WAIC2026上，大模型與生成式AI賽道共有130家參展主體，其中83家將AI Agent或智能應用作爲主要標籤，基礎大模型企業僅剩18家。模型發佈少了，Agent演示多了。行業討論的焦點也從“模型有多聰明”轉向“究竟能創造多少真實價值”。AI競爭的基本單位，正在從“一個模型”變成“一套體系”。

01     從模型到體系:AGI組織目標與AI核心發展要素

2026年，全球人工智能產業正站在一個微妙而關鍵的路口。模型能力持續突破、智能體加速落地實體場景、企業AI戰略從分散探索走向系統整合。與此同時，關於AGI（通用人工智能）的討論，也正從“能不能實現”轉向“如何實現”——以及更關鍵的是，“什麼樣的組織才能實現”。

對於當前的研發組織而言，這不再是一道選擇題，而是一道生存題。

AGI作爲組織目標:從願景共識到戰略錨點

AGI不是簡單的問答工具，而是能夠理解複雜目標、拆解任務、調用工具、持續學習，並在科研、工程、金融、製造和社會治理中承擔高階工作的智能系統。OpenAI、Anthropic、Google DeepMind等全球AI領導企業均將其視爲AI發展的終極目標。

然而，2026年最顯著的變化在於:AGI不再只是少數前沿實驗室的“詩與遠方”，它正在成爲越來越多研發組織的核心戰略錨點。

今年7月，DeepSeek創始人梁文鋒在長達四小時的閉門交流中，系統闡述了公司的AGI路線圖:一個六階梯的遞進結構:語言模型→思維鏈（CoT）→Agent→持續學習→自我迭代(奇點)→具身智能。梁文鋒強調:“Agent要用到CoT，然後CoT也要用到前面的階梯，所以它並沒有一步是白走的。”

這些信號揭示了一個共識:AGI不是一蹴而就的跳躍，而是一條必須步步爲營的技術演進路徑。

更重要的是，AGI正在成爲組織決策的“第一性原理”。DeepSeek屬於典型的願景驅動型組織——組織運轉、技術取捨、商業決策，均圍繞AGI研發共識推進，依靠長期目標凝聚核心研發人才。唐傑同樣指出，本輪人工智能變革的核心本質不是一次產品創新或商業模式創新，而是技術革命本身擡高了“智能上界”;誰能率先將該上界向上推升一寸，誰就能重新定義千行百業的能力邊界。

AI核心發展要素:從“三駕馬車”到系統算力

如果說AGI定義了“去哪裏”，那麼算力、數據、算法、人才與組織架構則共同決定了“能走多遠”。

算力:從單卡競賽到系統競賽

算力是支撐人工智能持續演進的基礎底座和關鍵引擎。工信部數據顯示，截至2026年6月底，我國智能算力規模已達2185EFLOPS。但算力的競爭邏輯正在發生根本性變化。

過去談算力，大家總追問單顆芯片的水平如何。但大模型訓練和推理不是單卡比賽——互聯、內存共享和任務調度決定了大規模集羣能否形成有效算力。AI算力需求的重心正從訓練轉向推理，存儲、先進製程和先進封裝產能層層吃緊。揭示了:算力提供底座，模型提供智能，Agent負責執行，終端和機器人進入真實場景——AI競爭的基本單位，正在從“一個模型”變成“一套體系”。

數據:從“管好”到“用好”

數據是人工智能的關鍵“燃料”。2025年，我國用於人工智能訓練和推理的數據總量爲199.48艾字節，同比增長42.86%，推理數據量首次超過訓練數據量。截至今年6月底，全國已建成行業高質量數據集總體量超1565拍字節。

但數據的價值不在於“多”，而在於“活”。國家數據局局長劉烈宏指出，數據合作的話題正從“管好數據”邁向“用好數據”。對於研發組織而言，打通產業鏈數據壁壘、推動數據歸集與共享治理，才能讓AI精準紮根產業場景。

算法:從微創新到底層突破”

算法領域，我國已達到國際先進水平。但真正的挑戰在於:未來大模型企業的競爭着力點，不能僅僅停留在現有技術框架的微創新，而是要在模型的認知能力、推理能力、世界知識的整合能力上實現底層突破。

2026年，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。“長程任務”能力--讓AI從“即時問答”走向“宏大工程”，將宏大目標自主拆解爲數千個可執行子任務---正是算法突破的前沿方向。

人才:最稀缺的資源

再強的算力、再多的數據，最終要靠人來駕馭。數據顯示，高性能計算工程師的人才供需比低至0.15---每1個合格求職者面臨7家公司的爭奪。AI科學家以平均月薪13.2萬元斷層領先。

