WAIC 2026 启示录：AI Agent 产能过剩下的真实困境与破局
供给侧狂欢背后的制造业逻辑
当 WAIC 2026 的展馆大门打开，一种近乎窒息的拥挤感扑面而来。从地铁站广告牌上百度“百度搭子”的密集投放，到世博中心 H4 馆里初创团队扎堆展示的垂直场景，再到 H3 馆中被称为物理世界 Agent 的具身智能机器人，智能体（Agent）已经无处不在。2026 年，大模型明显从聚光灯的 C 位退居幕后，所有的赞誉与资本目光都集中在了 Agent 身上。IDC 发布的数据为这一热度提供了注脚：全球活跃 Agent 数量预计从 2025 年的 2860 万个激增至 2026 年的 7940 万个，短短一年间实现了接近三倍的爆发式增长。
然而，在这份令人瞩目的增长曲线背后，隐藏着行业深层的结构性矛盾。供给端的爆发是基于生产门槛的大幅降低，开发者可以极其容易地调用大模型构建应用，但需求端的响应却显得迟缓而冷漠。用户增长乏力、付费意愿薄弱、商业模型脆弱，这些事实并未因展台的热闹而改变。一位从业者敏锐地指出，当前的 AI 产业逻辑已发生根本性转变：它不再具备互联网网络效应的特征，即用户越多、边际成本越低；相反，AI 更像是一门“制造业”，每一次 Agent 的调用都需要实打实地消耗算力资源，任务越复杂，企业的边际成本就越高，利润空间被压缩得越厉害。
零一万物创始人李开复在 WAIC 演讲中给出了更为冷峻的判断。他坦言，通用大模型赛道已经陷入“头部吃肉、中部喝汤、尾部无收益”的马太效应。对于没有巨头背景的创业公司而言，继续在同质化的基础模型或通用入口赛道上硬碰硬，并非明智之举。当制造一个 Agent 变得像组装一台手机一样简单时，真正的稀缺资源不再是产能，而是用户入口、订单获取能力以及稳定交付的价值闭环。
大厂博弈：入口争夺与生态防御
在 WAIC 的大厂展区，一种集体焦虑感清晰可辨。各家巨头都在押注 Agent，但其战略逻辑各有不同，核心在于对“下一代平台入口”的防御与进攻。
对百度而言，这是一场关乎生存的守土之战。移动互联网时代，百度未能孵化出超级 App，其最核心的资产依然是搜索。而搜索恰恰是 Agent 技术最容易颠覆的领域。因此，百度将“百度搭子”作为通用智能体推向台前，试图构建一个统一的意图入口。其战略意图在于，让用户不再分别调用搜索、文档处理或数据分析工具，而是通过一个入口提出需求，由后端 Agent 自动拆解并调用相应能力。百度争夺的，是用户在使用任何工具之前的第一意图。
腾讯的策略则更为务实，侧重于生态内的深度渗透。在通用大模型竞赛中落后的腾讯，选择将 Agent 密集植入微信、文档、办公等自有生态中。展台上展示的 WorkBuddy、CodeBuddy 以及尝试控制电脑终端的 Marvis，均旨在让用户任务在腾讯生态内部完成闭环。这种“内循环”策略虽然看似保守，但确保了用户时长和数据资产的留存。
阿里的底牌在于云计算基础设施。阿里云提出“智能体原生云”概念，强调让用户在云上自主构建和管理 Agent。通过 Qoder 面向开发者，秒悟降低普通用户门槛，阿里试图将 Agent 的开发、编排和运行全面纳入云平台。这种 B2B2C 的思路，旨在通过基础设施锁定企业客户。
值得注意的是，阶跃星辰等无存量包袱的新势力，选择直接深入操作系统层级，通过 STEPX Neo 等产品展示跨应用完成任务的能力。这些案例共同印证了一个共识：Agent 被视为下一个十年的操作系统入口。由于终局形态尚不明朗——是单个爆款、多智能体编排还是独立 OS——大厂普遍采取多线布局、路线对冲的策略，以确保在不确定性中不被排除出局。
小厂困境：垂直深耕与基础设施突围
在大厂的阴影下，H4 馆的小微初创公司面临着更严峻的生存考题：谁愿意为 Agent 买单？
参展项目中，近九成被挡在门外，幸存者的分布呈现出高度的垂直化特征。从法律、科研到公文写作、视频创作，甚至包括命理咨询，几乎每一个细分职业环节都有对应的 Agent 产品。这种扎堆现象反映出资本态度的转变：资本对通用 Agent 趋于谨慎，转而青睐拥有明确付费场景的垂直产品。
