1. 峰会落地背后的信号比会场里的热闹更值得琢磨“Waking Up to the Future”——我对这次国际AI旗舰峰会的第一个感受就是这个标题本身。说实话每年世界各地的人工智能大会不少有的偏学术有的偏产业有的干脆就是厂商发布会的大杂烩。但真正能被称为“旗舰”的峰会标准很苛刻得有大模型厂商的下一代产品预告得有具身智能领域刚跑通demo的初创团队还得有愿意掏钱买单的行业客户坐在台下。这三拨人能在同一个会场里出现本身就是行业温度计。这次峰会选在南方那座国际化口岸城市举办我的第一反应是主办方在下一盘关于“连接”的棋。人工智能这个行业过去几年的叙事重点一直是“技术突破”大模型参数从千亿涨到万亿context窗口越拉越长多模态能力一个季度一换。到了今年叙事明显切换到了“落地”和“全球化”。一个背靠内地产业链、同时面向全球资本和市场的城市天然适合当这个连接器。内地来的工程师想看海外市场的真实需求东南亚和中东来的采购团想看国产大模型到底能跑哪些场景欧洲来的研究机构想找开源生态的合作方——所有需求在同一个场馆里交汇这就是峰会的价值。对于普通从业者来说这种级别的大会值不值得专门跑一趟我的答案一直是值得而且最好是自费也要去。线上直播虽然能看到演讲内容但看不到展台前排队的长度听不到隔壁观众在讨论什么更闻不到那种“所有人都在焦虑又兴奋”的气氛。技术趋势可以靠读报告获取但行业情绪和资源密度只能靠肉身到场。我全程跟了两天把主论坛的keynote听完了展区大概逛了三遍还蹲了几个分会场的开放讨论。这篇文章不打算复述哪个嘉宾讲了什么那没有意义。我想从一个普通参会者的视角把这次峰会的技术风向、参展策略、现场观察和踩坑经验拆开来讲给下一届想去的人留一份带得走的地图。2. 现场拆解今年峰会的四个关键词2.1 大模型从“卷参数”转向“卷场景”主论坛上最明显的变化是所有人都不再报参数量了。去年这时候各家还在用千亿、万亿参数证明自己训练能力的上限今年演讲嘉宾的PPT里出现频率最高的词变成了“业务场景覆盖率”“推理成本下降了百分之多少”“客户平均调用量翻了倍”。这背后是整个行业范式的切换基座模型的能力差距正在缩小真正的护城河变成了对具体场景的理解。我在展区看到一个做法律文档审查的团队他们的产品没有自研大模型而是基于某开源底座做了大量领域微调把合同审查的准确率从人工时代的92%提到了98.5%。他们的展台很小但来咨询的全是律所和金融机构的法务负责人。旁边一个参数规模更大、但只能演示通用对话能力的大厂展台反而问询量没那么高。这种“卷场景”的趋势对中小团队其实是利好。算力军备竞赛打不起但找一个小切口、用大模型把成本结构打掉一半这个事小团队完全能做。我在现场跟几个独立开发者聊他们的共识是现在比拼的不再是谁的模型更聪明而是谁能更快地理解一个行业里那些“说不清的规则”——比如医疗病历里缩写和俗称的归一化处理比如制造企业设备报警数据的因果推断。这些脏活累活恰恰是数据壁垒的来源。2.2 具身智能成了最拥挤的赛道如果要评选全场最拥挤的展区具身智能当之无愧。人形机器人、四足机器人、机械臂搭配视觉抓取系统的展台从早到晚都围着人。有意思的是今年来参展的机器人团队明显分成了两派一派还在展示“能站起来、能走路”的原型机另一派已经开始展示“在真实工厂里干了三个月活”的落地数据。我更关注后者。有个团队展示了他们的机器人做汽车零部件分拣的实际视频抓取节拍从最初的人工远程遥控一步步迭代到端到端视觉语言模型驱动最后把误抓率压到了千分之一以下。他们的负责人说了一句很实在的话“机器人不是用来表演的是用来解决人力流动性问题的。制造业缺的不是能跳舞的机器人是能三班倒干活还不闹情绪的机器人。”从技术维度看今年具身智能的几个关键变化值得记录。第一VLA视觉语言动作模型成了主流方案机器人不再需要为每个动作单独写规则而是直接理解自然语言指令并映射到动作。第二灵巧手从“展示品”变成了“商品”自由度、触觉传感器密度和耐用性都有了明显提升。第三数据采集开始被认真对待有团队专门做遥操作数据采集把人类演示数据变成训练语料。但也要泼盆冷水。展区里至少三成机器人项目本质上还是同一套开源方案换了不同外壳。硬件层面的创新没有想象中那么快真正拉开差距的依然是数据飞轮能不能转起来。峰会上一个投资人的说法很直接“我可以接受你现在不赚钱但你不能没有数据闭环。没有数据闭环的机器人公司本质上是个外壳公司。”2.3 AI基础设施走向“水电煤”另一个值得注意的变化是AI基础设施的叙事从“卖算力”变成了“卖能力”。展区里几家云厂商的展台主推的都不是GPU实例而是“一句话生成报表”“上传文档自动构建知识库”“API直连行业大模型”这类开箱即用的能力层产品。对中小企业来说这确实是门槛的大幅降低。我算了一笔账以前一个传统制造企业想上一个AI质检系统要自己买服务器、搭模型、做训练……前期投入动辄几十万周期大半年。现在按调用次数付费一条产线一天十万次检测成本大概在几百块的量级折算下来每年比雇佣一个专职质检班长还便宜效果还更稳定。这种“水电煤”化才是AI真正渗透实体经济的路径。