文 | 光锥智能，作者 | 魏琳华，编辑 | 王一粟
「人已经多到炸馆，逛展堪比庙会。」
2025 年，WAIC 的火爆程度已经不用多说：闲鱼上炒到 2000 元一张的门票；现场随处可见的老外；各个展区被人流挤得水泄不通......
光是外围的火爆就已经说明——今年，AI 大模型在应用上已经势如破竹。
前所未有的参展产品数量，是 AI 应用遍地开花的佐证：创纪录的 800 家企业参展，带来 3000 余产品及 100+首发新品参展，涵盖 40+大模型、50+AI 终端产品、60+智能机器人，和去年相比，产品数量整整翻了一番，不少观众散会纷纷戏称 「逛到断腿」。
在一个展区中，你能看到各个品类下不同厂商演绎的多种玩法：机器人 1：1 复刻人类动作、给人类调酒、搬东西；Agent 写代码、作文、当理财助手；AI+教育不仅有 AI 学习机、还搬上了 AI 黑板......
比起看得见摸不着的 Agent「数字员工」，能看到实体的智能机器人成为了会场的 「顶流」。
H3 展馆中，大片机器人 「整活」 的场景相当壮观：和真人对打的宇树机器人、练习摞百事可乐的智元机器人、魔法原子的机器狗绕着场馆跑来跑去......
除了面向 C 端用户的产品爆发，在 B 端，AI 也已经在企业中应用起来。
「就在我们公司内部，员工每天需要写很多代码，做很多研究型实验，这里边大概有 70% 的代码是 AI 来写，90% 数据分析是靠 AI 来做。」 在 MiniMax CEO 闫俊杰的分享中，Agent 构建的智能系统已经真正帮上了员工的忙。
随着年初大模型进入深度推理阶段，性能进入高可用的程度，加上训练和推理成本进一步降低。经过三年的一路狂奔，厂商们终于高调地秀起了肌肉。
推理模型的 「爆发年」
从模仿学习到强化学习，大模型已经进化到 2.0 时代。
以 OpenAI 的 o1 模型为分水岭，2025 年成了推理模型的 「爆发年」。区别于以往靠大量监督数据提升性能，通过 RL（强化学习） 算法的训练模式，让大模型的能力迈上新一个阶段。
由此，文字、视觉、多模态等领域，叠加推理能力成了国内大模型公司上半年角逐的重点。
在 WAIC 大会上，「大模型新五强」 之一阶跃星辰就在会上发布了自家原生多模态推理模型 Step-3，在开源梯队中达到 SOTA；商汤同样在论坛中发布日日新 V6.5 多模态基座大模型，强调强推理、高效率和智能体三大优化。
大方向转向强化学习的基础上，一个明显的趋势是，训练和推理的成本在上半年进一步降低。通过使用新模型架构的优化、训练算法的进步以及软硬件协同的算力效率提升，大模型们开始比肩 DeepSeek，给出更便宜的训练和推理成本。
闫俊杰给出了一个更为乐观的判断，认为在接下来一两年之内，最好模型的推理成本可能还能再降低一个数量级。
再从应用方向来看，出于商业化落地考虑，绝大部分模型不会再去做上万的参数，同时向着商业化路线的应用要求考虑。
以视频生成来说，生数科技 CEO 骆怡航认为，目前整个视频生成还有进一步优化空间，他总结为 「好快省」。
「首先一致性还需要提升，然后在生成的速度上还需要加快，第三是，在视频生成的成本上还要大幅降低。」 骆怡航说。
对应到落地产品上，几家视频模型产品不约而同地贴合专业赛道的制作方向做优化。生数科技旗下的产品 Vidu 7 月发布的 Vidu Q1 参考生视频功能，改变传统视频制作流程和 AI 图生视频流程，仅需上传人物、道具、场景等参考图，即可直接生成一段视频，完全省去了分镜制作的环节，并且参考生支持 7 个主体一致不变形；快手可灵 AI 则在会议期间发布 「灵动画布」，把 AI 辅助和多人协作放到了一块无限大的工作界面中。
Vidu Q1 参考生视频
另外，AI 公司们也开始围绕着两个业内更加关注的产品落地——Agent 和具身智能，为其打造专属能力匹配的模型。
