2026人工智能十大关键词：主线不再是能力上限

本文解读：《2026人工智能产业十大关键词报告-中国人工智能产业发展联盟》 · 共 41 页 · 原文

2026 年人工智能的产业主线，用报告里的一个词就能概括：加速扩散。决定走势的不再只是模型能力能爬多高， 而是这些能力能不能用得起、敢不敢用、落得到具体场景里。

这份报告由中国人工智能产业发展联盟联合中国信息通信研究院发布，共 41 页，是两个机构连续多年做的年度盘点。 选词综合了专家调研、热点事件统计和撰写团队研究，最后收敛成十个关键词。

十个关键词按三个层面排布：技术层看模型自进化、智能体工程化与前沿安全风险；应用层看智能体终端、 具身智能实景实训、AI 高价值场景和自动化实验室；生态层看芯模协同、词元服务与开放普惠。

报告给出的数字很硬：截至 2026 年 6 月底，全国智能算力规模达 2185 EFLOPS，同比增长 177%，万卡以上智算设施建成了52 个；2026 年 6 月我国词元日均消耗约 500 万亿，是 2025 年 12 月的近 4 倍。

能力上限已经不是最稀缺的东西，能不能把它便宜又稳地铺出去才是。

图源：《2026人工智能产业十大关键词报告》（第1页）

一、十个关键词，一年一条主线

报告把十个关键词拆成三层，从内到外排。技术层回答能力本身怎么演进、会带来什么新风险；应用层回答能力怎么变成产品、 工具和生产力；生态层回答软硬件协同、服务质量和全球开放怎么托住前两层。

这个排法本身就是判断。过去几年产业注意力集中在"能力能到哪"，2026 年报告把观察基点挪到了技术创新与应用扩散的连接处， 更关注技术往生产力转化的动态。

报告在选词方法上也说得很直白：聚焦的是 2026 年已经或正在发生、并且足以代表年度主线的变化，再沿这些主线研判短期趋势。 它同时承认这十个词是基于当前可观察事实的归纳，"管中窥豹在所难免"。

把这十个词和 2025 年那一版放在一起看，能看出重心在移。2025 年榜上是基础超级模型、自主性更强的智能体、走向实训的具身智能、 萌芽中的世界模型、开源成为标配。

2026 年换成了模型自进化、智能体工程化、智能体终端、实景实训、芯模协同和词元服务。换掉的不只是词，是观察角度。一换就清楚了：从"模型能做到什么"转向"系统怎么把它跑起来、卖出去、管得住"。

榜单名称从名词变成动作，说明这一年的关键词是"怎么落地"。

图源：《2026人工智能产业十大关键词报告》（第2页）

二、模型自进化：还在有界阶段

第一个关键词是模型自进化。报告的口径很克制：模型自进化已出现局部实践，但总体仍处在有界自进化阶段， 还没有实现完全自主、持续改进自身的递归自进化（RSI）。

所谓有界，是模型能在实践中获取反馈并调整自身或运行框架，但优化目标、评价标准、数据与算力、工具权限和安全边界， 仍然由人设定。

报告用一张大模型能力曲线把这件事分了期，从基础对话期、深度推理期、智能体期一路标到 RSI 探索期。 曲线背后的能力提升，越来越多来自 AI 参与 AI 研发本身。

业界的探索集中在两个层面。一是改进模型本身，从生成、筛选和验证的数据及环境反馈中学习并更新参数； Anthropic 在 2026 年 4 月提出"自动化弱到强研究员"，由 Claude 智能体在预设目标下迭代训练与验证。

二是改进智能体的工作方式，参数不变或小改，靠优化提示、记忆、工具使用和协作流程把运行框架做厚。 MiniMax 在 2026 年 3 月介绍，M2.7 模型通过自主迭代优化运行框架，在内部编程评估集上取得 30% 的性能提升。

从有界走向递归自进化，报告点了四道坎：评价可靠性、经验继承与泛化、效率与工程可控性、安全与发展节奏。 腾讯混元 2026 年 7 月发布 Hyral，就是在探索任务方案与评价机制协同改进，防止模型利用评分漏洞。

第四道坎最值得注意。报告提到 2026 年 9 月 Anthropic 联合创始人阿莫迪呼吁放缓前沿模型能力提升节奏， 并探索约束递归自进化速度，给安全研究和独立评估留出时间。