但人才競爭已不只是“搶人”那麼簡單。全球頂尖AI研究人員中，中國籍專家佔比高達47%。如何留住人才、激發人才的創造力，考驗的是組織的制度與文化。DeepSeek的做法是用AGI的長期目標凝聚核心研發人才;

組織架構:從“賽馬”到“合兵”。

2026年最值得關注的趨勢之一，還有AI研發組織架構的系統性重構。

過去兩年，互聯網大廠奉行內部賽馬，多條AI產品線分頭試錯、持續消耗算力與人力。但2026年年中，巨頭們集體按下整合鍵——字節將飛書產品團隊併入豆包，阿里整合多條Agent產品線推出千問辦公，騰訊收斂研發資源。

這並非中國獨有。亞馬遜關停了AGI Lab研究團隊，將AGI部門、自研芯片團隊、量子計算團隊合併爲統一組織，打通從基礎設施到模型研發的全鏈路。Google DeepMind實施組織架構調整，優化科研與運營分工，集中資源推進AGI技術攻關。

這些調整折射出一個深刻判斷:AI競爭的核心，從單點技術突破轉向基礎模型能力。一個領先的模型需要同時具備算法、數據、算力、訓練、工程、產品反饋等多維能力——這種能力提升不再依賴某一個實驗室，而依賴整個組織形成高速循環。

從“獲得智能”到“組織智能”

AI產業正在從“獲得智能”進入“組織智能”的階段。模型仍然決定AI能力的上限，但單靠一個領先模型，已經越來越難構成完整的產業優勢。

對於今天的研發組織而言，AGI不是一句口號，而是一套需要系統性構建的能力體系——它要求組織在算力、數據、算法、人才和架構上同步進化，要求決策者有足夠的戰略定力在短期變現與長期突破之間做出選擇，也要求每一個參與者理解:通往AGI的路，不能跳步。

正如DeepSeek那張招聘海報上所寫的——當今人類正處於AGI的前夜。但“前夜”不等於“黎明”。能夠穿越這個長夜的組織，註定是那些既有清晰目標、又能紮實構建核心發展要素的長期主義者。

02     爲什麼Agent終將回歸模型核心，預訓練爲天花板

2026年，AI行業最清晰的一條主線，無疑是Agent從“會聊天”到“能幹活”的全面躍遷。基礎模型綜合水平已從20多分躍升至七八十分，長程任務穩定執行時間每8個月翻一番，最高紀錄已達16小時。Agent不再“問一句答一句”，而是在每一步自主完成“觀察→思考→行動”的閉環，讓大模型作爲推理中樞，自主拆解任務、調用工具、評估結果。

WAIC2026上，大模型與生成式AI賽道共有130家參展主體，其中83家將AI Agent或智能應用作爲主要標籤，基礎大模型企業僅剩18家。模型發佈少了，Agent演示多了。行業討論的焦點也從“模型有多聰明”轉向“究竟能創造多少真實價值”。

然而，Agent熱潮之下，一個更深層的技術命題正在浮現:Agent的能力上限，本質上由預訓練大模型決定。

預訓練:不可繞過的“天花板”

如果說預訓練決定模型的天花板，後訓練就決定它能不能摸到天花板。清華教授唐傑明確指出，預訓練使得大模型已經掌握世界常識知識，並且具備簡單推理能力——更多數據、更大參數和更飽和的計算，仍然是scaling基座模型最高效的辦法。

這一判斷並非孤例。行業正在形成共識:預訓練大模型是大模型推理能力的天花板。無論後訓練階段的強化學習如何精調、Agent框架如何編排，模型的推理深度、知識廣度和泛化能力，根本上受限於預訓練階段所注入的世界知識和基礎認知能力。

螞蟻百靈Ling & Ring2.6的技術報告給出了精準概括:“大模型正在從聊天機器人變成智能體。這個轉變聽起來只是換了個用法，實際上把模型的優化目標徹底改寫了——一個實用的Agent，必須同時推理得好。”而推理能力的根基，恰恰來自預訓練。

騰訊雲副總裁李強有一個精妙的比喻:“大模型是引擎，工程化鏈路是把引擎變成整車的工程。發動機決定上限，工程決定能不能跑、跑多遠、跑多穩。”Agent框架、工具調用、記憶管理——所有這些工程化能力，都是在“發動機”之上構建的整車。發動機不行，整車再精緻也跑不遠。