从智能体的发展来看，今年上半年涌现出一些为 Agent「量身定做」 的模型，比如更匹配上下文理解的超长文本模型、优化 Agent「视力」 的视觉推理模型。再有，随着具身智能的火爆，为机器人打磨 「视觉」 和 「大脑」 的任务也落在了大模型公司们的身上。在商汤、科大讯飞、阶跃星辰等公司的展台，也有机器人在站台表演。
最火热的落地：Agent、具身智能
当大模型能力突破到一定阶段，应用也随之爆发。
阶跃星辰创始人、CEO 姜大昕表示：「从 Step 1 到 Step 2 两代基模的快速迭代，促使我们深入思考什么才是最适合应用的模型。随着大模型进入到强化学习发展阶段，新一代推理模型成为主流，模型性能的提升固然显著，但这是否完全等同于模型价值？面对这一产业之问，我们必须回归客户需求，立足真实应用场景，探索模型创新落地的可行路径。」
在 WAIC 现场，Agent 和具身智能成了会场中最热门的两个赛道。多模态能力和推理能力的提升，让 Agent 和具身智能装上了 「眼睛」 和 「大脑」。
Agent，几乎出现在各个展台中：
面向 C 端用户，有少量通用 Agent 和多种面向细分场景的垂类 Agent。比如百度的 GenFlow 2.0 支持多个智能体协作，阶跃星辰的 Agent 则装到了智能手机端上，搭载 AI 拍照问、AI 助手等功能；刚上新全栈功能的 MiniMax Agent，能让用户在几分钟做个网页出来。
在智能硬件端，Agent 也开始接管起人的生活体验。美的高端定位 AI 科技家电品牌 COLMO 落地应用了行业首个适配家电家居全场景的 AI Agent 智能体——COLMO AI 管家，通过 「多维感知-自主学习-推理规划-决策执行」，提升智能家居对场景的理解能力。
做 To B 生意的软硬件厂商，智能体成为企业帮助客户增量提效的落地手段。除了在软件端应用，软硬件协同的厂商也在 AI 平台中植入智能体服务。在 DeepSeek 一体机展台，光锥智能就见到了政务/医疗等领域的 Agent，作为其软件服务端的新产品能力。
在上半年的进展中，一个明显的趋势是，AI Agent 从打辅助的定位，已经开始过渡到自主驱动任务完成的阶段。
以亚马逊云科技发布的编程智能体 Kiro 为例，它的 Spider 模式，在 Agent 执行任务的需求-计划-执行过程中，AI 已经能在每个环节中提供助力。Kiro 技术专家举了个例子，比如，当用户给出一句话需求后，AI 会根据需求创建更为详细的 PrD（产品需求文档），把各种隐性的需求挖掘出来，确保 AI 能够精准执行任务，做出可交付的产品。
在企业内部，多智能体的运转协作已经初见成效。
谈及大模型在工厂内部的落地，美的集团副总裁兼 CDO 张小懿告诉光锥智能，目前已经看到了工厂用大模型的能力在进行工厂的运营改进，在 3-4 个月的尝试中，目前靠智能体已经能帮助产品实现品质和效率上的提升。
「在美的洗衣机荆州工厂，我们已经上线了 14 个智能体，这 14 个智能体能够互相关联起来运行，」 张小懿说。过往，这些数据全都需要人和人直接沟通协作，寻找问题根源。但交给智能体后，它自己就会找当时的参数情况、设备、产线和具体型号，再判断出大致的结果。
「把控品质的智能体，它能够把相关数据全部回流到其中，实时判断情况，当发现品质波动，它反过来会影响到负责产品设备维护的智能体和设备工艺智能体。」 张小懿说。
纵观下来，Agent 市场在半年的搭建过后，在和企业磨合试验的过程中，暴露出一些技术上亟待完善的工作。
有 Agent 平台工作人员告诉光锥智能，目前开发者们更关注长时记忆和 MCP 的生态扩充，前者决定了让 Agent 能够在需要长久记忆的场景保留上下文信息，而针对一些即时场景，则需要及时将信息清理，避免无谓的成本浪费；MCP 的扩充让 Agent 有更多工具可供调用。