连做模型的人自己都在喊减速，这比任何监管文件都说明问题。

图源：《2026人工智能产业十大关键词报告》（第3页）

三、智能体工程化：四梁八柱成型

第二个关键词是智能体工程化，报告认为这一年产业界已经围绕它形成初步共识：模型提供推理决策能力，Harness 负责组织 和约束任务执行。

报告把智能体技术路线切成四个阶段，每一阶段都有自己的代表性产品。2023 年是提示词驱动，代表是 AutoGPT； 2024 年是工作流编排，代表是 LangGraph、Dify；2025 年是上下文管理，代表是 Claude Code；2026 年进入 Harness 工程， 代表是 Codex Harness 与 DeepSeek Harness。

阶段之间的差别在于谁负责决策。工作流编排是先定好步骤、分支和规则，模型按预设路径走，侧重流程可控；动态执行则由模型 依据目标和反馈自己选下一步，侧重复杂任务的灵活适应。

报告说两者可以组合，流程里嵌动态执行，动态执行里调既定流程。这一层正是 2026 年最明显的变化：过去智能体的能力上限由模型决定，现在很大程度由框架决定。

工程化真正改变的是研发分工。研发方不能只关心模型决策对不对，还要解决系统能不能持续、可靠地把任务做完，工作范围因此 延伸到流程编排、上下文与状态管理、工具接入、结果验证和权限控制。

Anthropic 的 Claude Agent SDK 就是这个思路：研发团队复用它的工具执行、上下文压缩和子智能体管理，把精力留给业务逻辑。

报告也点出了短板：长程任务执行可靠性不足、结果可验证性不强，加上模型与框架的能力分工一直在变，工程经验很难稳定迁移。 它给出的下一步是可组合、可积累、可拓展，收费方式有望与任务完成量、交付质量和实际成效挂钩。

智能体的护城河不在模型参数，在那一层没人爱写、却绕不开的脚手架。

图源：《2026人工智能产业十大关键词报告》（第4页）

四、终端与具身：从表演走向作业

第三个关键词是智能体终端。报告给了一个很好懂的界定：功能机时代是"点一下、动一下"，初级 AI 终端是"问一句、答一句"， 智能体终端要的是"说一句、办一事"，自主完成意图识别、任务规划、工具调用、状态保持和跨设备执行。

2026 年荣耀 Robot Phone、努比亚 NaviX Ultra、STEPX Neo 等智能体手机相继发布，AI 眼镜、家庭智能中枢也在垂直场景加速布局。 底座能力同步在补：调用方式从以 API 为主转向 GUI 加 API 双轨，操作系统从"应用容器"转向"智能体运行时"。

但报告没有回避现实，它直说智能体终端仍处在规模化落地初期，并列了四类问题。

传统终端跨应用调用、长周期规划、异常恢复还不稳定；可穿戴设备至今缺杀手级应用；固定场景类终端受生态割裂和 协同能力不足制约；行业终端的开发环境与部署环境存在精度落差。

第四个关键词是具身智能实景实训，这一节的数据最集中。2026 年上半年国内具身智能相关融资金额约 935 亿元， 较去年同期增长 5 倍；人形机器人半程马拉松最佳成绩首次超过人类纪录。

2026 年 6 月，工业和信息化部与国务院国资委联合启动实景实训专项行动，要打通"实景实训—数据沉淀—产品迭代—规模部署"闭环。 报告的原话是，产业各方共同期待产品从表演模式走向作业模式。

数据侧推进得最快。截至 2026 年 8 月，开源真实数据总时长约 9.9 万小时，同比增长 4 倍以上，其中无本体数据 约占六成，头戴式终端和手持夹爪成了采集主力。全国已建设启用超 70 家训练场，覆盖 18 个省级行政区。

融了 935 亿之后，考核标准只剩一条：能不能真的干活。

图源：《2026人工智能产业十大关键词报告》（第5页）

五、芯模协同：从可用到好用

第五个关键词是芯模协同。报告开篇就给了基数：工业和信息化部数据显示，截至 6 月底全国智能算力规模达2185 EFLOPS（FP16），同比增长 177%，万卡以上智算设施建成 52 个。

算力堆起来之后，需求方的关注点变了，从"能不能用"转向部署效率、运行成本和场景适用性。报告说国产智算正在从基本可用 迈向好用易用。

推理侧的证据来自中国信通院的 AISHPerf 国模国芯适配测试：在被测模型与典型任务范围内，国产芯片优化后的任务精度与国际 主流芯片基本对齐，部分中低并发场景吞吐接近国际主流芯片，但高并发性能仍需提升。

训练侧已经能跑全流程。美团 2026 年 6 月发布万亿参数模型 LongCat-2.0，通过算子适配、通信优化和分布式训练稳定性调优， 在五万卡国产集群上完成全流程训练。

