本报（chinatimes.net.cn）记者王敬 大连摄影报道
走进大连国际会议中心，AI的气息扑面而来——会动的艺术装置引人驻足，人形机器人MATRIX-3正忙着为嘉宾递上现磨咖啡。
6月23日至25日，2026年夏季达沃斯论坛落地大连，90多个国家和地区1700余名嘉宾齐聚。本届论坛以“规模化创新”为主题，百余场分论坛中，人工智能直接相关的专项论坛超过10场，涉及AI融合议题的场次超过30场，“人工智能”“机器人”等议题成为会场上当之无愧的“顶流热词”，相关论坛几乎场场爆满，热门场次外排起长队。
与往届不同，今年达沃斯论坛关于AI的讨论，已明显脱离了纯软件与理论层面的“务虚”阶段，重心转向了经过市场验证、具备可持续盈利能力的AI落地场景。概念原型、创意设想不再是行业关注重点。
《华夏时报》记者注意到，“中国方案”成为各方关注的焦点。正如国务院总理李强在达沃斯开幕全会上点明中国创新发展核心逻辑，中国在长期的创新发展实践中，走出了一条以科技创新引领产业创新、以产业升级促进科技迭代的有效路径。
市场聚焦可商业化AI应用
今年是涂鸦智能联合创始人、首席运营官兼首席财务官杨懿首次参加大连达沃斯论坛。他用一个词概括参会感受——“All in AI”。但他随即补充道：“我对此一点都不感到奇怪，否则大家聊什么呢？所有人都在寻找能够持续创造营收、适配实体产业的AI商业模式。”
杨懿向《华夏时报》记者谈道，前两年业内热衷于讨论基础模型技术理论；去年，焦点转向用户规模、技术可行性推演；而到了2026年，全球市场已只认经过实践检验的AI落地项目，纯粹的创意概念或实验室原型，已不再具备讨论价值。2025年可被视为“AI硬件元年”，上游开发者与制造企业开始批量入局AI原生硬件，积累了大量的可落地应用案例；2026年，行业正式迈入规模化扩张周期。
依托国内完备的制造业供应链，中国走出了一条区别于海外纯软件主导的AI发展路径，将AI技术硬件化、实体化。海量智能硬件设备持续为大模型迭代供给真实场景数据，仅涂鸦智能一家，全球联网智能设备数量就突破10亿台，构筑起独有的产业生态壁垒。
现场，多位实体企业负责人分享了AI重塑产业与商业格局的真实价值。天津和治友德制药有限公司董事长韩金明在接受《华夏时报》记者独家采访时表示，AI对企业的改变集中在两端：在产业端，AI极大缩短了产品研发与老化测试周期，将原本需数年甚至更长的实验室验证过程大幅压缩，助力产品快速从实验室推向市场；在市场端，数字化催生的“个人经济体”现象正深刻改变全球商业格局，企业通过打造创业赋能平台，既吸纳就业、扩大普惠，又能借助市场的规模化应用反向推动产品迭代创新，形成良性循环。
中国国际海运网CEO康树春在接受《华夏时报》记者采访时也表示，AI的核心价值绝非简单意义上的降本增效，而是创造全新产业赛道、价值空间，推动企业全球产能、业务布局扩张，实体产业正借助AI打开全球化发展新通道。
中国方案吸引全球外资
当前，全球AI产业核心力量集中于中美两国，二者依托自身产业根基走出完全差异化发展道路，形成两套成熟商业模式。而完备的制造业供应链，更是中国AI产业难以复制的独特竞争力，持续吸引跨国企业调整全球研发、生产布局。
杨懿这样拆解两条路线底层逻辑：美国AI以软件服务为核心，To B赛道重构企业内部数字化体系，To C赛道依托通用大模型入口，通过广告、会员服务完成商业变现。
反观中国，依托全球最完整的制造业产业链，走出“AI+硬件”路线，将AI技术落地至智能家电、储能装备、人形机器人、工业传感器等实体终端。大批本土科技企业自带全球化布局思维，自研AI硬件产品出海。
荷兰国家数学与计算科学研究中心（CWI）主任瓦妮莎·埃弗斯（Vanessa Evers）接受《华夏时报》等媒体记者采访时指出，中国在“物理AI”与“具身智能”的实际应用方面已走在欧洲前列，令欧洲颇为“羡慕”。在美国，大量资本正狂热地涌向通用人工智能和人形机器人——“如果你不做人形机器人，就别想拿到钱。”
