工联网消息(IItime) 自2022年底算起，ChatGPT问世至今不到四年，而大模型已从惊艳世界的聊天工具，成长为搅动全球经济和大国博弈的核心变量。目前，这场变革正走到微妙路口：一边是高速扩张——美国四大科技巨头2026年资本开支合计约7250亿美元，同比暴涨77%，到2030年头部模型算力将达现在的1000倍左右；另一边是疑虑渐起——95%的企业人工智能项目至今没有产生可衡量的回报，靠循环交易撑起的融资结构已让华尔街嗅到“泡沫的气息”。投入仍在提速，回报却迟迟未至，喧嚣之下更需要冷静回答三个问题：大模型的发展走到了哪里？哪些经验必须推倒重来？未来五年向何处去？

总体判断：技术未见顶，应用换形态，产业改规则

在技术方面，2026年的主线依然是规模驱动，且未见平台期。训练算力正以每年4~5倍的速度扩张，单位词元（Token）成本一年内下降超87%，降价刺激调用量呈指数级增长。斯坦福大学2026年人工智能指数报告给出明确判断：AI能力并未出现“平台期”，前沿模型已在博士级科学问答、竞赛数学等多项基准上达到或超过人类基线。算力扩展之上，能力引擎又叠加三个新方向。一是后训练强化，国内团队在基座参数冻结的前提下，仅靠延长强化学习训练就把编程能力提升50%；二是推理时计算（inference-time compute，ITC），让模型答题前先打草稿、用思考时间换答案质量，推理模型已在国际数学奥林匹克竞赛上达到官方认证的金牌水平，中国开源模型随即跟进夺金；三是架构与工程创新，中国团队2026年开源的1.6万亿参数模型，处理百万词元长文本的计算量仅为同规模前代模型的27%，性能比肩顶级闭源模型。世界模型等下一代路线已获超20亿美元投入，纯语言模型的“天花板”之外，新的技术空间正在被打开。

在应用方面，最显著的变化是应用形态从“对话框”走向“数字劳动力”。其一，智能体成为最主要的新形态。Gartner预计到2026年底40%的企业应用将内嵌任务型智能体，而2025年这一比例还不足5%；让模型接入邮箱、日历与办公系统的模型上下文协议（model context protocol，MCP）一年间，其月下载量从近亿次增至近5亿次；人工智能眼镜2025年全球出货870万部，同比增长322%。其二，大模型的渗透速度史无前例。生成式AI问世三年即触达全球约53%的人口，快于当年的个人电脑和互联网。其三，大模型的形态翻新与价值兑现落差明显。麦肯锡调查显示，88%的组织已在至少一项职能上使用AI，但规模化应用智能体的比例不足10%。大模型的上半场靠技术惊艳，下半场要靠产业兑现。

在产业方面，出现三大新态势。其一，竞争从单点竞赛升级为体系争夺。人工智能竞争已是芯片、电力、数据、算法、应用、规则的全维度较量，据斯坦福报告，中美顶级模型性能差距已从2023年的约30%收窄到2.7%，全球前十的开源模型中国独占八席，而投入只有美国的约二十三分之一——用零头的钱把差距追到咫尺之间，本身就是对游戏规则的改写。其二，资本开支进入历史罕见区间。头部科技公司资本开支占收入比重升至约三分之一，两倍于20世纪90年代互联网的建设高峰，国际清算银行2026年年度报告已把AI资本开支回落风险与循环融资，列为全球金融稳定的首要压力点。其三，价值分配逻辑正在重塑。模型本身趋于大宗商品化，利润向上游算力与下游应用两端迁移，2025年全球企业级AI投资达5817亿美元，同比增速翻倍，企业的钱正从“买模型”转向“买落地”。

贯穿三条线的共同背景是，科技行业沿用五十年的传统规律集体失效。第一条被推翻的是“人月神话”，软件工程的铁律是“人多、钱多不解决问题”，但在人工智能时代，只要资金足够、芯片足够，追赶速度真的可以用钱买来。第二条被推翻的是“软件护城河”，当人工智能代替人来操作软件，用户习惯、界面锁定这些吃了几十年的老本一夜清零。第三条被推翻的是“产品的红利期”，过去一款好产品的红利窗口有五到十年，如今被压缩到大约五个星期。正所谓，旧地图导航不了新大陆。

