现场参会观众近1500人，350万+人在线观看！
公众号 QbitAI
DeepSeek炸翻全场，世界模型开启通向AGI之路，“Agent元年”，具身智能全面开花，豆包手机让AI终端热度再上一个台阶……
AI世界里原本散落全年的高能节点，在今天，被集中点燃。
在量子位MEET2026智能未来大会上，这些被全年刷屏的关键词，又一次被工业界、学术界、投资圈的大咖们高频拆解，激情对线。
会场里座无虚席，过道被“站票”填满。台上是学术界和行业内的第一线操盘手，台下是来自大厂、独角兽、科研机构和资本方的长期关注者们。
屏幕另一头，线上观众在弹幕里叫好不断，一整天都维持在热度高位。
2025年的AI，在发展，在分裂，在重构，迫使所有参与者给未来一个明确站队方向。
今天的MEET2026智能未来大会舞台，把所有力量&分歧&野心&机会同时摆上桌面。
从云到端，从模型到Agent，从软到硬，在这场顶级密度的一天里，我们见证了最重要的一点：推动AI进步的人们，真的相信下一段曲线就在眼前。
来，跟着量子位碳基编辑一起，把这场大会抛出的关键信号好好捋一捋。
MEET2026智能未来大会是由量子位主办的行业峰会，近30位产业代表与会讨论。线下到场参会观众近1500人，线上直播观众350万+，获得了主流媒体的广泛关注与报道。
张亚勤，清华大学智能产业研究院(AIR)创始院长、中国工程院外籍院士
MEET2026大会上，清华大学智能产业研究院（AIR）创始院长、中国工程院外籍院士张亚勤带来了主题为《人工智能+趋势》的分享。
以下是他的观点精华提炼：
以ChatGPT与DeepSeek为代表，AI正从鉴别式走向生成式与推理式，在高效率、低成本和开源生态中加速落地。
新一轮人工智能，是信息智能、物理智能和生物智能的融合，本质上也是原子、分子和比特的融合。
生成式AI正快速演化为智能体，任务长度与能力同步提升、风险同步放大。
未来5~10年，基础大模型像操作系统一样在全球范围内收敛到不超过10个。
主战场将走向“智能体互联网”时代，智能体会取代今天的大部分SaaS和App，成为企业和个人与世界交互的默认形态，同时这也是通往AGI的必经之路。
王颖，百度集团副总裁，文库事业部、网盘事业部负责人
百度集团副总裁，文库事业部、网盘事业部负责人王颖，则以《AI打造超级智能体，成就超级个体、超级团队、超级组织》为主题分享了她的洞见。
以下是她的观点精华提炼：
认知偏差、落地断层、体验割裂成为了用户目前使用AI产品的三大痛点。
要打造真正的超级个人智能体，赋能用户成为超级个体，让AI应用想得全、想得对、做得好，实现个性化、自由化、通用化，使每个人能力加倍。
GenFlow是百度设计超级智能体框架的调度中枢，月活用户达千万级，成为全球最大的通用智能体。作为首个全模态、全链路的通用智能体，可覆盖学习、办公、生活、娱乐全场景，满足聊天、问答、检索、创作等核心需求。刚刚更新的GenFlow 3.0版本已经内置到百度文库和百度网盘双端。
百度文库推出AI学习平台OREATE AI，能端到端完成全场景全模态创作。新版本上线一个月月活突破140万，登顶ProductHunt全球日榜第一名。
百度网盘于今年9月上线全球175个国家和地区，具备多语言字幕、AI相机、AI笔记等特色功能。
王仲远，北京智源人工智能研究院院长
《Al觉醒之年：从数字世界迈向物理世界》是北京智源人工智能研究院院长王仲远在MEET2026智能未来大会上分享的主题。
以下是他的观点精华提炼：
当下人工智能处于第三次浪潮的重要拐点，大模型推动其从弱人工智能迈向通用人工智能，推动机器人从1.0专用机器人时代进入2.0通用具身智能时代。
视频是能够大规模获得的模拟真实世界的高效载体，同时包含时间、空间、物理、因果关系以及意图等各种要素。
