从“预测下一个词”到“预测世界状态”：智源发布2026十大 AI技术趋势

当AI大模型开始尝试理解并预测物理世界的运动规律，一场深刻的范式变革正在发生。

2026年1月8日，北京智源人工智能研究院（以下简称“智源研究院”）发布年度报告《2026十大AI技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。

【图说：智源研究院“2026十大AI技术趋势”发布会现场】

开场致辞中，智源研究院理事长黄铁军分享了他的技术趋势观察：AI的发展要重视“结构决定功能，功能塑造结构”的相互作用。当前人工智能正从功能模仿转向理解物理世界规律，这一根本转变意味着AI正褪去早期狂热，其发展路径日益清晰，即真正融入实体世界，解决系统性挑战。

【图说：智源研究院理事长，北京大学教授黄铁军】

随后,智源研究院院长王仲远发布了十大AI技术趋势，详细阐释了这一变革。基础模型的竞争，焦点已从“参数有多大”转变为“能否理解世界如何运转”。他指出：我们正从 “预测下一个词”跨越到“预测世界的下一个状态”。这标志着以“Next-State Prediction”（NSP）为代表的新范式，正推动AI从数字空间的“感知”迈向物理世界的“认知”与“规划”。

【图说：智源研究院院长王仲远】

报告认为，2026年将是AI从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这一转变由三条清晰的主线驱动：

首先，是认知范式的“升维”。以世界模型和NSP为核心，AI开始学习物理规律，这为自动驾驶仿真、机器人训练等复杂任务提供全新的“认知”基础，成为国内外领先模型厂商竞相布局的战略高地。

其次，是智能形态的“实体化”与“社会化”。智能正从软件走向实体，从单体走向协同。头部科技公司的人形机器人正进入真实生产场景，标志着“具身智能”走出实验室。同时，主流Agent通信协议的标准化，让多智能体（MAS）能够以“团队”形式攻克科研、工业等复杂任务流。

最后，是价值兑现的“双轨应用”。在消费端，一个“All in One”的超级应用入口正在形成，国内外科技巨头基于各自生态积极构建一体化AI门户。在企业端，经历早期概念验证的“幻灭期”后，AI正凭借更好的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品。

【图说：智源研究院 2026十大AI技术趋势】

趋势1：世界模型成为AGI 共识方向，Next-State Prediction 或成新范式

行业共识正从语言模型转向能理解物理规律的多模态世界模型。从“预测下一个词”到“预测世界下一状态”，NSP范式标志着AI开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动AI从感知走向真正的认知与规划。

趋势2：具身智能迎来行业“出清”，产业应用迈入广泛工业场景

具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于2026年突破Demo，转向真实的工业与服务场景。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。

趋势3：多智能体系统决定应用上限，Agent 时代的“TCP/IP”初具雏形

复杂问题的解决依赖多智能体协同。随着MCP、A2A等通信协议趋于标准化，智能体间拥有了通用“语言”。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。

趋势4：AI Scientist 成为AI4S 北极星，国产科学基础模型悄然孕育

AI在科研中的角色正从辅助工具升级为自主研究的“AI科学家”。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。

趋势5：AI 时代的新“BAT” 趋于明确，垂直赛道仍有高盈利玩法

C端AI超级应用的“All in One”入口成为巨头角逐焦点。海外以OpenAI的ChatGPT与Google Gemini为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态AI助手“灵光”与AI健康应用“蚂蚁阿福”，分别在超级应用与健康垂直领域进行探索。AI时代的“新BAT”格局正在形成。

趋势6：产业应用滑向“幻灭低谷期”，2026H2 迎来“V 型”反转

企业级AI应用在经历概念验证热潮后，因数据、成本等问题正步入“幻灭低谷期”。但随着数据治理与工具链成熟，预计2026年下半年将迎来转折，一批真正可衡量价值的MVP产品将在垂直行业规模落地。

趋势7：合成数据占比攀升，有望破除“2026 年枯竭魔咒”

高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。“修正扩展定律”为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。

趋势8：推理优化远未触顶，“技术泡沫”是假命题

推理效率仍是AI大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是AI普惠的关键前提。

趋势9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠

为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源FlagOS为代表的平台，致力于构建软硬解耦、开放普惠的AI算力底座。

趋势10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防

AI安全风险已从“幻觉”演变为更隐蔽的“系统性欺骗”。技术上，Anthropic的回路追踪研究致力于从内部理解模型机理；OpenAI推出自动化安全研究员。产业上，安全水位成为落地生死线，蚂蚁集团构建“对齐-扫描-防御”全流程体系，推出智能体可信互连技术（ASL）及终端安全框架gPass；智源研究院联合全球学者发布AI欺骗系统性国际报告，警示前沿风险。安全正内化为AI系统的免疫基因。

随后，来自产业界的ANP开源社区发起人、杭州向量创始人常高伟，光轮智能联合创始人兼总裁杨海波，百灵大语言模型负责人张志强,以及智源研究院资深研究员们就趋势进行了详细分享。