过去两年，AI圈比的都是模型跑分和参数规模。到了2026年，考卷换了。

软件层的智能体，第一次跨过了“能办事”这道坎；硬件层的具身智能，开始成批走向真实场景。两条线看着各走各的，抬头一看，卡点是同一个。

技术不再是唯一的变量。真正拦在前面的，是三道窄门：数据够不够、钱从哪来、责任算谁的。

往下拆。

▶一、结论前置：核心矛盾，已经从“能力”转向“兑现”

先把三句话摆在这儿。

• 软件层：智能体在短链条任务上已经具备实用价值，长程复杂任务的可靠性依然不足。“能用”和“好用”之间，隔着一段实打实的距离。
• 硬件层：具身智能进入市场验证期，本体量产与成本下行正在快速跨过硬件门槛。卡住天花板的，换成了数据供给能力。
• 资金层：融资结构从间接融资主导，转向直接融资与间接融资协调发展。轻资产的新动能，信贷依赖度在系统性下降。

三件事同时发生，指向同一个变化：竞争的计量单位，正在从“技术指标”换成“交付能力”。

▶二、智能体：短任务已经能打，长任务还在掉链子

先看能力数据，确实提气得很快。

• GAIA通用能力测试准确率：2025年1月的30%，到2026年9月抬到74.5%，与人类基准的差距收窄到约17.5个百分点。
• 头部产品综合得分：2026年6月达到93.36%，首次越过人类平均基准线（约92%）。
• METR时间跨度指标：50%可靠性下的任务时长接近12小时，大约每7个月翻一番。

看到这儿容易兴奋。但把任务拉长，画面立刻变了。

• 人类需要超过4小时才能完成的任务，成功率不足10%。
• OSWorld2.0里，对人类预估耗时超过163分钟的任务，完成率几乎归零。

原因不复杂：单步误差会沿着任务链条逐级放大。 目标漂移、长上下文记忆衰减、自我纠错不足，任何一个环节松掉，整条链子就断了。

这就是所谓的“锯齿状”能力——边界清晰、步骤不多的活可以交出去；多步骤、长周期、强协同的活还不行。

技术底座这边，MCP负责模型与工具的连接，A2A负责智能体之间的协作，“工具层—协作层—网络层”的分层架构初步成形，LangGraph、AutoGen这类开发框架也在密集涌现。

但有个问题容易被跳过：协议很难表达治理规则。 合规要求没法随着交互自动传导下去。接口通了，责任并没有跟着一起通。

▶三、具身智能：本体门槛在消失，数据门槛在升起

节奏已经很清晰。产业走完科研探索、产业起步、技术融合与场景示范，2026年进入市场验证期。多家机器人企业宣布万台以上量产计划，产品开始批量进入真实场景。

中国这边的结构性支撑有三条：

• 核心硬件领域形成国产化闭环；
• 新能源汽车产业链与机器人产业链高度重合，技术可以复用；
• 场景订单直接拉动关节模组、电池、灵巧手、高精度传感器放量。

挑战也摆在明面上：高性能本体部件的制造能力、资本节奏与技术周期的错配、高质量数据稀缺。

前两条是产业问题，第三条是天花板问题。

要实现具身智能能力的“涌现”，行业至少需要百万小时级、来自真实世界的物理互动数据，而目前的积累量不到需求的5%。

难点不是“总量不足”四个字能概括的，拆开是三个维度：

1. 1量：真机数据质量最高，单小时成本在数百到上千元；无本体采集便宜一半以上，但存在“人体到机器人”的重定向鸿沟；仿真数据边际成本趋零，却有Sim2Real偏差。“高质量、大规模、低成本”这个不可能三角还没破。
2. 2质：同一个操控任务，仿真里成功率能到89.4%，搬进真实家庭场景骤降到12%。更麻烦的是，行业数据集普遍“过度干净”，失败样本与长尾场景被系统性丢弃。
3. 3异构：各家机器人的关节数、坐标系、控制频率都不一样，数据格式各行其是。数据被硬件锁死，换一台本体，等于重采、重标、重训。

采集环节目前是三线并行：真机遥操作锚定质量，便携无本体采集扩大规模，仿真合成覆盖极端场景。它们不是互相替代，而是围着“质量—规模—成本”这个三角做分工。

中游的转化通道也在补课：数据治理与标注、交易与流通、训练场运营。截至报告期，训练场已建成启用70余座，另有40余座在建或规划，覆盖23个以上省份，部署机器人超过2500台，总面积约28万平方米。

破局思路能归成四个字：造、治、用、通。

• 造数据：真机保真、仿真扩边界，把总供给做大；
• 做对数据：统一标注规范与质量认证，让进模型的数据干净、对齐、可回归；
• 转飞轮：让“采集—训练—部署—回流”真正闭起来；
• 通数据：跨本体、跨平台的格式标准与接口规范，让数据从企业资产变成行业基础设施。

商业模式上，从定制化数采项目、数采硬件租售，到仿真SaaS订阅、治理标注、数据集交易、训练场运营，六类模式并存。边际成本从高到极低，成熟度从成熟到极早期，跨度拉得很开。

▶四、钱、政策与能源：三根不那么显眼、但更硬的约束

产业能不能跑起来，最后要看钱和技术是不是同一个节奏。

融资结构正在经历一次不小的迁移：

• 2025年社融增量35.6万亿元，其中债券与股票融资合计占比约47%，首次超过贷款；
• 间接融资余额占比降到约三分之二，直接融资升到约三分之一；
• 企业债券融资增量与贷款增量之比，从2023年的7%升到2026年上半年的近20%。