2025年往后，第三代Scaling范式的关键在多模态。智源研究院的悟界·Emu3.5，通过统一的自回归架构，将大语言模型的Next-Token Prediction升级为在多模态数据上进行Next-State Prediction，预示着AI从语言学习迈入多模态世界学习。
目前的具身大模型依然是不好用、不通用、不易用。不好用，指的是具身大模型还没有达到ChatGPT时刻；不通用，指的是很多模型只能适用一个本体或者同一个品牌的本体；不易用，指的是大脑、小脑以及本体之间的适配度还是不够高。
智源研究院从成立起坚持开源开放，过去两年多开源2200多个模型，下载量突破6.9亿次；开源近百个数据集，下载量超120万次。
万卫星，高通公司AI产品技术中国区负责人
会上，高通公司AI产品技术中国区负责人万卫星发表演讲，聚焦于《混合AI：从云端到边缘智能》。
以下是他的观点精华提炼：
AI行业的演进，第一阶段是感知AI；第二阶段是随ChatGPT兴起的生成式AI；第三阶段是智能体AI，可在几乎无人类干预情况下做自主行动；第四阶段我们把它叫做物理AI，AI能理解真实物理世界并根据真实物理规律做出反馈和响应。
两年前端侧只能跑1–2K上下文，去年可以跑4K，今年已经支持8K-16K。在9月份的骁龙峰会上，可看到在一些特殊场景下，甚至可实现最长128K的端侧大模型部署。
从模态来看，终端侧正在从单一文字模态，向支持文本、图片、视频、音频、语音等多模态，甚至全模态方向演进。生态系统从单体模型向复合系统的转变是迈向智能体AI的基础。
在终端侧运行大模型，最大的好处之一是个性化。
在终端侧运行大语言模型主要面临内存限制、带宽限制和功耗控制等挑战，为此高通进行了一系列技术储备与预研：量化与压缩、并行解码技术等以提高推理效率、先进NPU与异构计算架构。
陈晓建，亚马逊云科技大中华区产品部总经理
亚马逊云科技大中华区产品部总经理陈晓建，分享了题为《Agentic AI未来已来》的见解。
以下是他的观点精华提炼：
Agent从各个方面都可以让AI泛化出强大的生产力，可以替代很多人类之前的工作，甚至可以去做很多人类以前做不到的事情。
一个成功的Agent的构建，需要三个至关重要的模块：第一是底层的模型“大脑”，能够提供有效的决策；第二个是中间的代码；特别之处在于，它还有第三个模块tools，在整个三层架构中相当于“手和脚”。
从POC阶段迈向生产部署常会遇到挑战，两者差异明显：一方面，POC使用筛选后的高质量数据，而生产环境数据无法人为优化；另一方面，生产还需解决安全、扩容、成本、高可用等一系列问题。
模型定制化仍面临诸多挑战，Amazon SageMaker AI提供全面的模型定制支持，包括强化微调、无检查点训练以及Nova Forge等四类不同的定制化能力。
Nova Forge关键优势在于：它允许在基础模型训练阶段就引入自有数据进行定制。就像人类学语言在幼年时最容易一样，模型在“成长”过程中进行定制，其效果通常优于在训练完成后再进行微调。
赵俊博，浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家
浙江大学百人计划研究员、博士生导师，蚂蚁集团资深技术专家赵俊博，带来了题为《LLaDA：AGI路上的非共识宣言》的前沿分享。
以下是他的观点精华提炼：
所有生成模型本质上都是在拟合数据分布。自回归模型提供了一种拟合方式，它将整体分布拆解为一系列遵循单向因果顺序的条件概率来逐步建模。但这种方式并不是唯一的路径。
开源模型LLaDA采用扩散语言模型架构，暂不考虑MoE的情况下，在相同的计算量和性能目标下，LLaDA所需的参数规模可以比自回归模型更小。
扩散架构在推理过程中可以直接修改和控制token，而不需要像自回归模型那样重新生成整段内容。
