WAIC 2026 定调:AI Agent 走出对话框,进厂打工

7月20日,2026世界人工智能大会(WAIC 2026)在上海落幕。与往届最大的不同是:展馆里不再比拼谁家模型参数更大,而是比拼谁的 Agent 能真正干完一件活。

从2023年的”对话”到2024年的”生成”,再到2025年的”推理”,AI 行业的叙事在2026年迎来了第三次范式转换——从”AI 能说什么”变为”AI 能做什么”。本届 WAIC 上,蚂蚁数科、阿里云、腾讯、以太之心等企业密集发布了面向真实业务场景的智能体方案,标志着企业级 AI Agent 正式进入”进厂打工”阶段。

从”超级模型”到”超级工厂”

蚂蚁数科在本届 WAIC 上发布了商业智能体超级工厂 Agentar 2.0,预置近200个岗位级数字专家模板,提供数百个可订阅的开箱即用智能体工具。蚂蚁数科 CEO 赵闻飙在演讲中用了一个生动的比喻:”工业时代,当机器越来越多,诞生了现代工厂。软件时代,当代码越来越复杂,建立了软件工程体系。那么 AI 时代同样需要一种新的基础设施,让百万智能体高效、可信协作。”

这不是概念演示。Agentar 2.0 已经在金融、能源、餐饮等场景中产生了可量化的结果:宁波银行依托该平台搭建”智能化决策流水线”,复杂问答准确率从68%提升到91%;能源公司林洋智维建设”电力交易流水线”,人力成本下降60%,策略生成速度提升20倍以上;杭州绿茶餐厅用 AI 实现7×24小时后厨品控。从跨国企业到中小商家,”超级工厂”正在成为新的生产力标配。

大厂集体转向:做 Agent,不做 Chatbot

腾讯 WorkBuddy 在 WAIC 期间正式上架鸿蒙电脑应用市场,成为鸿蒙平台首个桌面办公智能体。据腾讯方面透露,WorkBuddy 目前已成为国内日活最高的办公效率智能体。阿里则在 WAIC 期间发布了 Agent Native Cloud——一套覆盖基础设施、开发平台和云桌面的企业级智能体方案。阿里云云原生应用平台负责人周琦直言:”下一轮竞争,比的不是谁拥有更多 Agent,而是谁能把 Agents 变成可控、可复用、可协作、会进化的组织资产。”

就在 WAIC 结束一周后,阿里”千问办公”开始小范围测试,美团”小团”宣布从”问小团”升级为”让小团帮忙”——全面支持下单、打车、订位等实际操作。大厂们正在结束内部赛马、集中资源打造主力 Agent 产品,争夺下一代生产力入口。

标准化与治理:Agent 走向产业的最后一块拼图

值得关注的是,中国在本届 WAIC 同期实施了全球首个专门针对 AI Agent 的约束性监管框架——《智能体规范应用与创新发展实施意见》,建立了智能体自主决策的分级授权体系。同时,中国信通院联合华为、阿里、中国移动等机构发布了《智能体互联互通协同发展与治理倡议》,国家市场监督管理总局批准发布了 GB/Z 185-2026《人工智能 智能体互联》国家标准。

Cloud Security Alliance 2026年4月的调查显示,47%的受访机构报告发生过 AI 智能体相关安全事件。天云数据 CEO 雷涛在接受采访时指出:”标准化的车轮已经启动。跟上的企业和没跟上的企业,差距会逐步显现——当一批企业可以像搭积木一样自由组合 Agent 能力时,另一批企业还在为每一个 Agent-to-Agent 连接写定制代码。这差距,不是技术差距,是认知差距。”

2026年 WAIC 教会行业的一件事是:AI 的下一章不是更聪明的模型,而是更靠谱的 Agent。大模型是引擎,Agent 是整车——客户要的是能跑起来的车,不是一台裸引擎。

我想要的是持续工作的 Agent,不是另一把 API Key

当我提出“每天早上八点,让 Agent 自动为网站产出一篇文章”时,系统首先给出的答案,是检查 API Key。

这在工程上并没有错。一个部署在 WordPress 里的生成程序,需要模型、凭据、调度器和费用来源。但我的第一反应仍然是拒绝:我想要的是一个能够持续承担工作的 Agent,而不是为了自动化,再购买一条新的模型调用通道。