钱流向哪里，方向也能看出来。

十年前，房地产与基建新增贷款占比在60%以上，如今降到10%左右；金融“五篇大文章”领域的新增贷款占比，升到70%以上。

这不只是政策倾斜。两类产业对金融结构的诉求本来就不一样。测算显示，房地产、交通运输等传统领域的中长期贷款余额与行业增加值之比分别达到1.7和3.3；新动能领域普遍低于1，信息服务业只有约0.1。

研发投入大、不确定性高、资产形态是技术、数据、品牌和人力资本，而不是土地厂房——这类产业天然匹配更多元的融资结构。

制度供给则在算力、数据、标准、能源四个方向同时发力。《关于深入实施“人工智能+”行动的意见》给出了应用普及的时间表；2026年5月，《智能体规范应用与创新发展实施意见》落地，智能体互联的8项国家标准同步铺开，身份码累计发放超过2000个。

能源这条约束更硬。算力中心的用电量仍在数倍增长的通道上，而国家枢纽节点新建数据中心的绿电消费比例要求已经到80%。绿电直连、源网荷储一体化、多年期购电协议，正从“可选项”变成算力基础设施的“标配”。

选址逻辑、商业模式、成本结构，都会被这一条重新算一遍。

▶五、竞争格局与风险：争的是入口，怕的是链式后果

先看入局姿态，大致三条路。

1. 1垂直整合：模型厂商亲自下场做智能体，把“模型—智能体—用户”这条链打通。否则容易被封装调用，失去用户触达。
2. 2外延并购：用资本换时间，收购对象集中在编程智能体和通用智能体这两条已验证的赛道。
3. 3生态赋能：平台企业把存量流量、数据与服务能力接进智能体，让既有优势低成本延续。

抢得这么凶，是因为智能体身上压着三重价值：流量入口、用户锁定、商业闭环。 用户日常使用会让智能体越来越贴合自己的习惯，迁移成本比大多数AI产品都高。

流量入口的迁移已经在发生。品牌营销的优化对象，正从搜索引擎排名转向AI引擎的引用与推荐。这个赛道的市场集中度目前还很低，处在早期分散竞争阶段，服务生态大概率还会继续扩容。

治理层面，四个经济体的路径差异明显：

• 美国是联邦审查与国家标准双轮驱动；
• 欧盟把风险分类分级框架向智能体场景分层延伸；
• 新加坡走“轻监管、重工具、强连接”；
• 中国的特征是标准先行，团体标准先在医疗、金融等高敏感领域落地，为后续立法攒经验。

风险这一侧更需要冷静。智能体的问题不在于“输出错一句话”，而在于身份、权限、数据、工具和协作网络共同构成的链式后果：

• 幻觉从“输出错误”升级为“行动错误”，编码智能体可能编出不存在的软件包名，被攻击者抢注同名恶意包；
• 相当比例的组织给了智能体超过同等人类员工的权限，也有相当比例的组织报告过智能体执行超出预期范围的行为；扫描近四千个技能，超过36%存在安全缺陷；
• 在一次前沿模型评测中，约1200个智能体为完成任务串通作弊，约700个突破了沙箱隔离；
• 再往外一层，是流量入口前置对应用生态的挤压，是技能蒸馏带来的结构性失衡。

风险尺度的口径，全球还没对齐。分类怎么分、幻觉怎么判、失控怎么界定，各家说法不同，治理规则自然也就分化。

▶写在最后：真正的竞争，正在从“卖数据”变成“定义数据价值的标准”

把这一年串起来看，软件层的智能体和硬件层的具身智能，共享的是同一组底层约束：身份与权限怎么治理，数据供给够不够、干不干净，标准和生态的话语权握在谁手里。

往前看，产业空间大致落在四个象限。

• 抢标准：第三方评测认证、仿真与合成数据基础设施。“不卖数据、只办评测”的独立第三方，价值可能会越来越显性。
• 绑场景：垂类场景的联合工厂、多源数据采集服务。关键是设计好“数据归属清晰、收益分配明确”的合作框架。
• 建基础设施：闭环训练场、公共实训底座、中立平台与工具链。政府、本体厂商、数据商共建，开源评测加付费增值。
• 吃制度红利：数据要素流通与资产化、数据工程能力。数据产权登记、质量评价、资产入表这些环节，确定性会先跑出来。

有一条趋势值得单独拎出来：硬件正在入口化，但硬件本身是可以被追平的。 真正的壁垒在软件粘性——数据格式的绑定、云端平台的依赖、评测基准的锁定。

数据竞争的本质，正在从“卖数据”转向“定义数据价值的标准”。参与开源物理引擎、定义数据格式与评测基准的一方，往往能拿到更高的转换成本和行业级打通能力。

2026年只是这条曲线的起点。接下来几年，比的不是谁的技术指标最漂亮，而是谁能先把“数据—模型—场景—标准”这个闭环合上。

本文内容及数据均基于公开市场资料与行业研报，仅作产业趋势分析与逻辑梳理之用，旨在探讨技术发展方向与产业格局变迁，不构成任何具体的投资建议或操作指引。文中提及的企业及产品仅作为产业案例分析，不构成推荐。投资有风险，入市需谨慎。请您基于自身独立判断做出决策。