Agent的繁榮，不能掩蓋對基座的依賴

當前Agent的能力演進，正在驗證一個核心命題:Agent能做多複雜的事，取決於基座模型能理解多深的世界。

上海AI Lab開源的Agents-A1模型，使用多領域、多任務的高質量長程軌跡數據進行訓練，增強模型在長上下文條件下的理解、推理和指令遵循能力。研究團隊沒有選擇“小模型+複雜編排”的取巧路徑，而是回到預訓練本身——用更好的數據、更優的訓練策略，從根基上提升模型的Agent能力。

這些實踐指向同一個方向:Agent能力的競爭，最終是基座模型能力的競爭。

編排式Agent的侷限與模型原生Agent的崛起

當前Agent開發存在兩條技術路線:一是編排式Agent，即通用大模型加上LangGraph、Dify等調度框架，通過工程化手段實現任務拆解與工具調用;二是模型原生Agent，在訓練階段直接內置規劃、反思邏輯，連貫性強。

編排式Agent靈活易部署，但面臨一個根本性困境:超長任務容易出現邏輯漂移。當任務鏈條拉長到數十步甚至上百步時，基座模型的推理能力不足會導致Agent“走着走着就偏了”。這不是編排框架能解決的問題——框架只能組織流程，不能提升模型的判斷力。

更深刻的變化正在發生。隨着模型快速迭代，企業投入大量工程資源搭建的Agent，可能在下一個模型版本發佈後，就被模型新增的原生能力覆蓋。這意味着，單純依靠工程編排構建的Agent壁壘，正在被模型能力的持續進化不斷瓦解。

行業正在從訓練模型的時代走向訓練智能體的時代，但“模型架構和訓練數據當然還重要”——環境設計、基礎設施、評估器只是進入了核心圈，並未取代模型本身的核心地位。

迴歸模型核心:Agent的終局形態

未來的Agent應用形態，終將回歸以模型爲核心的結構。這不是否定Agent工程的價值，而是對技術本質的清醒認知。

發動機決定上限，無論Agent框架如何演進、工具調用如何豐富、記憶系統如何複雜，Agent的推理能力、規劃能力和世界理解能力，永遠受限於其背後的基座模型。預訓練大模型投入的數據規模、計算資源和架構創新，直接決定了Agent能夠觸及的智能高度。

這意味着，對於創造者和應用者而言，最值得投入的方向不是追逐Agent框架的短期熱點，而是深入理解並持續投資於基座模型的能力建設。無論是模型的原生Agent能力訓練，還是針對Agent場景的持續預訓練，都比在表層做工程包裝更具長期價值。

2026年，AI行業正在從“獲得智能”走向“組織智能”。但無論組織形態如何變化，模型始終是智能的源頭。Agent讓模型進入環境、形成生產力，但模型纔是那個“能思考的大腦”。沒有Agent能力，大模型終將停留在理論學習階段——反過來說，沒有強大的預訓練基座，Agent也將止步於淺層執行，無法觸及真正的智能。

03    從Copilot到Agentic:AI-Native轉型下的編程新範式

軟件開發也經歷着一場自圖形界面發明以來最爲重大的範式轉移。根據Gartner的定義，企業級AI編碼智能體是能夠感知上下文、將人類意圖轉化爲多步驟計劃、並在代碼、測試和相關工程產物中執行和驗證這些步驟的自主或半自主軟件工程解決方案。從“AI輔助編程”到“Agentic編程”——AI不再是被動的代碼補全插件，而是具備環境感知、自主規劃、工具調用與自我糾錯能力的獨立開發者。

企業價值:從個人提效到組織級生產力

Agentic編程對企業而言，絕不僅是“讓工程師寫代碼更快一點”。它的真正價值在於重構整個軟件生產體系。

Gartner預測，到2028年，異步AI編碼智能體工作流將使軟件工程團隊的生產效率提升30%至50%，遠超2025年AI代碼助手0%到20%的提升。截至2026年4月，全球企業級AI代碼智能體市場的年化規模已達98億至110億美元。Anthropic的報告進一步印證了這一趨勢:80%的領導者表示智能體投資已帶來可衡量的財務影響，88%的人期望未來會帶來更多回報。

真正的企業級價值，來自組織級而非個人級的Agentic部署。2025年底到2026年初，Stripe、Ramp、Coinbase三家公司幾乎同時公開了各自的內部Coding Agent——Minions、Inspect、Cloudbot。三家公司獨立開發，最終卻不約而同地收斂到幾乎相同的架構上:Agent不再只是“一個人在終端裏用”，而是“整個團隊通過Slack或GitHub Issue隨時觸發”。你需要沙箱隔離執行環境，需要讓Agent在中斷後能續上之前的工作，需要防止一個用戶的失控循環燒光全公司的模型額度。

