站在2026年年中回望，AI行业最深刻的变革，或许不是某一款模型的发布，而是整个行业正在经历一场从“概念验证”到“价值兑现”的集体转向。

7月17日至20日，2026世界人工智能大会（WAIC）在上海举行。大模型之家主编乔志斌作为搜狐AI直播的开场嘉宾，分享了他对当前行业格局的系统判断。这不是一次面面俱到的综述，而是一位从业十几年的资深媒体观察者，对行业关键转折点的冷静复盘与前瞻预判。

2026的AI行业：存在“良性泡沫”

乔志斌给出的第一个判断，直接回应了行业当下最大的争论——2026年的AI，到底是泡沫期还是成熟期？

他的答案是：现阶段AI行业仍然处于泡沫期，但属于“良性的泡沫”。跳出了“泡沫等于坏事”或“泡沫根本不存在”的二元对立。

乔志斌指出，传统泡沫的本质是鼓吹概念，但AI泡沫的成因截然不同：它源于行业过热——全球都在大力投入基建、培养人才、推进模型研发。而人才积累和技术攻关都需要时间爬坡，不是今天砸钱明天就能出成果。各家在竞争压力下投入超量资源，泡沫由此产生。

他用了一个比喻来形容这种“良性泡沫”：这就像烧开水时锅底冒出的气泡，产生之后很快消失。原因在于，AI的应用生态不只是前端的大模型，后端场景也在同步成熟：一项技术推出来，立刻拿到市场上检验，真要是泡沫，立马就破。百度、阿里、腾讯、字节等科技巨头，以及智谱AI、MiniMax、面壁智能等创业公司，都已经历过这样的检验并走了出来。热度会快速清除劣币，留下的仍是良性生态。

至于AI何时走向成熟期，乔志斌则表示：即便具身智能已经崭露头角，2026年离成熟期依然较远，距离AGI的终点可能还有5到10年。

三个信号：基座模型窗口收窄、“养虾养马”成潮、端云结合趋势必然

谈到今年最值得关注的变化，乔志斌首先指向了两个节点：今年1月OpenClaw以及随后Hermes Agent（爱马仕）的横空出世。“养虾养马”从社区梗演变为真正的行业热潮，其背后的核心逻辑是：多智能体与harness工程，让AI从“我问你答”的chatbot，变成了能嵌入工作流、甚至自身就是工作流的生产力工具。AI开始具备主动筹划、统筹、执行的能力，这是普及化的关键一步。

在此基础上，他给出了两个结构性判断。

其一，基座模型的窗口期正在关闭。国外格局已收敛至谷歌、微软、OpenAI、Anthropic等巨头；国内形成BAT加MiniMax、月之暗面、智谱AI等创业公司的稳定格局。更多公司的竞争焦点，正在从“卷基座”转向“卷专业”——专业小模型叠加行业know-how，用深度融合为产业提升效率、降低成本。

其二，端云结合是确定性方向。乔志斌以自己用自身设备运行端侧模型的体验为例，指出轻量模型在本地只能处理简单任务，上下文窗口也开不大，硬件仍是瓶颈。但“以前有摩尔定律，现在有韬定律”，硬件性能的持续迭代，终将让端侧智能能做的事越来越多。

最大的信息差，不在发布会，在产业深处

乔志斌指出，目前行业存在的关键信息差之一，恰恰不在技术最前沿，而在产业化最深处。

他提到一家某农业企业的“养猪大模型”：用一个小模型配合养猪护理内容，把专家经验快速分发到全国网点，每个网点都能获得最新的护理常识，专家不必再全国飞。

有意思的是，这家企业所采用的AI，并不是高端大模型，而是“小模型+行业知识”结合的方式。在实际生产场景中，不仅效果不比顶级模型差多少，但成本与效率上却有明显优势。

“那种非常高级的通用大模型，很多泛化能力和世界知识，在专业领域未必用得上。”乔志斌表示，“面对工业化场景，必然要提四个字：提质增效。增效，就是不用更贵的模型，而是选更对的模型，去实现降本增率。”

但他同时强调：仰望星空和脚踏实地，从来都不是对立面。这不意味着探索更大更强的模型没有必要。就像WiFi技术，最早源于天文射电测量，前沿探索终将反哺民用与商用。

WAIC的年度之变：具身智能持续火热，芯片厂商进场

作为连续多年跟踪报道WAIC的观察者，乔志斌捕捉到了今年展馆的结构性变化。

最直观的是具身智能展区的爆发式扩张。前年到去年，机器人展商数量增长了约八倍，今年仍在继续扩容。去年WAIC的机器人还在跳舞、写毛笔字，今年已经能看到它们进工厂、做物流，承担真实工作。AI正从chatbot形态，进化为能在物理世界真实做事的技术——用他的话说，“从在屏幕上写诗的人，变成了在现实中干活的技术”。

另一个显著变化是半导体与芯片厂商的大量涌入。这背后有双重动因：一方面是国家对自主可控算力基座的追求，另一方面是面对日益复杂的AI推理需求，芯片定制化正在成为整体趋势。在乔志斌看来，未来5到10年，这些企业可能成为中国AI算力的重要支撑。

未来一年的地图：算力在上游、合规在中游、落地在下游

对于接下来一年，乔志斌给出了上中下游的分层判断。

上游，热点集中在半导体与硬件本身——芯片、内存，以及算力出租与分销。Token消耗量持续攀升，正在催生新的基础设施风口。

中游有两个方向：一是to B端的AI合规。AI不仅在内地使用，还面临出海问题，与数据深度绑定的AI，合规安全至关重要；二是to C与开发者端的编程工具平台、低代码/无代码工具持续火热。“养马养虾”这一波热潮，带动了大量不会编程的人用AI coding开发小工具、小软件。

下游，具身智能之外，to B的工业、农业场景在国内外都还有很大发展空间，目前的开发程度仍然有限。

AI替代的不是人，是低端的工作

最后一个判断，乔志斌回到了自己最熟悉的媒体行业。

作为从业十几年的老编辑，他日常也用AI coding做编程、写小工具，对行业的工作流程再熟悉不过。他发现，像搜集资料、发稿这类稀松平常但耗时的工作，恰恰是AI最容易接手的部分——过去，这些活往往落在实习生身上：来了发个稿、收个新闻、找点资料，甚至递打印纸、发传真、跑复印。实习生到了公司，其实学不到什么东西。

而AI把这些工作替代掉之后，变化是双向的：实习生在实习期间就能接触创作、采访和内容流程，干得更有成就感；实习期结束离开，到别处工作也会更得心应手，因为整个流程他是熟悉的。

由此，乔志斌给出了一个关键判断：

“AI不是替代人的工作，只是替代比较低端的工作。低端工作被AI替代了，人就可以去做更高端的工作——这也是变相要求我们提升自身。”

与其恐惧被替代，不如把AI看作一次强制升级：它收走的是重复劳动，腾出来的是人向上走的空间。

写在最后

2026年的AI行业，正在经历一场静水深流的转型。泡沫与价值并存，狂热与理性交织。乔志斌表示这更需要每个人有独立思考的能力：既不站在技术狂热的一侧摇旗呐喊，也不站在保守主义的一侧泼冷水。

“良性的泡沫”也好，“提质增效”也罢，“替代低端工作”亦然——这些判断指向的是同一个事实：这个行业正在从“讲故事”走向“做实事”。而这个转变，或许比任何一款新模型的发布，都更值得被记住。