2026年进程过半，全球人工智能产业正迎来一场深刻的生态演进。基础大模型依然是整个AI产业的底座，却已不再是唯一主角。行业竞争正在从模型能力，延伸到软件工程、组织协同、产业链整合以及现实世界的落地效率，衡量一家AI公司的标准，也开始回归最朴素的问题：能否持续创造价值。

同样，在WAIC、BEYOND Expo、SuperAI、InnoEX等亚太前沿科技展会上，AI的叙事早已不再围绕基础大模型单线展开。世界模型、物理AI、端侧硬件、垂直Agent等新兴力量不断涌现，与底层大模型共同构建起更加丰富的产业生态，推动AI从数字世界走向物理世界，也让整个行业呈现出“百花齐放”的新格局。

英伟达创始人黄仁勋曾用一个形象的“五层蛋糕”理论描绘AI生态：从最底层的能源（Energy）与芯片（Chips），到中间层的基础设施（Infrastructure）与基础模型（Models），再到最上层面向千行百业的应用（Applications），每一层都在独立演进，也不断向上下游释放价值。这个比喻揭示了一个越来越清晰的行业现实：AI不是大模型产业，而是一张不断延展的价值网络。

黄仁勋在2026年世界经济论坛上首次提出“五层蛋糕”理论，来源：NVIDIA

本文借用“五层蛋糕”的视角，并非简单照搬，而是着眼于AI产业分层演进、协同共生的趋势下，观察不同玩家如何创造价值，这些分布于不同层、彼此协同的创新力量，正在拼出2026年AI产业立体、多元、共生的新图景。

人机交互层：当AI学会“走进人心”

2026年，AI产业最接近用户的一层，正在经历一场新的变革。创新的方向，不只是机器人能够完成多少高难度动作，而是AI能否真正理解人的意图、感知人的情绪、回应人的需求，在真实世界建立更自然的人机关系，并创造超越功能本身的情绪价值。

这一趋势，在BEYOND Expo 2026上已有鲜明体现。大会闭幕式终极路演汇聚了来自前沿科技、生命科学、人工智能、机器人等多个领域的800个优质项目。其中，家庭具身智能企业青心意创凭借机器人Amoo摘得BEYOND创新大奖，得到了前NBA传奇球星慈世平（Metta Sandiford-Artest）、FutureX Capital创始人张倩在内的中外评委一致认可。

BEYOND极限速投总决赛上的Amoo机器人，来源：青心意创、BEYOND expo

区别于传统工具型机器人，Amoo不会端茶送水，也不会搬箱子，但它会眨眼、转头、跳跃，用肢体动作回应人的情绪与互动。正是这样一款看起来“不干活”的机器人，却让这支来自剑桥、伯克利以及华为、字节等全球顶级科技阵地的团队坚定认为：从家庭陪伴场景切入情绪交互，更有机会率先完成模型能力与真实场景的闭环。

青心意创90后创始人、剑桥大学博士牛腾昦曾任华为自动驾驶核心团队成员。他在接受数据猿专访时表示，“当今家庭机器人主要分为两类：一类是保姆、管家等工具型角色，另一类则承担陪伴与情绪交互，更像一位伙伴。对于前者，让机器人干活，在家庭场景里还有很长的路要走，最大的瓶颈之一是数据缺失；因此，我们选择先从情绪交互切入，率先进入家庭场景。”

在技术底座上，Amoo基于自研跨模态算法与大小脑协同架构，实现了三层核心能力协同运作。“大脑”负责高阶决策与多模态理解，“小脑”负责全身关节的精准运动控制与柔性随动，泛语义推理链则将自然语言实时转化为与情绪和物理动作相匹配的驱动信号。在三层能力协同下，Amoo摆脱机械式移动，每一步的起伏都承载着如人类一般的丰富情感。

牛腾昦解释道，从心理学角度来看，人们之间的情绪表达只有约7%来自语言，20%左右来自语音语调，其余50~60%则依赖肢体动作。因此，团队依据大量真人行为数据，训练端到端多模态模型，让语言、表情、眼神和肢体动作在时空维度实现统一协调，说话时能够自然配合相应动作，大幅提升交互体验。同时，每一台进入家庭的Amoo都内置人类反馈强化学习机制，在和用户的长期互动中逐渐形成不同性格，越来越懂用户。

Amoo身高低于80厘米，采用超迷你腿部设计与超静音脚底结构，拥有120°至210°超广角视野。牛腾昦表示，家庭机器人首先不能太高，否则容易给用户带来压迫感。为此，青心意创自研了一系列高响应、超静音、小型化关节模组，兼顾轻量化与高力矩输出；首创的软绒包覆设计，则兼顾弹性与散热，实现了运动关节全软质包覆，无棱角、无硬壳，更适合家庭场景的长期交互。

