1月8日，北京智源人工智能研究院（以下簡稱“智源研究院”）發布年度報告《2026十大AI技術趨勢》。報告指出，人工智能的演進核心正發生關鍵轉移：從追求參數規模的語言學習，邁向對物理世界底層秩序的深刻理解與建模，行業技術范式迎來重塑。

發布會上，智源研究院理事長黃鐵軍分享了他的技術趨勢觀察：AI的發展要重視“結構決定功能，功能塑造結構”的相互作用。當前人工智能正從功能模仿轉向理解物理世界規律，這一根本轉變意味著AI正褪去早期狂熱，其發展路徑日益清晰，即真正融入實體世界，解決系統性挑戰。

智源研究院院長王仲遠在解讀趨勢時指出，基礎模型的競爭，焦點已從“參數有多大”轉變為“能否理解世界如何運轉”。他指出：我們正從 “預測下一個詞”跨越到“預測世界的下一個狀態”。這標志著以“Next-State Prediction”（NSP）為代表的新范式，正推動AI從數字空間的“感知”邁向物理世界的“認知”與“規劃”。

報告認為，2026年將是AI從數字世界邁入物理世界、從技術演示走向規模價值的關鍵分水嶺。（袁寧）

以下為十大趨勢的主要內容：

趨勢1：世界模型成為AGI 共識方向，Next-State Prediction 或成新范式

行業共識正從語言模型轉向能理解物理規律的多模態世界模型。從“預測下一個詞”到“預測世界下一狀態”，NSP范式標志著AI開始掌握時空連續性與因果關系。以智源悟界多模態世界模型為代表驗證了這一路徑，推動AI從感知走向真正的認知與規劃。

趨勢2：具身智能迎來行業“出清”，產業應用邁入廣泛工業場景

具身智能正脫離實驗室演示，進入產業篩選與落地階段。隨著大模型與運動控制、合成數據結合，人形機器人將于2026年突破Demo，轉向真實的工業與服務場景。具備閉環進化能力的企業將在這一輪商業化競爭中勝出。

趨勢3：多智能體系統決定應用上限，Agent 時代的“TCP/IP”初具雛形

復雜問題的解決依賴多智能體協同。隨著MCP、A2A等通信協議趨于標準化，智能體間擁有了通用“語言”。多智能體系統將突破單體智能天花板，在科研、工業等復雜工作流中成為關鍵基礎設施。

趨勢4：AI Scientist 成為AI4S 北極星，國產科學基礎模型悄然孕育

AI在科研中的角色正從輔助工具升級為自主研究的“AI科學家”。科學基礎模型與自動化實驗室的結合，將極大加速新材料與藥物研發。報告強調，我國需整合力量，加快構建自主的科學基礎模型體系。

趨勢5：AI 時代的新“BAT” 趨于明確，垂直賽道仍有高盈利玩法

C端AI超級應用的“All in One”入口成為巨頭角逐焦點。海外以OpenAI的ChatGPT與Google Gemini為引領，通過深度集成各類服務，塑造了一體化智能助手的新范式；國內字節、阿里、螞蟻等依托生態積極布局。其中，螞蟻推出的全模態AI助手“靈光”與AI健康應用“螞蟻阿福”，分別在超級應用與健康垂直領域進行探索。AI時代的“新BAT”格局正在形成。

趨勢6：產業應用滑向“幻滅低谷期”，2026H2迎來“V 型”反轉

企業級AI應用在經歷概念驗證熱潮后，因數據、成本等問題正步入“幻滅低谷期”。但隨著數據治理與工具鏈成熟，預計2026年下半年將迎來轉折，一批真正可衡量價值的MVP產品將在垂直行業規模落地。

趨勢7：合成數據占比攀升，有望破除“2026年枯竭魔咒”

高質量真實數據面臨枯竭，合成數據正成為模型訓練的核心燃料。“修正擴展定律”為其提供了理論支撐。尤其在自動駕駛和機器人領域，由世界模型生成的合成數據，將成為降低訓練成本、提升性能的關鍵資產。

趨勢8：推理優化遠未觸頂，“技術泡沫”是假命題

推理效率仍是AI大規模應用的核心瓶頸與競爭焦點。通過算法創新與硬件變革，推理成本持續下降，能效比不斷提升。這使得在資源受限的邊緣端部署高性能模型成為可能，是AI普惠的關鍵前提。

趨勢9：開源編譯器生態匯聚眾智，異構全棧底座引領算力普惠

為打破算力壟斷與供應風險，構建兼容異構芯片的軟件棧至關重要。繁榮的算子語言與趨于收斂的編譯器技術正在降低開發門檻。以智源FlagOS為代表的平臺，致力于構建軟硬解耦、開放普惠的AI算力底座。

趨勢10：從幻覺到欺騙，AI 安全邁向機制可解釋與自演化攻防

AI安全風險已從“幻覺”演變為更隱蔽的“系統性欺騙”。技術上，Anthropic的回路追蹤研究致力于從內部理解模型機理；OpenAI推出自動化安全研究員。產業上，安全水位成為落地生死線，螞蟻集團構建“對齊-掃描-防御”全流程體系，推出智能體可信互連技術（ASL）及終端安全框架gPass；智源研究院聯合全球學者發布AI欺騙系統性國際報告，警示前沿風險。安全正內化為AI系統的免疫基因。

本文來自網易科技報道，更多資訊和深度內容，關注我們。