AI从炫技到干活 算力从千卡到万卡

　　机器人伸出手臂，完成抓取、分拣和搬运。不远处，一台拥有128个800G端口的交换机，正在回答另一个问题：当大模型训练进入万卡集群，海量算力如何高效连接起来？

　　在2026世界人工智能大会上，这两类展品分别指向人工智能产业的两端。一端是逐步进入工厂和服务场景的具身智能，另一端是藏在服务器背后的算力网络。包括多家科创板、创业板上市公司在内的AI产业链企业带着各自的产品和方案来到上海，也让外界得以从产业链不同环节观察人工智能正在发生的变化。

　　具身智能下半场：能否稳定“干活”

　　在具身智能展馆内，机器人依然是最容易聚集人流的展品，但企业展示的重点正在变化。

　　软通动力（301236）展出的天擎A2作业智能版机器人，拥有全身20个自由度，可完成抓取、放置、分拣、搬运等操作。据软通动力相关人士介绍，公司将数字孪生、工业仿真与具身智能结合，先在虚拟环境中模拟不同作业场景，对机器人的动作和任务流程进行训练、测试，再将经过验证的能力部署到实体机器人上，以降低真实环境中的试错成本。

　　不过，从虚拟环境中“学会”动作，并不意味着机器人就能在现实场景中稳定完成任务。面对连续作业和复杂工况，机器人还需要整机、具身模型与减速器、伺服系统、传感器等核心部件协同配合。因此，本届大会上的具身智能展示已不再局限于机器人整机，产业链上游的精密传动和运动控制产品也成为观察重点。

　　例如，绿的谐波在大会现场展出了多规格谐波减速器，并发布轻量化减速器系列。谐波减速器位于机器人关节内部，其精度、重量和使用寿命会直接影响整机表现。步科股份则展示了从关节驱动到移动底盘的相关产品，反映出零部件企业正在由单一器件供应，进一步向关节模组和运动控制方案延伸。

　　这一变化也与具身智能当前的产业阶段有关。工业和信息化部、国务院国资委近期部署人形机器人与具身智能实景实训专项行动，提出推动重点产品在代表性场景中完成应用验证和常态部署。对企业而言，机器人能否稳定“干活”，正在成为比完成一次复杂动作更现实的考题。

　　智能体时代：需要怎样的算力基础设施

　　智能体带来的颠覆性影响，对算力基础设施提出了前所未有的需求和挑战。算力基础设施的核心矛盾在于，必须支持更大规模的MoE模型、更长的上下文序列、更低的推理时延，同时显著降低推理成本，提升算力效率。而超节点是解决这一系列矛盾的核心答案，已经成为智能体时代算力基础设施的主流形态。

　　在本次大会上，华为昇腾950超节点以业界最大规模超节点的真机形态首次与公众见面。昇腾950超节点实现业界最大256TB内存统一编址，以单柜64卡为基本单元，支持1024张NPU卡高速互联，像一台计算机一样工作，可以满足十万亿级参数大模型高效训练与推理。

　　“当训练集群从千卡级扩展至万卡级，增加计算卡数量并不意味着训练效率可以同步提高。”有业内人士表示，网络拥塞、丢包和时延波动，都可能让GPU处于等待状态。因此，交换机、光模块和网络调度系统开始成为决定算力利用效率的重要环节。

　　锐捷网络（301165）集中展示了高速交换、无损网络、光互联和智能运维，技术布局正在由单台网络设备，向“交换设备＋光互联＋网络管理”的算力网络体系延伸。

　　软通动力则从另一个方向进入算力基础设施。公司展示的北京壹号词元工厂、粤港澳大湾区公共算力服务平台和天元智算服务平台，重点在于异构算力接入、跨区域调度和算力服务运营。

　　这意味着，算力产业的竞争范围正在扩大。除了芯片和服务器，如何连接设备、调度资源、降低能耗并持续运维，正成为智算中心建设中不可回避的问题。

　　AI嵌入业务流程：如何转化为效率提升

　　人工智能带来的变革，并不只发生在硬件端。对更多上市公司而言，如何把AI嵌入原有业务流程，并转化为可衡量的效率提升，同样是这轮产业变化中的重要命题。

　　中控技术紧扣国家“人工智能+”战略，在本届大会现场集中展示了从底层技术到产业收益全链路贯通的工业AI实践。“工业场景与通用对话不同，模型不仅要理解文字和数据，还要适应实时生产、安全控制和既有系统接口。”分析人士表示，以中控技术为代表的国产工业AI，已在智能制造核心赛道形成实战能力，为全球流程工业智能化转型提供了可复用的“中国方案”。

　　软通动力展示的AI Factory解决方案，也试图打通数据、模型、智能体和业务场景。公司披露，2025年AI相关业务实现营业收入184.66亿元，占公司营业收入的52.6%。

　　科大讯飞（002230）则将大模型应用进一步延伸至教育、医疗、办公和企业服务。其展品包括AI黑板、学习机、医疗辅助产品、办公智能体和翻译设备等。与早期强调语音识别或单项模型能力相比，这些产品更关注AI能否进入备课、诊疗、采购和内容生产等具体流程。

　　本届大会打开了一扇观察产业变化的窗口，也让市场得以更全面地认识人工智能正在如何走出模型和实验室，进入工厂、数据中心及企业日常业务。机器人开始承担具体作业，算力网络需要支撑更大规模集群，智能体也在加快嵌入企业既有流程。对上市公司而言，下一步比拼的已不只是技术参数，更在于能否把产品做得稳定、易用，并在更多实际场景中真正用起来。