青心意创展台上的Amoo机器人，来源：数据猿拍摄

商业化方面，牛腾昦透露，公司将采取“B端先行、C端放量”的策略。短期内，已与酒店、养老院、品牌方等多个场景展开合作洽谈；长期则逐步面向高净值C端用户，并进入北美、日韩等海外市场。目前，Amoo已开放企业定制、IP及场景合作等业务，未来两年有望进一步推动产品落地。

近期，青心意创完成近亿元Pre-A轮融资，由厚雪资本与天际资本联合领投。与此同时，公司作为战略合作伙伴签约入驻香港首个全栈具身智能实验室，双方将在“柔性硬件研发、多模态交互智能、社交世界大模型”等方向展开全端深度合作，致力于让机器人更具“生命感”，并真正理解人类社会中那些隐性的社交规则。

围绕“让机器懂你”，这一层正在衍生出更多创新方向。例如，今年获得高瓴投资的SoulX便从触觉神经科学切入，认为“大部分睡眠问题并非源于温度、支撑或睡眠时长，而是神经系统始终处于紧绷和警觉状态”。基于此，SoulX以柔性机器人为载体，将“触觉安抚”与“认知卸载”融入首款睡眠安抚机器人MoYa，它通过模拟拥抱、节律拍抚等方式，帮助用户完成从高唤醒状态到深度放松的神经切换。

MoYa Pro机器人，来源：SoulX

从家庭陪伴到睡眠疗愈，这些探索都指向同一个方向：AI开始从“完成任务”走向“理解人”。人机交互层的竞争逻辑也在悄然变化：从早期追求AI“走出屏幕”、进入物理世界，到如今进一步追求“走进人心”。当AI开始理解人的情绪、意图与需求，它的价值便不再局限于提升效率，而是进一步延伸到建立人与机器之间的连接。与此同时，更自然的交互与更深层的情感理解能力，也正成为这一层新的竞争高地。

行业应用层：Agent能否持续创造价值

如果说人机交互层解决的是“懂你”，让AI走进人心、建立情感连接，那么行业应用层回答的就是“帮你”，让AI真正参与工作、提升效率。这一层的关键词是“落地”。大模型提供了通用智能，而真正让智能转化为生产力，则需要Agent深入具体行业，理解业务场景、拆解复杂任务、调用各类工具，并最终完成交付。

Om AI联汇最新发布的端侧视频创作Agent，OttoBox AI Studio，给出了一个解答：让Agent直接参与专业工作流，将视频粗剪时间从8小时缩短至30分钟。Om AI联汇融合媒体业务解决方案总监张广蒙向数据猿记者描述了一个典型场景：视频记者完成采访后，往往需要花费大量时间查找素材、筛选镜头、完成粗剪；而借助OttoBox，用户只需通过自然语言下达指令，Agent便能理解全部视频内容，自动完成素材检索、镜头匹配和粗剪生成。

来源：Om AI 联汇

支撑这一能力的，是Om AI联汇自研的VLX端侧流式多模态模型。张广蒙表示，其核心优势在于真正实现了基于视觉内容的理解，而非依赖传统文本标签进行关键词匹配。例如，在同一画面中同时出现一位中年女性和一位老年男性时，用户只需输入“中年女性”，OttoBox即可精准定位所有相关镜头，而无需提前完成人工标注。这种跨越文本标签、直接理解视觉内容，并具备时空关联与因果推理能力的多模态理解能力，也成为其区别于传统视频检索方案的关键。

张广蒙介绍，OttoBox AI Studio基于自研VLX端侧多模态模型，采用AI Drive、AI Finder、AI Agent三位一体架构。其中，AI Drive实现“入库即理解”，在数据不出域的前提下兼顾低时延与隐私安全；AI Finder将平均约30分钟的视频检索时间缩短至10秒，效率提升180倍；AI Agent则将原本需要8至10小时完成的视频粗剪压缩至30分钟，并可一键导出至专业剪辑软件，进一步融入媒体既有工作流程。

OttoBox只是行业应用层的一个缩影。过去两年，AI Agent正加速渗透各个垂直行业。越来越多的企业不再执着于打造通用能力，而是深入各自的业务场景，将Agent嵌入工作流，在真实业务中持续释放生产力。

例如，AppsFlyer将AI Agent引入营销分析与归因，帮助品牌实时捕捉用户信号、优化创意素材与投放策略，让营销决策从经验驱动走向数据驱动；Look AI聚焦时尚设计，通过AI Agent打通从创意草图到成衣设计的全流程，让设计师把更多时间留给创意本身；暗壳AI则将这一能力延伸至室内设计领域，从户型图到装修意向图最快仅需5分钟，Agent自动接管重复修改与渲染等机械性工作，让设计师真正回归设计。