在此背景下，小厂大致走出一条条差异化的生存路径。第一类是直接切入高付费意愿的垂直行业。例如，法律领域因专业壁垒高、容错率相对可控，成为收入较好的切入点。蜜度科技等公司专注于公文写作与编校，飞驰星辰的 Codar 面向科研流程，这些产品试图通过解决具体痛点来换取现金流。
第二类是致力于降低 Agent 开发门槛的平台型公司。如 AutoAgents.AI 等，通过自然语言生成应用，向开发者或企业出售“铲子”。这种模式在应用落地结果未定时，提供了一种相对稳妥的 B2B 服务路径。
第三类则是提供基础设施的公司。SoMark、PPIO 等企业专注于文档解析、沙箱环境、托管服务等底层能力。这类产品虽不直接面向最终用户，但构成了 Agent 产业不可或缺的底层支撑。
然而，无论选择哪条路径，小厂都面临着一个共同挑战：随着头部产品的普及，建立独立生态的窗口期正在迅速缩短。小公司无法在模型层、入口层竞争，只能在不为大厂所重视的“最后一公里”交付细节中寻找壁垒。
需求侧冷思考：盈利脆弱与交付难题
尽管展台热闹，但商业化的现实却颇为骨感。一位垂直行业 Agent 创始人透露，目前 B 端是主要收入来源，而 C 端产品往往仅具品牌展示意义。即便在 B 端，高昂的 Token 成本与文档服务费用也侵蚀了大部分利润，许多产品实际上是在为模型厂商打工。
李开复将当前 AI 企业的盈利困境概括为三类：非头部模型厂商难以覆盖训练推理成本；To C 企业面临高昂获客成本；To B 企业则容易陷入项目制的泥潭。在 WAIC 现场，多数厂商乐于展示 Demo 能力，却鲜少透露稳定付费客户数、任务复用率及单任务净利润等核心数据。这些隐藏的数字，才是判断产品成立与否的关键。
产品同质化进一步加剧了这一问题。许多标榜“垂直”的 Agent，底层架构高度相似：调用通用大模型，接入向量数据库与 RAG 知识库，辅以 Prompt 工程。这种“换皮”式创新无法构成真正的竞争壁垒。尽管零一万物展示的老板 AI、销冠 AI 等产品在决策场景取得了一定增长，但若无法摆脱项目制束缚，转化为可复制的标准产品，其盈利模式依然脆弱。
缺失的质检线：能力与部署之间的鸿沟
解决入口仅是第一步，确保 Agent 在生产环境中正确、安全地运行，才是更大的挑战。随着模型能独立完成的任务链条越来越长，人工检查结果的成本也随之飙升。一项研究显示，多家拥有强大 Agent 的企业因缺乏可靠验证机制而不敢将其部署至正式生产环境，这被称为“能力与部署之间的验证缺口”。
在 WAIC 上，专注于 Agent 质检与验收的公司寥寥无几。布兰矩阵等少数企业开始关注行动安全，通过“盲盒+黑盒”攻击测试越权调用和数据泄露风险，输出量化报告。方寸跃迁则发布了涵盖网络安全、模型欺骗等维度的红队测试流程。然而，这些努力主要集中于安全合规层面，而对于“任务结果是否正确”这一功能性验收，市场仍显空白。
相比之下，海外巨头如微软的 Agent 365 和 OpenAI Frontier 已较早布局企业级治理与权限边界。国内在这一层级的基础设施建设尚处起步阶段，大部分竞争仍拥挤在抢入口、做垂类的前两层。缺少标准化的质检线，使得 Agent 难以从“玩具”变为可靠的“工具”。
未来展望：从制造到生产的进化
综上所述，AI Agent 产业正处于从野蛮生长向精细化运营过渡的关键节点。下一轮竞争将围绕三个核心维度展开。
首先，通用任务入口将进一步向拥有模型、流量和生态闭环的大厂集中。小厂在通用入口层正面竞争的空间将被极度压缩，定价权和数据流将日益向头部集中。
其次，垂直场景成为小厂唯一的突围之路。但单纯的“行业助手”包装已无价值，真正的壁垒在于掌握行业认可的交付标准。企业内部数据口径不统一、隐性知识难以编码、例外情况处理复杂，这些“最后 20%”的交付难题，才是区分优秀产品与普通 Demo 的分水岭。
最后，测试、监测、权限、审计和沙箱将演变为独立的基础设施层。当 Agent 数量达到亿级，企业需要的不再是更多的 Agent，而是能管控 Agent 的工具。谁能建立起稳定、可控、可审计且能持续获利的生产系统，谁就能在 AI 制造业的下一轮洗牌中胜出。上车已无悬念，关键在于能否提供一份经得起考验的交付成绩单。