五大战场的新规则

算法：范式接力，语言之外开新局

语言模型的能力增量将主要来自强化学习后训练与推理时计算，而非预训练规模本身。前沿实验室已集体把增量算力转移到后训练：OpenAI证实大规模强化学习呈现与预训练相同的规模定律，DeepSeek-R1的开源论文证明推理能力可直接从可验证奖励强化学习中涌现；据Epoch AI测算，这一范式带来的算力等效增益约为10倍，超过多数架构创新的历史贡献；往前看，可验证奖励正从数学、代码向医疗等通用领域外溢。架构与效率创新构成“第二种算力”，混合专家模型（mixture of experts，MoE）极致稀疏化让万亿参数模型每次推理仅激活约2%的参数，达到固定能力的推理价格每年下降至原来的五十分之一到二百分之一，算法与芯片进步相互叠加，共同决定能力前沿的推进速度。

除语言模型之外，三条新范式将划定未来五年的边界。一是世界模型，让模型学习世界如何运转而非语言如何接续，谷歌DeepMind的Genie 3已具备实时生成可交互三维虚拟世界的能力，并被用于自动驾驶仿真；二是具身智能，以“视觉-语言-动作（vision-language-action，VLA）”模型为代表，将大模型的自然语言语义理解能力直接对接至机器人的运动控制链路，世界模型为具身训练提供仿真“考场”、VLA提供“身体”，二者技术合流是人工智能走进物理世界的桥梁；三是持续学习，让模型从“出厂即定型”走向“越用越强”。未来五年的算法图景将呈现“一纵一横”，纵向沿强化学习加推理时计算深挖，横向把战场拓展到物理世界。

算力：三线竞速，短缺分层

算力创新将沿芯片、私有算力、公有算力三条主线同时展开。

在芯片层面，通用GPU（graphics processing unit，图形处理单元）与自研专用芯片双轨竞速已成定局。英伟达Rubin系列2026—2027年接力上市，单卡高带宽内存容量将推高至384 GB，谷歌TPU（tensor processing unit，张量处理单元）等自研芯片加速放量。然而，真正的刚需约束在存储与封装，内存供不应求预计将延续至2027年，先进封装产能已被预订到2027年之后，未来三年芯片竞争的胜负手不只在制程，更在内存、封装与电力的供应链掌控力。国产芯片迎来从推理走向训练的关键窗口期，2025年国内AI芯片出货量国产占比已约四成，机构预测到2030年，国产芯片可满足国内约四分之三的需求。

在私有算力层面，主权AI与私有化部署成为主流选择，以公有云为生产推理主环境的企业占比一年内从56%降至41%，2026年全球主权AI算力投资已近千亿美元。

在公有算力层面，云的形态正从“通用云”转向“AI工厂”，超大集群迈向吉瓦级；中国依托全国一体化算力网走国家统筹路线，智能算力规模已达1882 EFLOPS，2026年算力网相关投资预计超过7万亿元。

由创新格局可以推断出三年内的产业态势。其一，短缺是常态、分层是出路。训练算力需求仍以每年4~5倍扩张，而电力、存储与动辄五年以上的建厂周期决定算力供给爬坡的空间有限，产业将以“训练集中化、推理分布化”化解供需矛盾。其二，经济性取代峰值性能成为第一竞争维度。单价持续下降但调用量指数增长、总支出不降反升，谁能把度电成本、集群利用率做到极致，谁就能掌握定价权，算力竞争本质上会演变为能源竞争。其三，对中国而言，未来三年是国产算力从“能用”走向“好用”的攻坚期。国内高端AI算力缺口仍超五成，突破口在训练侧的国产化与高端存储，并把能源与电网优势转化为算力成本优势——在人工智能时代，度电成本就是国家竞争力。

数据：数量红利见顶，质量与形态接棒

数据竞争的本质在于质量与形态。一方面，高质量数据成为真正的“护城河”。模型架构约八成已经商品化，数据成为各厂商拉开差距的主要来源；合成数据已从微调“配菜”变成预训练“主粮”，微软用4000亿词元合成数据训练Phi-4，最新研究显示，高质量合成数据最高可把训练效率提升7.7倍。另一方面，多模态数据需求爆发。世界模型与具身智能的兴起，使视频、三维场景、传感器信号成为下一轮规模扩展的“燃料”，文本之外的数据才刚刚开始被系统性开采。