部署你的营销AI，来源：AppsFlyer

这些案例虽然分属营销、时尚、家装等不同领域，却指向同一个趋势：Agent正从辅助工具演变为工作流的执行者。行业应用层的竞争，也不再是谁拥有更大的模型，而是谁能更深入地理解行业流程、更自然地嵌入业务场景，并持续创造可量化的业务价值。

物理执行层：从数字迈向物理世界

随着人工智能从数字世界加速迈向真实物理世界，世界模型正成为连接多模态感知、因果推理与自主决策的关键底座。在物理AI的技术架构中，“大脑”由世界模型、大语言模型等组成，负责认知、推理与决策；“小脑”则由VLA模型、运动控制算法等构成，将高层决策实时转化为动作规划；而物理执行层则承担着“身体”的职责，负责与现实世界直接交互，将每一个动作精准落地。三者协同，构成了物理AI从理解世界到执行任务的完整闭环。

黄仁勋将AI的发展划分为感知式、生成式、智能体和物理AI四个阶段。在他看来，物理AI的意义在于，机器不仅能够理解语言、生成内容，还能理解重力、摩擦力、惯性等物理规律，在真实世界中完成感知、推理、规划与执行。正因如此，物理AI被视为AI迈向现实世界的关键一步。Coatue Management预计，其潜在市场规模至少可达6万亿美元；黄仁勋则进一步指出，物理AI有望重塑全球价值约50万亿美元的制造与物流产业。

这也是AI从“数字生成”迈向“物理执行”的一次范式跃迁。没有执行层，再强大的世界模型和推理能力，也只能停留在虚拟世界；只有当认知真正转化为动作，AI才能创造现实价值。物理执行层所回答的，正是具身智能落地的最后一个问题：当AI已经看懂、想清、规划完成后，如何以足够的精度、速度与可靠性，把任务真正完成。

在物理执行层的产业落地中，专注灵巧手核心零部件研发的星际光年，走出了一条差异化路径。该公司联合创始人周佳琪在接受数据猿采访时表示，具身智能操作的核心由两部分构成：一是作为硬件载体的“手”，二是赋予其操作能力的算法。基于这一判断，星际光年并未进入整机制造，而是将自身定位于具身智能操作，并且在操作链条中最关键的环节，全栈自研了灵巧手的核心零部件微型关节模组，打造高壁垒、模块化的底层能力。

星际光年的灵巧手产品及星际微型关节模组，来源：数据猿

让机器人像人类一样在复杂环境中完成抓、捏、拧、旋转等精细动作，一直是具身智能落地的“最后一厘米”难题。为此，星际光年同步锚定全绳驱（轻量仿生）灵巧手技术路线同时，也布局了电驱直驱灵巧手，并围绕全栈自研微型关节模组、模块化快拆设计、驱手分离技术、全自动张紧算法等技术以及灵巧手阵列式高精度控制算法等核心技术持续投入。以Gaia Hand 20系列为例，其模块化设计精准契合了具身智能研发与规模化量产需求。在人形机器人整机成本中，灵巧手通常占据20~30%的成本，而星际光年的方案将这一部分成本降低至原来的三分之一，实现了性能与成本的双突破。

另外值得一提的是，具身智能技术积淀向商业化演进初见端倪。今年，星际光年正式发售该系列标准产品，客户群体既涵盖机器人整机本体厂商，也深入触觉、算法、“脑部”研发公司以及各类工业场景客户。除了提供标准化产品，这家公司还会针对大批量需求提供定制绳驱灵巧手产品，并积极联合下游本体厂商、机械臂厂商等生态伙伴共同打造完整的行业解决方案。

实际上，星际光年只是物理AI产业链中的一个缩影，随着物理AI加速走向产业化，一批聚焦不同技术环节的企业正沿着各自的方向持续深耕。从世界模型对物理规律的学习，到仿真平台对真实环境的高保真还原，再到运动控制对执行动作的精准调度，一条完整的物理AI产业链正逐步成型。

产业链上游，汤元科技聚焦“世界模型+三维重建”，为物理AI提供高保真的虚拟训练数据；宸境科技则从空间智能切入，致力于为机器人构建“可计算、可预测、可执行”的世界模型。两家公司分别从数据与空间感知层面，为机器人理解现实世界奠定了基础。

产业链中游，桥介数物专注于通用机器人“小脑”运动控制系统研发，承担着连接“大脑”决策与物理执行的关键角色，为机器人提供精准、稳定的运动控制能力；产业链下游，思谋科技依托工业多模态大模型IndustryGPT打造工业AI智能体，将数字世界的智能决策延伸至真实生产现场，加速AI 深度参与工业制造。

