形成几个要害偏向：提供模子与 Agent 基础能力的智能底座、重新界说人机协作方式的通用 Agent / Agent Computer， ，以及进入详细营业流程的笔直场景 Agent。。
2、“81.36%”
81.36%是统一个模子换上一套更完整的 Harness 架构后， ，在一项编程 Agent 基准测试里抵达的使命乐成率（引自“Recursive Agent Harnesses”， ，arXiv:2606.13643）。。模子自己没有转变， ，此前用简朴执行循环时， ，效果只有71.75%。。
近 10 个百分点的提升， ，反映出当 Agent 最先真正干活， ，决议效果的尚有模子这个“大脑”之外的运行系统—— Agentic Infra。。
2026 年， ，Agentic Infra 成为话题焦点， ，Harness 是其中讨论度很高的看法：它为 Agent 装上约束与控制系统， ，将上下文、使命状态、工具挪用、效果验证等环节组织起来， ，让 Agent 不但“会跑”， ，还能“稳稳地跑”。。而 MCP、Sandbox、Memory、Evals、Guardrails 等实质上也都在解决统一个问题。。
讨论之外， ，工业实践也向基础设施层进一步延伸。。大模子厂商纷纷补齐 Agent 运行情形和长使命执行能力， ，资源市场也进一步关注 Agent 执行基础设施。。市场数据显示， ，今年以来， ，专注“Agent 执行基础设施”的创业公司生意笔数已占 Agentic AI 领域近两成， ，但融资金额占比不到 6%。。
这一定水昭雪映出， ，只管地基必需有人建设， ，但哪些环节最终能形成自力价值， ，行业还在强烈碰撞。。关于这个问题， ，我们也有一点小小思索：Agentic Infra 的时机， ，在模子之外。。
AI 应用和 Agent 的爆发， ，算力基建逻辑从“算力堆砌”向“系统重构与 Token 转化”睁开。。上一轮大模子竞争更多围绕训练规模睁开， ，焦点是扩大集群、增添算力；；；；；而随着推理需求快速增添， ，竞争最先从“拥有几多 GPU”转向“怎样更高效地爆发 Token”。。
一个要害判断标准是：它是否需要服务多模子、多云情形。。若是一项能力必需坚持模子无关（model-agnostic）， ，就更难被简单模子厂商完全内置。。例如 Evals、Observability、Guardrails、清静审计等， ，都需要在差别模子、差别系统之间坚持自力。。
另一个判断标准是， ，它是否毗连了模子厂商之外难以复制的奇异数据网络、现实天下资源等。。企业权限、身份认证、支付、工具毗连器等能力， ，需要恒久的生态积累和系统接入， ，不会随着模子能力提升而自然消逝。。
因此， ，Agentic Infra 的创业时机， ，未必在离模子最近的层， ，而更可能泛起在跨模子、跨云、跨企业系统的要害毗连点。。能否形成数据壁垒、生态网络和合规能力， ，可能比纯粹的模子适配能力更决议恒久价值。。
3、“7500 亿美元”
一场 AI 基建竞赛正在睁开。。2026 年， ，全球头部云服务商及数据中心运营商预计投入约 7500 亿美元资源开支（引自S&P Global Ratings的展望）， ，押注下一代算力基础设施——这笔钱靠近瑞典一年的 GDP 规模。。
AI 应用的热度， ，最终都会落到一个现实问题上：谁来生产、传输、存储和交付这些 Token。。
现在需求侧的转变在中国市场格外显着：OpenRouter 数据显示， ，中国大模子挪用量在 2026 年 2 月首次反超美国模子， ，一年多前， ，这个占比还不到 2%。。更自制、更可用的模子， ，让 Token 消耗最先快速外溢。。
但决议这条曲线能不可继续往上走的， ，不但是模子自己， ，尚有背后的算力基建。。Token 正在成为这个时代的基础资源， ，工业逻辑也随之而变——它不再只拼谁有更多 GPU， ，而是拼一整套新的工业底座：芯片架构、光互连、存储、先进封装、质料、散热、电力、制造能力， ，以及更高效的推理供应。。
需求侧在爆发， ，供应侧在重构。。算力基建的竞争逻辑也在爆发转变。。关于这个话题， ，以下是凯时AG一点思索：下一代算力基建， ，竞争在系统效率。。