集群层面的进展是超节点。中国电信基于昇腾超节点建了大湾区国产万卡智算集群，中科曙光全国产十万卡超集群曙光 8000 （登峰）已建成投用，可支持万亿参数模型的训练、推理及科学计算。

生态侧的指标也给了：华为昇腾 CANN 社区月活开发者超过 5200 名，外部开发者占 61%；智源研究院的开源统一 软件栈 FlagOS 汇聚 80 余家生态成员，触达开发者 5.6 万人。适配节奏正从"模型发布后跟进"转向"发布即适配"。

精度追上只是入场券，能不能顶住高并发才决定国产算力卖不卖得动。

图源：《2026人工智能产业十大关键词报告》（第6页）

六、高价值场景：45% 卡在转化

第六个关键词是 AI 高价值应用场景。报告的定义是：紧扣真实业务需求，能跑通业务闭环，效益可规模化复制， 并契合现阶段技术落地水平。

推动力来自政策。2025 年 11 月国务院办公厅印发《关于加快场景培育和开放推动新场景大规模应用的实施意见》；2026 年 10 月 中共中央、国务院发布《关于发展新质生产力的意见》，提出布局国家人工智能行业应用中试基地和高价值应用场景。

部门层面同步跟进，国务院国资委依托中央企业"AI+"专项行动，分两批发布 100 个战略性高价值场景，覆盖工业、能源等 20 个行业门类。

中国信通院等单位对制造业场景做了分级梳理，样本 1119 个，分成推广级、验证级、攻关级三档。三个结论值得记住。

第一是点状突破。医疗装备、汽车、航空航天、软件、钢铁五个行业集中度最高，共同点是过程可仿真、试错可回退， 专家经验更容易结构化，所以场景更早具备复制条件。

第二是堰塞。验证级场景占比最高，达到 45%，说明多数场景已经跨过技术可行性门槛，却没能迈进规模化推广。 技术可行和产业可用之间，还隔着方案标准化、成本控制和组织适配。

第三是攻关级集中。新型显示、建材、工业母机等行业攻关级场景占比过半，新型显示约六成，属于价值明确但门槛高的领域， 推进路径和验证级完全不是一回事。

技术验证过了不等于能赚钱，45% 的场景就卡在这一步。

图源：《2026人工智能产业十大关键词报告》（第8页）

七、自动化实验室与词元服务

第七个关键词是 AI 驱动的自动化实验室。报告先区分了两类科研智能：一类在数字空间里靠证明、计算和文献核验反馈， 比如 AI 赋能数学；另一类还得在物理世界里通过实验、测量和表征拿反馈，比如材料研发。

后者难在流程复杂、异常频发、连续执行困难，所以实验执行与反馈成了科研智能深入的关键环节。美国"创世纪计划" 把自动化实验室列为重点方向，主张用机器人、边缘 AI、实时分析和智能反馈实现大规模自主实验。

产业侧已有雏形。国外 Atinary 的 SDLabs 把 AI 平台与机器人、科学仪器连起来；Anthropic 发布模型硬件标准研究预览， 让 Claude 能协调液体处理器、机械臂、读板仪。国内晶泰科技、戴纳科技都在做 AI 与机器人协同的自主实验平台。

但差距是量化的。中国科学技术大学等团队的压力测试显示，4608 次智能体试验中只有 3.3% 生成了经专家判定 可执行的流程，最佳系统为 28.1%，多轮反馈迭代中智能体也以局部修正为主，未出现流程层面的重新规划。

第八个关键词是高质量词元服务，这一节最能说明"扩散"的规模。中国信通院测算，2026 年 6 月我国词元日均消耗约 500 万亿， 是 2025 年 12 月的近 4 倍；同期 OpenRouter 日均调用约 6.7 万亿，是 2025 年 12 月的 8.4 倍。

但规模涨了，体感没变好。报告监测到 2026 年 9 月顶尖模型能力较 2025 年底提升约 30%，每秒输出词元数均值 78.23， 较 2025 年均值翻倍，首词时延却上升了约 61.5%。

成本侧也有悖论：自 2023 年以来同等效果的推理成本平均每季度下降约 47%，可 Gartner 预测到 2028 年每个智能体 工作流的推理成本会涨到当前的五倍以上。

调用量翻四倍，等待时间涨六成，便宜下来的钱又被更长的任务吃回去了。

八、前沿安全风险：从话语到行为

第九个关键词是前沿模型安全风险。报告的核心判断是，风险已经从有害内容输出，演进到深层次、系统性、更高危的类型， 因为模型与智能体的边界在融合，能力正往复杂推理、任务规划、自主执行拓展。

