行业动态
阅读: 353 评论: 0 点赞: 0 发布时间：发布日期：2026-08-03 08:24:00
2026 年世界人工智能大会（WAIC）上，网易有道展示了一套覆盖办公协作、跨语言沟通、知识管理、AI 硬件和企业营销的 AI Agent 全矩阵。与其说这是模型能力的秀肌肉，不如说是一次"去参数化"的宣言：模型解决怎么想，Agent 解决怎么干。
有道的判断很直接——未来的 AI Native 产品不是 Model，而是"Model + Harness"。Harness 这个词有意思，原意是马具，引申为把力量组织起来、指向具体任务的调度框架。放在企业场景里，它的核心任务就是理解意图、连接工具、管理上下文、调度流程，最终把模型能力变成可交付的结果。
这不是有道一家的路线。OpenAI 在 2026 年推出的 GPT Agents 原生内置浏览器操作、表格处理、批量文件处理等能力；微软 AutoDev 让代码智能体自主读需求、写代码、自测、修 bug；国内阶跃星辰发布的 Agent OS 则把多智能体协同和任务编排做成了操作系统级产品。中国工程院外籍院士赫尔佐格在央视采访中说的那句话，基本定调了下一轮竞争："下一次重大突破不是单一大型系统，而是众多小型专业化智能体协同运作。"
作为长期关注企业数字化的人，我其实觉得这一轮 Agent 浪潮比前两年的"大模型元年"更值得期待。原因不是模型变聪明了多少，而是行业终于开始认真回答一个问题：这东西到底怎么嵌入真实工作流？Agent 本身不创造价值，Agent 跑通的流程才创造价值。
另一个明显信号是多模态的重点正在从感知转向执行。Google 的 Gemini 2.5 Computer Use、OpenAI 的 Responses API 工具能力强化，都在做同一件事：让模型不仅能看懂屏幕，还能动手操作。
德国 Black Forest Labs 发布的 FLUX 3 更把这条线推到了音视频统一生成。它可以直接生成最长 20 秒音画同步视频，包括对白、脚步声、环境声与碰撞声，不再需要独立的音频模型补声。企业内部测试显示，部分指标优于 Luma Ray 3.2、Runway Gen-4.5 和可灵 v3 Pro。这意味着视频生成竞争已经从"画面好不好看"升级到"音画是否一致、动作是否可控、长镜头是否连贯"。
国内也不是旁观者。阿里通义千问推出的 Qwen3.8 MoE 总参数约 2.4 万亿，已在英伟达 SOL-ExecBench 等执行类评测中取得领先；月之暗面的 Kimi K3 通过混合线性注意力把 KV Cache 用量降低约 75%，解码吞吐提升约 6 倍，并直接被用于长程前端开发、半导体 EDA 设计、安全研究等场景。
这些进展的共同点在于：模型不再只是内容的"生产者"，而是复杂任务的"执行者"。对企业来说，这意味着 AI 的应用半径从"内容生成"扩展到"流程自动化"——比如自动生成营销素材、自动完成代码测试、自动整理会议纪要并输出待办。
2026 年 7 月，开源与闭源的争论到了一个新高点。一边是 Anthropic、OpenAI 等头部企业担忧某些模型过于危险、不应开放；另一边是中国玩家用实际成绩证明，开源模型同样能跑进第一梯队。
Z.ai 发布的 GLM-5 成为开源权重新 SOTA；阿里开源 Qwen3.5 家族，包含 397B 超大规模混合专家模型；MiniMax M2.5/M2.7 以极高的成本效率比切入市场。有道则走了另一条路：其桌面级 Agent 产品 LobsterAI 选择 100% 开源，用户下达指令后自动连接文件、终端、浏览器和本地项目，完成从资料检索到生成 PDF 的全流程办公任务。目前 LobsterAI 在 GitHub 已获得超过 5600 Stars，日均交互数十万次。
开源的价值不只是"免费"。对于中小企业而言，开源意味着可审计、可定制、可私有化部署，也意味着不用被单一闭源厂商绑定。在企业落地 AI 时，"能不能改"和"敢不敢用"往往比"参数大不大"更关键。一款能在本地跑的 27B 多模态模型，有时候比云端万亿参数模型更适合财务、人力、合同这类敏感场景。
看完 7 月这一整轮进展，我有一个挺强烈的感受：企业选 AI，别再只问"这个模型参数多少、榜单排第几"。更要问的是：它能不能接进我的系统？能不能处理我的真实数据？出了问题能不能回溯和修正？
几个具体建议：
2026 年的 AI 竞争，已经从"谁更聪明"变成"谁更能把聪明用在正地方"。对企业来说，好消息是：可用的工具越来越多，落地的门槛正在下降。坏消息是：选错方向的成本，也同样在上升。