正如IDC所指出的:真正拉開差距的，不是是否引入AI編碼工具，而是企業是否具備平臺工程、治理能力和開發者角色轉型的整體規劃。那些僅在局部場景試點智能體的組織，將很難釋放規模化價值;而將Agentic AI作爲企業級能力來建設的組織，更有可能在速度、質量和創新能力上形成長期優勢。

Delivery Hero推出的內部AI編程智能體Herogen，年編碼能力相當於130名工程師。TCL實業軟工中心與騰訊雲CodeBuddy合作，CodeBuddy覆蓋了其90%以上的研發工程師，貫穿從需求拆解、代碼編寫、測試修復到部署上線的全鏈路。正如TCL軟工中心應用開發總監所言:“我都有點不敢相信，兩天把整個功能交付了，開發模式真的被顛覆了。”

模型技術:Agentic編程的底層驅動力

Agentic編程能力的躍升，本質來自模型技術的持續突破。

OpenAI發佈的GPT-5.3Codex主打“代理式編碼”，可以像開發者一樣自主判斷並推進任務，覆蓋代碼編寫、運行測試、修復錯誤、更新Jira工單、撰寫技術文檔以及管理部署流程。該模型在多語言軟件工程評測SWE-bench Pro中得分56.8%。

Cohere發佈的North Mini Code採用300億參數MoE架構（每次僅激活30億參數），專爲智能體軟件工程設計。亞馬遜、美團等企業開源萬億參數大模型LongCat-2.0(總參數1.6萬億)，爲真實的Agentic Coding任務而生，架構上創新引入稀疏注意力和N-gram Embedding。Poolside開源Laguna S2.1，1M超長上下文+118B MoE模型。

行業共識正在形成:Coding Agent的智力，越來越體現爲長程任務能力。它不只是“智能”本身，而是智能×可靠性的乘積。單步推理再強，如果第20輪開始忘目標、第50輪開始亂改文件、第100輪無法解釋自己做過什麼，它就仍然不能被託付。

業務架構:從“+AI”到“AI+”的全鏈路重構

Agentic編程對業務架構的衝擊，遠比想象中更深刻。

傳統的研發流程是“人寫代碼→測試→部署”，AI只是附着在某個環節上的工具。而在AI-Native轉型下，整條研發線被拖到大太陽底下重新審視——每個業務節點都要回答“爲什麼這步不能由AI來做?”。這正是TCL團隊從“+AI”走向“AI+”的關鍵一步。

阿里雲正式提出“Agent Native Cloud”，讓Agent成爲雲的一等公民——產品、API、計費、文檔、官網全部圍繞Agent重新設計。無問芯穹發佈Agentic Infra“前店後廠一中心”戰略。雲的主要用戶，開始從人變成Agent——阿里雲透露，過去五年PostgreSQL累計創建約4萬個實例，而最近幾個月僅由Agent自主創建的數據庫實例便達到12萬，環比增長約300%。

秒悟團隊版讓用戶通過自然語言生成網站、小程序、App，每天有上萬名用戶在上面創作和發佈，大部分沒有技術背景。Agent要做的不只是把網頁做出來，還要把數據庫搭起來、域名分配好、網站部署完——“Coding Agent更關注代碼，而Delivery Agent更關注全局”。

開發者:從“碼農”到“智能體指揮官”

範式轉移最深刻的衝擊，落在開發者身上。Anthropic的報告揭示了一個核心結論:軟件工程師的角色正從“代碼編寫者”轉變爲“智能體指揮官”。做軟件不再等於寫代碼——工程師越來越多地變成“編排智能體寫代碼”的角色:評估智能體的輸出、提供戰略方向、確保系統解決了正確的問題。

Claude Code負責人直言，“software engineer”這個職銜最快今年就會開始消失，轉向更接近“builder”（構建者）的新角色。程序員的角色將從手動編寫代碼，轉型爲AI代理羣的指揮官。“只會寫代碼”的程序員將逐漸被淘汰，而具備架構設計、戰略決策能力的從業者將更具競爭力。

會用AI的前提，是你先得懂行。未來的開發者更像是系統編排者、架構設計者與決策者。他們不再逐行敲擊代碼，而是指揮多個AI代理協作完成開發，同時保留人類獨有的判斷力與對品質的“品味”。

