7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海举行。

由财联社与WAIC CONNECT联合打造「链合π圆桌会」今日（19日）在世博展览馆举行，该论坛围绕大模型技术分层、行业落地难点、产业长期发展路径展开深度研讨。

本场圆桌由财联社TMT主编毛明江主持，GoodVision AI董事长郑玉山、轻松健康集团市场总经理汪琪、恩和科技AI & Computation总监宋任剑、时空象限创业孵化器负责人曹莉莉四位产业嘉宾同台论道，从算力基建、医疗垂直、生物制造、消费孵化四大赛道，拆解通用大模型、行业垂类模型、具身智能三者协同逻辑，并针对行业泡沫、医疗商业化、工业物理闭环、消费品护城河四大核心议题输出产业判断。

通用基座与垂直模型分层共生，虚实闭环成产业演进主线

针对当前DeepSeek、通义千问等通用大模型能力持续迭代，大量企业同步布局行业垂类模型、轻量化小模型与具身物理AI，三者究竟是替代关系还是互补关系。

GoodVision AI 董事长郑玉山从算力基础设施视角解读模型分层逻辑。他在圆桌论坛中表示，通用大模型是行业基础能力底座，代表AI能力的“下限”，决定了基础认知水平；行业知识大模型代表“上限”，依赖细分领域的私有数据和隐私数据，解决具体行业痛点。

在郑玉山看来，标准化认知、推理能力会持续吞噬简单通用型Agent赛道，单纯依靠通用能力的智能体企业生存空间将持续收窄；但通用模型存在天然短板，无法获取各行业隐私、细分专属数据，难以适配高度垂直的行业规则，垂类模型因此具备不可替代价值。而人形机器人、工业设备等具身智能则是大模型软件能力的物理载体，三者并非零和博弈，而是形成 “通用打底、垂直深耕、硬件落地”的递进产业结构。

轻松健康集团市场总经理汪琪将AI能力的演进比作一个人的成长路径：通用大模型如同九年义务教育，提供基础认知、理解与逻辑能力；行业专业 AI 则类似大学阶段的细分专业教育，真正的价值要看能否沉淀行业壁垒数据、嵌入真实工作流、并形成可追溯服务闭环；具身智能则进一步把智能带入物理世界，完成具体任务。

落到医疗场景，轻松健康已搭建医疗专业Skill商店，沉淀2000余项专业技能，以适配不同科室、不同诊疗环节的差异化需求。汪琪认为，通用大模型决定了智能体的“基础智商”，而细分行业Skill决定其进入业务现场后的效率和可靠性。医疗AI并非技能越多越好，盲目堆砌反而会增加医生的核验成本；模块化、可选择、可验证的专业技能体系，才是医疗AI走进真实工作流的关键。

对于医疗领域的具身智能，汪琪表示，不必盲目追逐人形形态，能安全、独立完成标准化物资转运、基础检测等任务的设备，就已经能够创造明确的产业价值。

恩和科技AI&Computation总监宋任剑聚焦虚实结合的技术闭环。他提出，通用大模型仅提供基础认知与推理框架，行业专有模型（Expert mode）填补专业认知空白，以AlphaFold为例，基础模型打通蛋白序列与结构关联，而生物制造专属模型持续攻克结构到功能的行业难题。二者混合协同完成虚拟仿真，而自动化、具身设备构成物理执行层，将自然语言指令转化为机械实验动作，持续回流真实世界数据反哺模型迭代。恩和开发的全球首个面向生物制造的物理人工智能平台 SAION AI，就是将认知、控制与执行能力连接在同一系统中；其中 BPL 生物协议语言负责把实验方案转化为机器可执行流程，使真实实验数据能够回流并参与后续迭代。

在宋任剑看来，未来AI的竞争力不在于推理生成有多快，而在于“决策-执行-反馈”的物理闭环速度和AI进入产业的深度。当前代码开发已实现 AI 自迭代，未来生物制造、工业领域也将复制这一演进路径。