她指出，与美国企业将巨额资金狂热投入通用人工智能和人形机器人基础研发不同，中国更注重将AI深度整合进现有服务链条，例如覆盖医院财务、护理、术后康复的全流程智能系统。同时，中国为机器人技术提供了丰富的“试验场”和“安全空间”，让新技术在真实场景中与人群互动、快速迭代。
外资持续加码中国科技产业的趋势，也得到官方数据印证。李强在开幕全会上表示：“我们看到，越来越多的外国企业来到中国，设立研发中心、地区总部，深度融入中国创新链、产业链，从‘在中国生产’转向‘在中国创造’，2025年科技研究和技术服务领域新设外资企业1.4万家、同比增长27.2%。”
多位外商向本报记者表示，中国兼具全链条产业配套、海量应用场景、完善科创扶持政策，是跨国企业搭建AI全球创新高地的首选市场。
共探AI落地瓶颈与发展解法
6月23日，首场专题分论坛“AI无处不在，却非一蹴而就”全场座无虚席。世界经济论坛、彭博智库调研数据显示，全球头部科技企业正持续加码万亿级AI基础设施建设，亚马逊、Alphabet、微软等企业本年度相关资本开支分别达到千亿美元级别，叠加股票回购等资金动作，行业整体投入规模空前。
然而，尽管AI产业红利持续释放，各行各业纷纷布局AI转型谋求规模扩张，但产业落地速度远跟不上技术迭代节奏，巨额投入难以快速兑现商业收益，技术突破与产业化落地之间存在明显断层，成为全行业共同难题。
日本IT服务巨头NTT DATA Inc.首席战略官Roli Agrawal用“1-2-3-4”框架拆解AI规模化落地的全链路投入逻辑：“若投入1美元于AI技术本身，就要配套2美元用于变革管理，确保人员同步跟进；3美元用于搭建完整产业生态架构，包括治理体系、token优化、安全护栏、多智能体协同等；4美元用于底层数据治理。我们给企业客户的核心建议是全盘规划全链条投入，不能只单一投入模型研发。”
她强调，AI本身如同汽车的大脑，单独无法创造价值，必须配套传感器、低时延高速网络、边缘算力、工厂执行端等全链条创新形成完整闭环，单一布局模型很难落地；同时全球各区域监管标准碎片化是跨国企业转型的重大阻碍，不同市场隐私、数据访问、权责界定规则各不相同，企业开展跨境AI业务需要适配多套合规体系，缺少统一协同的国际治理标准，数据所有权、问责机制、合规准入边界模糊，一旦出现技术应用失误，企业将承担极高合规代价。
中国移动首席科学家冯俊兰则从基础设施投资角度表示，当前半导体和模型的迭代周期极快，数据中心硬件可能在半年后就被新一代产品超越。“我们投入大量资金，但芯片的迭代没有减速。”她坦言，运营商正面临一场“网络架构革命”——现有的网络和数据中心原本是为服务人类设计的，现在要转向服务“硅基智能体”，没有人确切知道该怎么做。“建一个数据中心，可能半年后新一代模型或AI芯片就会迭代两轮。你的投资可能会悄无声息地闲置在那里。”
从产业落地层面，当前AI技术多集中在语音、图像等模态数据处理，但海量传统企业沉淀在数据库、表格中的业务数据无法被现有模型高效挖掘，企业数据底座、内部业务系统、传感体系普遍存在短板，多数企业寄望先完成全部基础改造再布局AI，这个等待周期长达数年，会彻底错失转型窗口，AI具备持续迭代的活体属性，不能等全部条件完美再入场，企业应当边落地边修复基础短板。
清华大学苏世民书院院长、教授薛澜则从宏观视角提醒，全球AI叙事聚焦三条主线——除了前沿大模型赛道的全球竞争，前沿模型的落地普及和AI高速发展背后潜藏的各类风险同样值得关注。他比喻道，汽车刚刚被发明时，并没有同步建设加油站、配套道路基建。当前，AI基础设施层面存在软硬件双重短板，行业普遍重视数据中心等硬件建设，但软件规范、监管制度、数据流通规则这类软性基础设施建设推进缓慢，政策体系追赶技术创新的节奏严重不足。
步入2026年，AI正处于从“技术突破”向“规模化落地”转型的关键窗口期。成功的关键不在于等待一切准备就绪，而在于在试错中逐步构建数据、治理、人才与战略的协同体系。正如冯俊兰所言：“AI像一片海洋，我们现在只是浮在水面。如果要真正畅游，必须跳进去。”
责任编辑：徐芸茜 主编：公培佳