数据的价值兑现，在于上下文与训练环境。在应用侧，主流AI工具围绕上下文工程展开竞争，同一个模型，“懂你”和“不懂你”，发挥出的能力可以相差数倍；麻省理工学院的调查印证，95%的企业AI项目没有回报，症结不在模型能力，而在系统缺少组织级的上下文积累与反馈闭环。在训练侧，比语料更稀缺的是高质量训练环境，把真实业务流程封装为带可验证奖励的强化学习环境，头部公司已计划为此每年投入超10亿美元。这对中国而言是战略级机遇——我们拥有全球最完整的产业门类，工厂产线、医院流程、政务链条一旦被封装为可评估的训练环境，就是其他国家无法复制的训练资源，制造业大国第一次有机会把真实产业场景转化为大模型的核心训练资产。

归纳起来，数据领域将呈现三大趋势。在技术上，数据工程从“爬取—过滤”升级为“合成—课程—环境”一体化流水线，数据配方成为比模型权重更为核心的商业机密；在种类上，纯人工生产的通用公开文本占比持续下降，推理轨迹、工具调用日志、机器人操作序列等机器与业务过程数据，将成为未来训练数据的增量主体；在产业上，数据服务从劳动密集的标注转向专家密集的评估与环境构建，按量计价让位于按质计价。上半场拼谁能“爬到”更多数据，下半场比拼谁能生产、组织和封装更好的数据。

应用：编程打样，原生提速

编程是大模型应用的领跑者，它的今天就是其他行业的明天。代码可自动验证、反馈以秒计、全程数字化，天然是强化学习的最佳“考场”；最新的编程智能体已能连续执行数百次工具调用、独立完成数小时的工程任务，编程助手也率先实现规模化收入，企业为“完成的工作”而非“软件授权”付费的新模式由此起步。下一批次的突破将出现在与编程同构的领域：科学研发排在首位，气象预报持续改进，仅飓风预警一项就在2007—2020年间为美国节省约700亿美元；法律金融文书、医疗影像、工程仿真等“数字含量高”的白领岗位的工作紧随其后。若编程等领域收入延续每年2~3倍的增速，到2030年AI创造的经济价值将逼近万亿美元。

更大的变量在于应用范式本身。现阶段多数AI应用仍是对旧软件的简单重构——加一个AI按钮、塞一个对话框，如同移动互联网初期把电脑网页硬塞进手机屏幕。历史的规律是，真正定义时代的原生应用总是诞生于“吃透”新介质之后，触屏与定位催生的是微信、抖音与网约车，而不是“手机版门户网站”。目前，AI原生应用的轮廓已经浮现：以模型为运行时而非附加功能，以意图而非菜单为入口，按结果而非按席位计费。下一代超级应用大概率不在现有App的名单里——真正的机会不是给旧软件加智能，而是为智能重写软件。

终端：旧终端“换脑”，新终端“夺口”

AI正在给传统终端集体“换脑”。在手机上，系统级智能体听懂一句话就能跨应用订机票、填报销单，交互中心从应用转向意图；在电脑上，AI PC成为换机潮的主角，常驻桌面的个人智能体开始接管文档与日程。端侧小模型的能力密度约每三个半月翻一番，一部手机装得下的模型已达到两年前云端旗舰的水平，“家庭医生+专家会诊”的云边端分工成为标准架构：端侧模型处理隐私敏感、分秒必争的日常任务，云端大模型专治复杂推理的“疑难杂症”。

AI原生终端则迎来寒武纪大爆发。人工智能眼镜2025年全球出货870万部、同比暴涨322%，全球前五名中，国内厂商占据四席；OpenAI计划推出的1亿台无屏随身设备交由中国供应链代工。新机遇在于三重卡位：入口卡位，眼镜与耳机贴着人的眼睛和耳朵，是采集上下文的最短路径；品类卡位，新形态没有在位者，初创公司与制造商站在同一起跑线；产业卡位，中国手握全球最完整的智能终端产业链，国务院部署实施的“人工智能+”行动明确了目标，到2027年新一代智能终端普及率超过70%。终端竞争的本质已变，卖硬件是一次性生意，占据上下文入口才是长期生意——谁贴身，谁的智能体就更懂你，“护城河”从性能参数转移到理解深度，入口之争的下一章不是抢手机的首屏，而是抢人的眼睛和耳朵。过去五十年是人在适应设备——学打字、学触屏、在几百个图标里翻找；当设备开始理解人，终端的角色便从“功能工具”变为“懂你的前哨”。

