GIL 2026 | 2026沙利文新投资大会“AI的进阶与飞跃”分论坛圆满落幕

全球AI发展的未来核心十大技术趋势

沙利文中国执行总监李庆女士系统分享了全球AI发展的未来十大核心技术趋势。她指出，AI产业的竞争重点正在从单纯的模型能力转向实际应用：企业不仅关注模型能否完成任务，也更加关注单位任务成本、任务完成质量、运行可靠性以及复杂业务流程中的稳定交付能力。

围绕下一阶段技术演进，李庆女士重点分析了AI原生数据中心、推理优先的混合算力架构、推理计算扩展、领域专用模型与高效小模型、原生全模态实时交互、世界模型与VLA、Agent持续记忆与经验学习、自主化长程Agent、AI原生软件开发范式，以及可信AI技术栈等方向。她表示，随着AI由内容生成走向工具调用与真实业务执行，产业判断标准将进一步从“能否实现”转向“能否以合理成本稳定创造生产力”，这也将成为未来阶段AI价值分化的重要分水岭。

本原智数创始人兼首席执行官 李逆勇先生

AI产业发展的核心基础设施：AI数据服务的跃迁与重构

本原智数创始人兼首席执行官李逆勇先生从数据基础设施视角分享AI产业演进。他指出，算法、算力与数据共同构成人工智能发展的核心要素，随着大模型、世界模型、具身模型与智能体不断演进，数据供给的广度、高度与精度正在成为影响模型进化速度的重要变量。数据服务也由传统采集、标注逐步延伸至测评、合成、管理及模型全生命周期服务。

面向下一阶段，李逆勇先生提出，数据服务需要进一步覆盖数字任务与物理世界交互任务，持续沉淀专家轨迹、具身操作等高质量数据。随着模型不断学习人类语言、视觉、操作和专业经验，数据基础设施的价值也将从单纯的数据加工环节，升级为支撑AI能力持续迭代的重要产业底座。

树根科技人工智能负责人 孙佰贵先生

从连接到协同：工业智能体的破局与重构

树根科技人工智能负责人孙佰贵先生围绕工业智能体的实践路径展开分享。他表示，工业AI的价值并非停留在单点问答或流程自动化，而在于真正进入生产系统，通过智能体连接设备、数据与业务流程，实现从设备连接、知识理解到生产协同和全局决策的持续升级。

孙佰贵先生结合工业场景指出，工业智能体落地需要兼顾底层数据、知识模型、工具链、业务流程与安全体系，并通过全栈能力完成从“能理解”到“能执行”的跨越。工业场景具有流程复杂、实时性强、可靠性要求高等特征，因此AI必须与企业现有工业系统深度融合，形成可持续运行、可持续优化的工程化体系，才能真正重构制造业生产范式。

释放数据价值，腾讯云助力具身智能产业化落地

腾讯云存储产品总经理陈峥先生从数据工程视角分析具身智能产业化的关键瓶颈。他认为，具身智能正在由实验室演示走向规模化应用前夜，算法与算力能力不断收敛后，高质量、可规模化的数据供给成为决定模型能力上限的重要因素。真机数据、无本体采集数据、仿真合成数据与互联网视频数据各具价值，核心并非彼此替代，而是如何形成合理的数据配方与持续迭代的数据飞轮。

围绕数据采集、处理、管理、交付与训练，陈峥先生介绍了具身智能全生命周期的数据基础设施思路。他表示，只有让海量异构数据能够“存得下、找得到、用得好、供得快、交付安全”，并把真机验证中的问题持续回流至新一轮数据采集和模型训练，才能提高模型迭代效率，推动具身智能从技术验证走向规模化产业应用。

从“专机专脑”走向“脑力共享”，探索具身智能能力分发

RoboScience机器科学创始人兼CEO田野先生围绕具身智能能力的规模化分发展开分享。他认为，具身智能当前的重要瓶颈之一在于“专机专脑”：一个模型往往只能适配特定本体、任务和场景，复制成本较高，而机器人硬件形态又长期存在差异化。要推动具身智能真正进入各行各业，需要让智能能力能够像云计算和Model as a Service一样被高效分发。

田野先生提出，具身智能基础模型需要具备跨本体、跨任务、跨物体的泛化能力，并通过仿真、视频与真机数据形成持续进化的数据闭环。基于云端部署和API化调用，场景方、机器人厂商与集成商可以按需获得具身操作能力，减少重复建设数据和模型体系的成本。具身智能由此有望从单机能力向可共享、可扩展的基础服务演进。

决策智能重塑产业经济的“AI第三极”

杉数科技联合创始人王曦先生围绕决策式AI与产业决策的关系展开分享。他指出，人工智能不应仅被理解为大语言模型，预测、规则、仿真、强化学习、数学规划与优化求解等能力同样属于AI的重要组成部分。面向真实产业问题，关键在于以业务目标和问题解决为导向，组合不同技术路径，将信息、预测与知识进一步转化为可执行的行动方案。

在能源电力、工业制造、供应链等强约束、低容错场景中，决策问题往往包含大规模变量、复杂约束和实时变化。王曦先生结合产业实践表示，求解器与优化能力能够在此类场景中发挥重要作用，而决策式AI更核心的价值在于形成从数据理解、方案生成、优化求解到执行反馈的完整闭环，让AI从“给出建议”进一步走向“支持决策与行动”。

从模型到系统：AI Agent时代的AI Infra重构

阶跃星辰联合创始人、首席技术官朱亦博先生分享了Agent时代AI Infra的重构趋势。他表示，随着AI从模拟人类表达逐步走向探索、执行与更复杂的智能任务，基础设施与模型之间的边界正在不断融合。未来高质量AI能力不仅取决于模型本身，也取决于训练、推理、软硬协同、调度与系统工程等基础设施能否持续提升单位算力下的智能产出。

朱亦博先生指出，多模态、Agent与端云协同等趋势，将进一步推动AI Infra由支撑模型训练的后台系统，升级为直接决定模型体验、推理成本和交付效率的核心能力。模型与基础设施的联合设计，将成为AI企业提升系统效率、释放模型能力并形成规模化应用的重要方向。

算法电商：AI与算法正在重塑未来十年的品牌塑造权

知行合一联合创始人兼CEO李文亮先生从消费与营销视角分析算法时代的品牌增长逻辑。他表示，当搜索、推荐、大模型与智能体越来越多地介入消费者的信息获取与购买决策，品牌塑造的关键对象已经不只是消费者，也包括算法系统对于企业、产品和品牌的理解。

李文亮先生认为，算法电商不仅是电商渠道变化，更可能带来营销方式、组织结构和增长方法论的重构。企业需要重新审视内容、数据、品牌信号与算法之间的关系，尤其对于长期弱化营销建设的To B企业，更需要理解AI时代品牌资产如何被模型识别与调用，从而在新的信息分发规则下获得持续增长。