来源：桥介数物

纵观整个物理AI产业链，这些企业虽然分布于数据、感知、控制、执行等不同环节，却共同构建起从认知到行动的完整闭环。从世界模型负责“理解世界”，到运动控制负责“协调动作”，再到物理执行层完成最终操作，AI正逐步打通“观察—推理—行动”的全链路，具备走进现实世界、创造真实价值的能力。

数字基座层：让AI拥有“粮仓”

无论是走进人心的人机交互，还是深入行业的AI Agent，抑或是迈向现实世界的物理AI，其持续演进都离不开最底层的数据基座。智能从何而来，又靠什么持续进化？算力构筑训练与推理的基础设施，高质量数据提供持续迭代的养分，而数据治理、算力安全与合规能力，则共同守护着这座AI时代的“智能粮仓”。

在企业级AI落地过程中，一个长期存在的难题正逐渐显现：医疗、金融、制造等行业掌握着大量高价值私有数据，却因数据安全、隐私保护和合规要求，难以直接接入中心化公有大模型。企业最有价值的数据资产因此长期沉睡，既无法转化为模型能力，也让AI失去了持续进化最重要的私有“粮仓”。

如何让私有数据既“用得起来”，又“守得住”，正成为企业级AI迈向规模化应用的关键命题。瞄准这一痛点，由香港理工大学杨红霞教授联合创立的InfiX.ai，依托香港理工大学及香港特区政府的科研资源支持，探索出了一条兼顾数据安全与模型训练的新路径。

InfiX.ai联合创始人兼副总裁陈海青在接受数据猿采访时表示，公司的核心竞争力在于基于分布式AI架构的低精度训练技术，使企业能够在私有环境中安全完成从预训练、监督微调（SFT）到推理部署的全流程。在保障数据不出域的同时，大幅降低算力成本，为企业训练专属垂直大模型提供了现实可行的基础设施。

陈海青介绍，目前主流模型训练普遍采用FP16或BF16精度，而InfiX.ai已实现端到端稳定支持FP8，并正向FP4持续演进。“低精度训练本质上是对硬件算力潜力的进一步释放，这一定会成为未来的重要方向。”在保证模型性能基本不受影响的前提下，其训练能效可提升30~50%，企业仅需更少的算力和存储资源，便可训练出同等质量的私有垂直大模型。目前，InfiX.ai已与制造、教育、医疗等行业头部机构展开深度合作，并同步布局东南亚市场。

InfiX.ai联合创始人兼副总裁陈海青，来源：数据猿拍摄

在数据基座层的产业版图中，算力、数据与安全三大能力正共同夯实AI时代的数字底座。

·算力方面，趋动科技通过GPU池化技术将离散算力虚拟化为统一资源池，破解GPU利用率长期偏低的行业难题； Cloudwise（云智慧）则以“AI for AI Infrastructure”为核心理念，构建覆盖电力底座、算力中枢到智能运维的全链路可靠性体系，保障万卡级AI集群稳定运行，两者分别从算力效率与基础设施可靠性两个维度夯实算力底座。

·数据方面，NineData（玖章算术）则以AI驱动的全链路数据管理为核心，打造7×24小时数据库AI智能体，实现多云、多源数据统一管理，该公司已服务全球超过1000家企业客户；

·安全方面，信流智能聚焦AI安全与合规领域，在多项安全和隐私保护基准测试中达到国际领先水平，为企业数据治理和模型应用筑起安全防线。

我们看到，三者共同构成了AI持续进化所需的底层支撑，也让数据基座从单一资源能力，演变为支撑整个AI生态运转的关键基础设施。

今天AI没有赢家通吃
每一层都有创新的机会

当我们重新审视AI产业链，一个更加清晰的趋势正在浮现：AI的竞争，已经不再局限于基础模型能力，而是在向人机交互、行业应用、物理执行、数据与算力基座等多个层面展开。不同企业选择扎根不同环节，共同构成了一张协同演进的产业网络，也让AI商业化呈现出更加多元的路径。

这也意味着，AI产业并不是一场赢家通吃的零和竞争。模型能力仍然是生态发展的重要基础，但真正推动产业价值释放的，是围绕真实需求不断创新的各个环节。从理解人的情绪，到深入行业工作流；从让机器人具备感知与行动能力，到为智能系统提供可靠的数据与算力支撑，每一层都孕育着新的机会，也都有可能诞生影响行业的创新企业。

AI的产业化进程，正在从单点技术突破走向多层次、多环节的协同演进。而“五层蛋糕”并非一张固定的产业地图，它更像一个持续生长的生态系统。未来，随着技术突破与场景拓展，新的需求、新的入口、新的产业环节仍会不断涌现，AI产业的边界也将在持续演进中不断延展。