同样靠大模型武装 「大小脑」 的具身智能，成为了这次展会品类数量最多的一个。
以具身智能的头部来说，其主要包含大脑、小脑两个部分。以主流的 「大小脑」 分层架构来说，其中多模态大模型作为 「大脑」，负责感知、理解和规划；再由多个小模型结合运动控制算法组成 「小脑」，负责运动控制和动作生成。
不过，对于产品百花齐放、融资热切的具身智能赛道来说，一切还处在开始阶段，距离实际场景来说，还离落地太远。
其中发生在机器人赛道的一个问题是，今年，软硬件拉开的差距更大了。
和云深处合作布局安防机器人赛道，康迪机器人技术总监崔广章对光锥智能表示，目前，硬件与软件之间的代差还在加大。软件已经进入了验证到量产的过程，但硬件还没有达到，在功能、稳定性和成本表现上还差了一些。
目前，面向工业的机器人的软硬件水平，已经可以满足在特定工业场景下的一些任务。康迪科技和云深处合作的机器狗将销向北美，用于北美仓库的安防巡检场景。
犹如去年徘徊的大模型落地，这两条赛道还需要更多的摸索和模型能力的进化支撑。
加速落地
「AI 大模型的发展，从人工智能第四次浪潮的元年 2022 年开始，各路英豪都在一路狂奔。」 科大讯飞副总裁李翔说。
在大模型技术上线不断被拓宽的过程中，AI+大模型也在重构产业智能的生态。在 B 端，通过 AI 挖掘数据和产业互联网的价值，大模型和智能体逐渐承担起更多提升收入、降低成本的任务。
「市面上的开源大模型很多，但它们都是独立的个体」，做 AI+工业互联网的卡奥斯化工行业总经理康健告诉光锥智能，「无论是垂类小模型还是行业模型，散点的价值还是有限的。」
以化工大模型为例，卡奥斯没有选择上来就做模型，而是搭了一个工业互联网平台，把三个城市的所有集团和二级单位的业务和数据拉通，再进行数据收集和治理。在这个基础上，大模型和智能体，就有了业务的需求拉动及数据的支撑。
康健举了个例子，以延长石油为例，生产经营智能体及市场产品价格预测智能体的协同应用，会根据产业链上的实时情况调整生产策略。根据成品油及化工品的价格及收益情况，调整生产计划及各自产能，让集团产业链价值最大化。
「没有业务及数据的互连，它拉通不了全产业链和全价值链，就不能把用户本身和供应商连起来，如果不连起来，智能体的价值就无法最大化。」 康健说，「用单场景模型，你一年可能省 10 万，如果基于我们的全产业链大模型进行智能优化，可能全年的价值是一个亿」。
比起去年清一水但稍显苍白的行业客服、对话助手，通过深度结合行业数据，AI 今年在各行各业跑出了一些更具行业针对性的新功能，展现出更为成熟和实用的应用前景。
在 AI+医疗行业中，大模型公司通过和医院合作，在数据训练的基础上，一些有应用价值的功能开始陆续落地。阿里在展示台放了一个 AI CT 扫描的功能，基于其通用多模态医疗大模型，模型能够根据病人的医学影像自动生成详细的诊断报告，辅助医生做判断。
模型的能力决定应用的上限，今年同理。其中一个明显的节点就是推理模型 DeepSeek-R1 为代表的各个推理模型发布，进一步提升了 AI 在行业中的应用能力。
以教育行业为例，以 DeepSeek 为代表的推理大模型能力突破，在 AI 教育方面找到了对应的应用场景。
「通常来讲，家长对于 AI 教育有很多顾虑，比如担心直接抄答案、误导学生，但是今年最大的一个利好就是 DeepSeek 的出现。」 学而思学习机 AI 产品负责人李通说。「只有当家长自己试过大模型，并且认可了能力，他才会愿意让自己的孩子也试一试。」
李通提及，编程和解题是基座大模型过去一段时间提升较为明显的能力。对于纯文本数学题，大模型能在完全没见过的情况下，做到 92% 的准确率。在解题率提升的基础上，今年 AI 在大模型一对一讲题这个场景，在过去的这段时间里面出现明显的突破。
从 「炫技」 到 「实干」，AI 大模型正破冰行业深水区。随着 AI 能力的进一步突破，冰山之下蕴藏的价值，才会慢慢展现全貌。