时空象限创业孵化器负责人曹莉莉从产业链顶层视角划分四层产业架构：材料层、算力层、模型层、应用层。过去三年资本集中涌入算力、模型赛道，2026年资金明显向上游AI材料、下游产业应用两端迁移。

在她看来，模型本身不再是核心壁垒，依托AI重构千行百业、落地真实场景的企业将掌握长期价值，类比电力时代，创造电灯、手机等终端应用的企业价值远高于发电厂。时空象限孵化的窝窝优加、MOMOTOY等品牌，覆盖智慧家庭、AI潮玩等多个赛道，复用底层具身智能技术与全球渠道资源，大幅降低家庭智能硬件落地成本，印证应用层商业化的广阔空间。

AI规模化落地需锚定盈利与真实需求

在专属问答环节，四位嘉宾结合自身赛道，直面 AI 产业泡沫、医疗商业化卡点、工业技术落地难点、消费 AI 同质化四大现实难题，给出务实产业判断。

针对AI产业是否存在泡沫的行业热议，郑玉山依托全球推理算力布局数据给出明确周期判断。他以铁路建设、光纤基建历史泡沫类比当前全球算力投资热潮，两次历史泡沫虽淘汰大量基建企业，但完整留存基础设施，为后续应用爆发奠定基础。

数据显示，2025年海外AI训练、推理基础设施投入7000亿美元，2026年预计增至1.2万亿美元。

在他看来，叠加海外千亿级算力建设规划，大规模算力产能将在2028年秋季前后集中释放，届时算力供给过剩将大幅压低Token使用成本，真正的AI应用爆发窗口将同步到来。短期产业存在估值泡沫，但算力基建长期价值确定，2028年前无需过度悲观。

汪琪表示，医疗AI从“技术可用”走向“业务可用”，最难跨越的并不是模型研发，而是服务链与支付链的重构。一方面，跨机构数据仍不互通，AI辅助诊疗等服务成果也难以实现有效衔接；另一方面，医院、医保、商业保险与个人之间的付费边界、责任划分仍不清晰，行业缺少稳定、可持续的支付闭环。这一结构性问题，才是医疗AI规模化推广真正需要破解的门槛。

宋任剑复盘生物制造AI落地三大核心突破点：一是混合模型解决通用大模型幻觉问题，依托行业私有数据提升专业认知精度；二是模块化 Agent、Skill 工具降低行业调用门槛，企业可自主迭代专属技能；三是打通物理实验闭环，依托自动化设备完成仿真方案真实落地，持续回流实验数据优化模型。在他看来，这也是 AI4S 的下一阶段：不只停留在实验室中的模型预测，而是进入研发、实验执行和数据回流的完整闭环。

他提到，行业AI核心竞争力不在于通用推理框架，而在于绑定行业从业者真实工作流程，降低数据分析、仿真研发工作量，实现类程序员的高效使用体验。

面对AI消费品同质化竞争，曹莉莉在圆桌论坛上提出长期护城河三大核心：深耕细分场景、精准把握用户需求、构建可持续盈利模型。以孵化IP潮玩项目为例，团队先落地平价基础IP 产品验证市场需求，实现百万级销量后，再降维人形机器人技术和AI技术，推出潮玩IP的AI款。这样既能确保商业化可闭环，又可以有未来发展的技术和市场的上限，有更多的资源投入到核心技术的研发和IP的开发中。

她强调，AI消费赛道切忌追逐短期行业热点，稳定盈利才能支撑长期技术迭代，具备正向商业价值与社会价值的创业项目，才是产业资本长期布局方向。

圆桌尾声，四位嘉宾各用一句话总结2026年AI产业发展展望时。郑玉山直言“当下AI不存在实质性泡沫”；汪琪提出行业发展核心思路“在不确定性中寻找确定赛道”——优先进入需求真实、价值可衡量、责任可界定、支付能闭环的场景；宋任剑聚焦技术迭代目标“加速AI设计、研发、实验全链路闭环，深度赋能实体产业”；曹莉莉给出创业与投资准则“利润的制高点永远在价值稀缺处，而非声量喧嚣处”。