面向“十五五”时期的六个预测

预测一：技术不会见顶，前沿模型的综合性能将再跃升两个台阶。算力规模拓展仍是主引擎，到2030年头部大模型训练所需的算力将达当前水平的约1000倍；叠加后训练强化与研发自动化，AI驱动的自动化科研在落地首年就能实现相当于传统模式2~3.5年的研发进度。世界模型与具身智能技术能否实现规模化落地，将在2028年前后见分晓，一旦突破，产业竞争的战场将从数字世界延伸到物理世界。与此同时，机器智能的能力边界正从科幻话题变成治理问题，应早研究、早准备预案。

预测二：算力短缺将贯穿产业发展全过程，电力将取代芯片成为首要约束。到2030年，单次前沿大模型训练将需要约10 GW的电力供应，美国的短板是电力和内存，而中国的短板则是高端制程和存储。供需矛盾将通过分层部署模式化解：前沿大模型训练集中于极少数拥有吉瓦级集群的头部玩家，推理算力下沉到私有云与终端侧。其间不排除算力泡沫阶段性破裂，但参照铁路与互联网的产业发展史，泡沫出清后沉淀的算力基础设施，将成为下一轮产业增长的基石。

预测三：商业模式整体换轨，“卖劳动力”取代“卖软件”成为主流。按AI完成的工作量收费，将逐步取代按软件授权收费，渗透节奏不取决于模型的性能，而取决于千万家实体企业重构工作流的速度，这正是当前利用政策引导产业升级的重要抓手。就业冲击将持续显性化——美国22~25岁年轻程序员的就业规模已较历史峰值下降近20%，AI抽走的恰是年轻人成长为资深从业者的晋升阶梯，这将成为世界各国必须提前应对的民生课题。

预测四：模型层的利润将被两端抽走，产业走向“寡头或公用事业”两极分化。一极是做最强模型就要大量购买算力，就必须成为最大的融资方，产业链条天然向寡头收敛；另一极则是大模型像电力一样公用事业化。无论最终走向哪一极，创业空间都将转移到上层应用，AI消灭的是没有壁垒的中间层，奖励的是扎根现实的深耕者。

预测五：AI产业将迎来入口再分配，新一代超级应用与超级终端将在五年内诞生。AI原生应用将取代“旧软件加AI按钮”，智能眼镜、可穿戴设备、智能汽车、人形机器人都将成为具备全场景感知能力的全新交互入口。浏览器与应用商店两次入口更替，都改写了产业竞争座次，2027年智能终端普及率超70%的国家既定目标，将牵引国内终端产业从制造优势升级为定义优势，第一次有机会从代工者升级为定义者。

预测六：中国将以体系化竞争重塑全球AI产业格局，胜负的关键是“五个补齐”。补算力，突破训练侧国产化与高端存储瓶颈；补环境，把全球最完整工业门类的业务流程转化为模型训练的“考场”，形成非我莫属的数据主权；补闭环，以工作流改造和中小企业普惠赋能，推动AI应用主体从少数赢家扩展至多数市场主体；补终端，抓住云边端协同发展窗口期，掌握端侧模型与全新形态智能设备定义权；补规则，当全球六成开源下载量都建立在中国的技术基座之上时，我们就要把开源生态优势转化为标准话语权。“五个补齐”到位，中美比拼的将不再是单点模型，而是两套产业体系的运转效率。

回望全球产业发展史，每一次通用技术革命都遵循相似的剧本——狂热、泡沫、出清，然后才是真正改变世界的二十年，电力革命如此、互联网革命如此，眼前的大模型大概率也不例外。未来五年恰好处于本轮技术革命狂热与出清的交界，比乐观或悲观更重要的，是认清底层规则已经重写，算法、算力、数据、应用、终端乃至产业的规则，无一不在发生根本性变革。谁先按新规则组织自己的技术、产业和政策，谁就能在下一个二十年占据主导地位。