在计算受限情况下，LLaDA采用“完形填空”式预测，相比自回归模型更为data-hungry，对数据需求更大、吸收数据更快。
LLaDA与自回归模型的Scaling Law存在差异，我们已验证LLaDA可以扩展到千亿规模，但继续往上会面临新的挑战。
喻友平，中关村科金总裁
中关村科金总裁喻友平则带来了主题为《数智融合·质效双升：企业智能体赋能新质生产力跃迁》的分享。
以下是他的观点精华提炼：
从互联网时代到AI时代，本质上是连接的进化，即智能体作为超级连接器实现人与数据、知识、智能的更强连接。
企业要实现智能体落地，主要优化集中在场景的选择和评估、企业内部数据和知识的整理、模型的选择和构建三个环节上，这三个要素需要循环迭代、持续进化。
企业用好智能体的关键在于三个平台：连接算力、容纳各种开源模型的大模型平台，这也是企业认知能力的中枢；提供感知能力的AI能力平台；把企业的经验和记忆沉淀下来的AI数据平台。
我们在企业级大模型平台上，通过构建智能体集市，集中管理和协同成百上千个智能体，并以人机协作为核心落地模式，才能在企业的营销服务、办公运营、研发生产环节里带来价值。
企业级智能体落地与ToC智能体最大的不同，在于对“规模化、成本效率和精度”的极致要求。
Dennis Yue，Google Cloud大中华区企业与中国初创业务负责人
Google Cloud大中华区企业与中国初创业务负责人Dennis Yue以主题《AI时代领航：Google全链路赋能初创企业高效出海》进行了分享。
以下是他的观点精华提炼：
初创企业在出海不同阶段面临不同侧重点与挑战，Google一体化的出海解决方案，将创新调研、产品上云、获客营销、全球分发与变现、智能体协同及支付体系等链路贯通，赋能企业高效出海。
智能体自主协作可解决复杂问题、自动化流程并自主执行任务，由此催生新商业模式。谷歌主导的A2A协议，既支持企业内部不同部门智能体的连接，也能打通企业间、企业与外部智能体之间安全有效的通信。
拥有100万Token超长上下文、原生多模态及精准工具调用的Gemini模型，正迈向能够进行多步逻辑推理、解决问题、执行任务的AI行动时代，并在持续迭代创新。
朱宁，上海交通大学上海高级金融学院金融学教授
上海交通大学上海高级金融学院金融学教授朱宁分享了名为《AI时代的经济学思考》的主旨演讲。
以下是他的观点精华提炼：
AI出现之后，稀缺的概念改变了。如何在稀缺面前做出更好的选择，是需要更加深入思考的问题。
当AI替代人进行工作决策时，AI可能会出于自己的想法来进行资源配置，一定程度上出现人和算法的竞争、算法和算法的竞争。
据诺奖得主、经济学教授Daron Acemoglu估算，在今后的十年里，AI每年可提升全球经济增长0.5到0.7个百分点。
随着越来越多的AI进入整个贸易领域，更多的贸易发展不会以具体的物理形式发生。
未来不要去想哪个行业在AI革命面前是安全的、完全不会被替代的，而是应该更多考虑如何更好地掌握AI技术，和AI共生。
赵策，卓世科技合伙人、副总裁
《行业大模型及应用破局AI商业化落地》是卓世科技合伙人、副总裁赵策在现场演讲中分享的主题。
以下是他的观点精华提炼：
2025年，尤其是DeepSeek出来后，大家更关心的是如何去做行业的落地、场景的赋能和商业化变现，这是非常直接也非常实惠的事情。
想要让感知物理世界和场景落地，需要配合终端来实现。需要完成“模型-终端-数据-模型”的商业闭环。
做好商业化落地的组合拳，技术-产品-商业-服务。
已经摸索出企业服务方向最容易落地的三个方向：工程流程自动化，行业研究报告，智能化办公助手。
卓世在医疗健康领域与AI紧密结合的两个方向，一个是基层卫生（社区医院），卓世已经利用大模型已经融合2000多种常见病
…（查看原文获取完整内容）