这个很小的分歧,让我重新意识到:我们经常把“拥有模型访问能力”误认为“拥有了 Agent”。它们其实是两件不同的事。

API 解决调用,Agent 解决责任

API Key 解决的是身份认证和计费。程序拿到它以后,可以在指定时间向模型发送请求,再把结果写回数据库。链路看起来完整,但它仍然没有回答几个更重要的问题:

  • 今天是否真的有值得写的新内容?
  • 哪些材料是事实,哪些只是公司的产品宣传?
  • 文章是否重复了过去一个月已经表达过的观点?
  • 模型有没有编造我的经历,或者把探索中的判断写成行业定论?
  • 出现来源冲突时,系统应该停止、降级,还是继续发布?

这些问题都不是“再调用一次更强模型”自然能够解决的。它们需要长期状态、编辑规则、来源记录、失败行为、人工审批和可恢复的执行过程。

所以,API 是执行通道,Agent 更接近一种责任结构。前者回答“如何发出请求”,后者回答“什么情况下应该行动、行动到哪一步、失败后由谁承担后果”。

订阅与 API 的边界,也是一种产品边界

ChatGPT/Codex 的订阅能力与 API 平台采用不同的计费和运行方式。把自动化部署进网站,通常会走 API;让 Codex 在桌面应用的定时任务中继续处理本地项目,则是在另一种产品边界内运行。

这并不意味着后者没有成本。它仍然受到订阅额度、机器在线状态、网络权限和后台任务能力的限制。它也不意味着一个聊天窗口会天然获得永久记忆。真正能够延续的,是被保存下来的技能、规则、项目文件、WordPress 历史文章和每一次运行记录。

换句话说,我拒绝再买一把 Key,并不是在寻找“免费的无限智能”。我真正想避免的是,把一个运行时问题过早地简化成模型采购问题。

风格也不能只放在 Prompt 里

如果每天的写作只依赖一段提示词,时间一长,它很容易退化成一种看起来像我的通用 AI 文风:频繁使用“我认为”,习惯先下宏大结论,再补几个正确但空泛的理由。

我的真实表达并不是一组词汇偏好,而是一组认知约束:不把 Demo 当成交付,不把 Benchmark 当成业务价值,不把架构判断当成已经验证的行业规律,也不通过虚构客户、数字和失败经历来增加可信度。

因此,所谓“学习我的风格”,至少要保存三类东西:我长期认可的判断,我明确承认的局限,以及我不愿意用来证明自己的表达方式。只有前两类而没有第三类,模型仍然很容易生成一个比真实的我更自信、更成熟,也更不可信的人设。

先让它成为编辑,再让它成为发布者

最终我选择的方案,不是让 WordPress 在八点直接调用模型并公开发文,而是让 Codex 的定时任务每天完成一次编辑流程:检查历史文章,选择“AI/Agent 新知”或“个人感悟”,研究来源,建立事实账本,完成去重和风格检查,然后把结果保存为草稿。

这里最重要的设计不是定时,而是默认停在草稿。因为文章一旦以我的名字发布,它就不再只是模型输出,而会成为我的公开判断。模型可以生成文字,但不能替我承担事实错误、身份夸大和长期声誉的后果。

我并不反对未来自动发布。只是自动发布应该是多次稳定运行后的结果,而不是系统刚能生成文字时的默认选项。先观察十四次草稿,检查它在哪些地方重复、夸张、误解或过度迎合,再决定是否把发布权交出去。这比一开始追求“全自动内容矩阵”慢,却更接近我对 Agent 的理解。

真正需要持久化的不一定是对话

这次选择再次验证了我之前的一个判断:Context 不一定等于 Memory,聊天记录也不一定等于项目状态。

每天八点重新唤醒一个模型并不困难。困难的是,它能否重新找到同一套思想边界、知道最近写过什么、记住哪些判断仍然只是研究假设,并在证据不足时选择不写。

真正值得持久化的,是能够被检查和修正的规则、事实来源、文章历史、审批状态与失败记录,而不是无限增长的聊天记录。模型负责今天的理解和生成,运行时负责让今天不会完全遗忘昨天。

如果这个内容 Agent 最终能够稳定工作,它证明的也不会是“AI 已经可以替我思考”。更准确地说,它证明的是:当人的立场、证据边界和责任规则被写清楚以后,AI 可以承担一部分重复的编辑劳动,而人仍然保留最后的判断。

参考资料