AI-Native時代的新規則

AI-Native轉型不是“給研發團隊增加一個AI工具”，而是重構軟件生產方式。Agentic編程的崛起，意味着軟件開發的核心瓶頸正在從“怎麼寫出來”變成“該寫什麼、爲什麼要寫、如何驗證寫對了”。軟件開發正經歷着自圖形界面發明以來最爲重大的範式轉移，“人人都能成爲開發者”的時代已然拉開帷幕。

爲此，第十屆2026CSDI 峯會，於深圳10月16-18日召開

幫助IT與會者，共探Agentic AI數字代理世界

正值Agentic AI時代，對於科技企業運營來說，大模型能力需聚焦於創造性任務、戰略規劃、業務結合，軟件研發的技術範式、大數據技術都向模型自主化驅動，大量的智能軟件研發工具和框架應運而生。數據成爲了智能軟件研發的核心。AI產業也從“模型能力驅動”轉向“算力組織與效率驅動”，大量的數據+海量智能場景在AI可持續發展中起到關鍵作用。智算資源的需求與訓練部署複雜的模型，開發者需要應用高性能的硬件（如GPU、TPU等）和分佈式計算技術(如雲計算、集羣計算、數據庫等)。這些技術應用仍然是IT組織探尋與研究的課題。

2026CSDI第十屆屆中國軟件研發智能創新科技峯會，將以數智+智管爲主旨，於深圳10月16-18日召開，攜手100+國內外頂尖創新先鋒，一起迎接“數智融合、決策智能”這一個企業確定性的長期趨勢，推動AI走向自進化，擁抱Agentic AI 應用前沿自主探索實踐。

圖片

總   結:AI是一次革命:AI Agent時代已然到來，要快、要應用閉環數據

大模型已經成熟的演變爲文理工三全的技術，同時具備了文科的創意、記憶力、知識，理科的邏輯思維、推理能力，還具備了工科解決問題的能力，融合將帶來的，我們稱它爲AI Agent時代，當用戶發號指令、表達意圖，AI不但能理解指令，而且拆解、分解成爲任務，將其完成。標誌着AI定位從輔助工具向核心執行者的跨越。它既能定下組織戰略、重構公司結構、AI也能輔助戰略與降本增效，這是人工智能定性爲人類史上最重要的革命。

AI不僅是技術變革，更是思維方式的重塑，未來大部隊的工作會有Agent來做，正如OpenAI CEO 說到“以後會有一個人的獨角獸”，當我們擁有了一個超級員工（數字員工），將減少信息不對稱、提升整體運營效率、秒級複製，專項Agent處理不同任務，可以國際的擴張，隨着架構中Agent的增多，溝通的瓶頸將變少，推理成本也會變少，每個Agent也都有它獨特的業務目標，企業未來的核心競爭力需儘早採用AI Agent、使用最聰明的AI Agent、並擁有自己的閉環數據來強化AI能力，擁抱自身領域使用AI工具，讓企業搶佔先機，技術槓桿將徹底打破傳統的人力規模壁壘。

第十屆2026CSDI 即將開幕，誠邀各界IT英雄，引崢嶸

圖片

紮實的專業+前瞻性的思考+優秀的實踐，帶給業界同仁們精彩視角、卓越思維。秉持科技向善理念，推動IT行業交流與傳播。渴望追求卓越、才華橫溢的同道中人，渴望在前沿AI領域有着豐富實踐的嘉賓，加入我們，攜手並肩，探尋知識革命的未來!

精彩瞬間

圖片

微軟、阿里巴巴、小米、騰訊、華爲、360、平安集團、渣打銀行、工商銀行、招商銀行、隨行付、易方達、長亮科技、南方電網、廣州銀聯、穆迪信息、拍拍貸、宇信集團、投哪兒金融、天維信息、薩摩耶、華泰證券、招商證券、國信證券、陸金所、廣發基金、中國銀聯、恆天軟件、天陽宏業、中數通、電信規劃設計院、oppo、步步高、vivo、愛立信、百富計算機、廈門航空、福建聯迪、網易、星網視易、升騰科技、視睿電子、飛利浦、金山軟件、金山遊戲、歐特克、順豐、深信服、歡聚時代、虎牙、珠海健康雲、優視科技（UC）、52TT、天翼雲、凱米網絡、電信設計院、ADmaster、博思軟件、網宿科技、珍愛網、金蝶、唯品會、中國聯通、中國移動、傳動數碼、無限極、中電、珠海網博、中軟、同盾科技、杭州順網、藍凌軟件、長園深瑞、中南民航、遠光軟件、廣聯達、中國電信、傳音、利通、物理研究所、國家電網等。