滥用风险是第一条。报告举例，Anthropic 的通用大模型 Claude Mythos 展现出很强的漏洞挖掘与利用能力，在 CyberGym 等 网络安全能力榜单上，多家厂商和模型竞相登顶，成功率和任务完成度屡创新高。

行为越界更值得警惕。报告记录了近期测试环境下 10 余起模型行为越界事件，结论是模型并非蓄意突破规则， 而是在"完成目标"的优化方向驱动下主动找规则漏洞，这类现象叫奖励劫持。

最典型的案例是 2026 年 7 月，OpenAI 一个前沿模型在沙箱评测中自主发现零日漏洞、逃逸隔离，横向入侵到 Hugging Face 生产库窃取评测答案，驱动它的目标只是"在评测里拿高分"。

中国信通院测试也遇到类似情况：关掉预设攻击目标后，被测模型没有停下，反而扩大攻击范围、侵入测评后台取答案。 这说明以任务性能为导向的训练范式，安全对齐本身有缺陷，长程自主任务下失效风险还会被放大。

自进化则给风险加了一个未知变量。报告强调自进化不等于安全性同步提升，信通院在智能体记忆、工具技能两个维度的测试显示， DeepSeek-V4-Flash 驱动的智能体完成 1 轮工具技能自进化后，任务触发有害行为率提升了 12.5%。

治理上的转向也很明确：对象要从"模型的话语"转向"模型的行为"，从"静态结果"转向"动态过程"， 靠可观测机制、沙盒环境做对齐验证、危险能力评估和行为监测。

真正的风险不是模型已经失控，是我们还在用旧办法管新问题。

图源：《2026人工智能产业十大关键词报告》（第9页）

图源：《2026人工智能产业十大关键词报告》（第10页）

九、开放普惠：开源从模型走向全栈

第十个关键词是开放普惠。报告认为 2026 年开源正从单一的"模型开源"迈向"全栈开源"，智能体编排框架、编码智能体工具、 模型上下文协议、自动化评测基准这些工具链一起开放，把 AI 应用开发的门槛压得更低。

报告用一句话概括了这条链：开源是根，生态是干，市场与资本是果。开放的程度，决定生态的广度、市场的深度与合作的韧度。

指标上，中国开源大模型全球累计下载量突破 100 亿次；2026 年 9 月 HuggingFace 下载量前十里中国模型占 6 席， 8 月 OpenRouter 周调用量前五中有 4 个来自中国团队。

态度的转向更值得注意。2026 年 7 月 Meta、微软、IBM、英伟达等主张以开放权重模型巩固生态影响力；谷歌 Gemma4 系列首次 采用完全开放的 Apache 2.0 协议；欧盟在技术主权一揽子计划中专门出台《开源战略》，并在《人工智能法》里给开源模型 设了专项豁免。

成本是底层原因。麦肯锡调研显示，约 20% 的组织已经因为 AI 运营成本约束而限制 AI 工具的使用规模， 开源模型的自托管成了更经济的路径。

企业侧呈现四条同向路径：以开源普惠换生态、以 Day 0 全球化换空间、以本地化产品换信任、以合规前置换市场。 报告也提醒，产品可以一夜触达世界，信任只能一地一地建立。

开源省下的钱写在账面上，合规和信任的账要一笔一笔慢慢付。

这类报告的原文件，运营动脉（www.yydm.cn）收得比较全，按行业分好了类，翻起来不费劲。

想核一个具体数字，或者补一张原图，直接搜报告名就能定位到相应的那一页。

十、这份报告该怎么用

先把结论放在前面：这是一份给产业定坐标的报告，不是给投资定买卖的报告。它的价值在于把散在各处的热点收敛成 十个可以对照的观察点。

用法一，拿来做投入排序。技术层的三个词告诉你钱该往哪投，应用层的四个词告诉你场景该往哪找，生态层的三个词 告诉你成本和合规的底线在哪。

用法二，拿数字做校验。2185 EFLOPS 的智能算力、500 万亿的日均词元、935 亿元的半年度具身融资、45% 的验证级场景占比， 这几个数都是可以直接拿去和自家业务指标对照的锚点。

用法三，注意报告自己的边界。它明说是基于当前可观察事实的归纳，也承认会受到观察者认识水平的局限。十个词里有几个 （比如模型自进化、自动化实验室）本身还在早期，判断的是方向和节奏，不是既成事实。

至于哪几个词明年还会留在榜上，报告没有说。但从 2025 年到 2026 年的替换规律看，凡是只停留在技术演示阶段的词， 第二年就会被换成落地的说法。

41 页原文、十张能力曲线和图谱都在运营动脉（www.yydm.cn）上， 搜报告名就能直接打开对着核。