AI 应用和 Agent 的爆发， ，算力基建逻辑从“算力堆砌”向“系统重构与 Token 转化”睁开。。上一轮大模子竞争更多围绕训练规模睁开， ，焦点是扩大集群、增添算力；；；；；而随着推理需求快速增添， ，竞争最先从“拥有几多 GPU”转向“怎样更高效地爆发 Token”。。
未来算力中心的定位可能更像一座“Token 工厂”：焦点指标不但是峰值算力， ，而越来越多审核“有用Token产出率”和“单位Token推理本钱”。。随着万卡、十万卡集群面临通讯、散热、供电等物理约束， ，工业竞争也最先从单点扩容走向系统级优化。。
因此， ，判断算力基建时机， ，要害不但是看短期供需， ，而要看它是否追随手艺架构演进。。真正值得恒久关注的环节， ，可能来自难以绕开的物理约束和系统瓶颈——突破带脱期制的光互联， ，提升集效果率的先进封装， ，或降低推理本钱的软硬件协同， ，都可能成为下一轮算力竞争的要害卡位点。。
4、“2小时40分-50分26秒”
这是去年到今年人形机械人半程马拉松冠军效果的转变。。一年的时间， ，机械人选手们就从委屈完赛， ，完成了比人类半马天下纪录还快近 7 分钟的重大跨越。。
虽然这并不代表机械人已经学会像人一样奔驰——赛场上仍有摔倒、换电、远程干预。。但AI进入物理天下的速率， ，正在显着加速。。
转变不止爆发在机械人身上。。模子端， ，天下模子正在成为 Physical AI 的主要蹊径之一：机械人要学会的不再只是识别图像， ，而是在“脑内”预演行动可能带来的物理效果。。DeepMind 的 Genie 3、英伟达 Cosmos 等都在推动这条蹊径向前。。
马路上， ，NOA 方案进一步普及， ，天下也已有 26 座都会开放无清静员Robotaxi商业化收费运营；；；；；无人配送行业规模则在上半年从千台级跃至万台级， ，月度配送量破 300 万单。。车厢里， ，座舱大模子正从“听得懂”转向“行动乐成率”。。在更多日常时刻， ，一副眼镜、一只玩具， ，都在被重新装进 AI 能力。。
虽然， ，AI 进入物理天下的故事只是个最先。。下一步该看什么？？？以下是凯时AG一点思：AI 进入物理天下， ，下一步看什么？？？
AI 进入物理天下， ，并不是突然从人形机械人最先的。。已往几年， ，机械人、自动驾驶、AI 硬件等偏向已经划分完成磷菩知、决议、控制和工程落地的积累；；；；；现在天， ，随着天下模子、VLA、强化学习、视觉推理等继续希望， ，这些路径向统一个目的靠近：让 AI 在真真相形里完成使命。。
机械人半马验证的只是其中一层能力。。locomotion 正在前进， ，但真正进入家庭、工厂、蹊径和公共空间， ，还要解决 manipulation、场景泛化、长尾数据、使命妄想、失败恢复和规；；；；；桓兜认盗形侍。。
因此， ，下一阶段更主要的不但是单点手艺， ，尚有系统工程能力：数据从那里来， ，仿真能不可补足长尾， ，模子能否预演行动效果， ，本体和焦点零部件是否可靠， ，供应链能否支持规模交付， ，场景是否足够刚需。。
差别场景会长出差别形态——机械人、无人车、智能座舱、个人 AI 终端……但一个配合的验证标准是：AI 是否能在详细场景里一连完成有价值的使命。。关于 AI Native 硬件， ，还要进一步看， ，AI 是否真正改写了产品界说。。
5、“∞”
最后一个数字， ，是∞， ，代表未来。。
2026 年上半年， ，AI 的主线看起来越来越“现实”：Agent 接活， ，机械人进场， ，算力继续加码。。但在与此同时， ，一些新的接口也在提宿世长。。
量子盘算是通往下一代盘算能力的接口——今年一季度， ，海内量子领域果真融资规模已靠近去年整年；；；；；脑机接口， ，是人类状态与智能系统之间的接口——Neuralink 妄想在 2026 年启动装备高通量生产， ，海内多部分也定下 2027 年推动医疗级应用和重点场景树模的时间表；；；；；商业航天是把感知、通讯和盘算延伸到空间的接口——7 月 10 日长征十号乙运载火箭完成我国首次运载火箭一级可控接纳， ，商业航天正从“能上天”一连走向更低本钱、更高频词、更可一连的太空基础设施；；；；；AI for Science 和 AI 虚拟细胞， ，则是在科学系统内部翻开新的接口——从辅助科研工具， ，到加入假设天生、机制明确和效果展望， ，科学发明自己正在被重新组织。。
它们未必已经进入大规模挪用， ，却可能决影响着 AI 下一步能挪用什么、明确什么， ，以及抵达那里。。
泉源：云启资源