这次峰会上基础设施层最热的概念是“模型路由”系统自动根据用户请求的复杂度决定调用大参数模型还是小参数模型甚至在某些固定任务上直接走规则引擎。听上去不炫酷但实际效果是整体推理成本能降40%以上。做这个服务的团队不多大部分企业还在傻乎乎地把所有请求都往大模型上灌这里面的浪费空间相当大。2.4 开源与安全成为新叙事欧美主流的开源模型和国内这几年的开源社区正在走向某种融合。峰会上的共识是开源不再只是“免费版模型”而是生态根节点——企业基于开源底座做私有化部署再反哺社区提交优化补丁这套循环已经跑通了。与此同时安全对齐的分量明显加重。过去大家对AI安全的理解还停留在“内容审核”今年讨论的颗粒度细多了幻觉检测怎么在金融场景里做到单场景可用、多模态模型怎么防止越权指令注入、企业私有化部署时数据隔离怎么做。会场里甚至有一个分会场专门讲大模型供应链安全——你的模型权重文件从哪里下载的、有没有被投毒这类以前没人关心的问题现在被提到了和代码安全同等重要的位置。3. 从参会者视角看怎样逛展最有收获3.1 出发前的准备决定了参会效果的80%很多人以为参会就是“人到现场、跟着逛”结果两天走下来腿断了、名片收了一大摞回公司却什么都想不起来。我自己的经验是参会的产出在出发前就已经决定了。提前一周拿到完整议程之后我会做三件事。第一件事把所有演讲标题过一遍凡是出现“应用实践”“落地案例”“商业化路径”这类词的全部标星优先听凡是“XX模型全面升级”这种发布会式内容的可以往后排。第二件事把展商名单导出来按“必须去”“顺路去”“不用去”分类地图上标好位置。第三件事带着三个具体问题去我的业务场景有没有对应的解决方案这个方案的成本结构合不合理如果我要落地缺的是模型能力还是业务流程改造这三件事花不了两小时但能让现场的时间利用率翻倍。我这次就因为在展商名单里提前发现了一家做AI质检的中型厂商专门约了第一天下午的时间过去聊后面省掉了大量盲目扫馆的时间。3.2 两天的行程怎么排才不浪费以两天的会期为例我比较推荐的时间安排是这样时间段第一天第二天上午主论坛全场听趋势、记关键词垂类分会场金融、制造、医疗三选一深挖中午展区快逛解决午餐锁定下午目标约目标展商一对一交流大部分展商中午反而有空下午核心展区按路线扫荡动手体验demo开放交流区、圆桌讨论见朋友傍晚回酒店整理笔记筛选二次要约的展商赶往交流晚宴或行业小聚这个安排的核心思路是第一天用宏观内容建立坐标系第二天再往自己的垂直领域深钻。如果反过来第二天还在听泛泛的主论坛很容易信息过载然后麻木。3.3 听会记笔记的正确姿势很多人在会场疯狂打字恨不得把PPT上的每个字都记下来。实际效率极低。我的习惯是只记三类东西第一某个嘉宾反复强调的行业判断哪怕只有一句话第二案例数据尤其是“成本降低X%”“部署周期缩短X天”这类可引用的硬指标第三自己的疑问和行动项比如“回去查一下XX产品是否支持私有化”。我会在手机备忘录里按“趋势判断 / 案例数据 / 行动项”三个标签分类记录每天晚上花十分钟整理成一份当天的“信息快闪”。两天下来这份笔记比任何官方资料都有价值——因为它记录的是你当时的判断和决策线索而不是别人喂给你的内容。4. 踩过的坑与排查实录峰会参会的常见问题速查4.1 票务、证件与入场环节的隐形门槛第一个坑是票种权益的差异。有些票看着便宜实际只包含展区参观进不了主论坛有些票含全部论坛但需要提前预约场次。我这次看到好几个同行拿着展区票去挤主论坛被保安拦下来才知道要补差价。建议买票前仔细读权益说明尤其是“是否需要预约”“是否含午餐”“是否可以进入全部会场”这三条。第二个坑是证件办理的时效。境外参会人员的证件审核周期比想象中长至少要留出一周的缓冲期。我认识的一位从业者因为临时决定参会证件在会前一天才审批通过机票改签加急白白多花了两千多。入场的智能闸机看起来很快但高峰时段排队依然要20分钟。诀窍是错峰入场早上第一场演讲开始后半小时入场人最少中午和下午开场前后是大高峰尽量避开。4.2 网络、拍照与内容获取的边界问题现场Wi-Fi是个长期痛点。场馆里上千人同时联网5G信号也会被摊薄。我的习惯是提前把需要的资料下载到本地然后用手机的移动网络作为主力。如果你要直播或传视频建议准备一个随身Wi-Fi实测比现场网络稳定不少。内容获取方面有些开放论坛允许拍照但主论坛和闭门研讨会往往明确禁止摄影尤其是涉及未公开商业数据的环节。我见到不止一次有人因为偷拍PPT被工作人员提醒甚至请出会场。规则说得很清楚公开演讲欢迎传播未公开数据禁止外泄。想记录内容用笔记比用手机拍体面得多也更安全。4.3 场馆通勤和餐饮排队的成本被严重低估大型峰会最累的不是听会而是转场。如果场地分成好几个展馆馆与馆之间步行距离可能超过一公里一天下来两万步是家常便饭。穿一双舒服的鞋比带什么高级设备都重要。餐饮问题也很现实高峰时段场馆里的餐厅排队动辄半小时以上周边的快餐店也会被挤爆。我这次的经验是错峰吃饭——下午一点半以后再去找吃的或者在上午十点半就把午餐解决掉。包里常备能量棒和一瓶水能救急。4.4 信息过载之后的“失忆症”峰会结束后最常见的状态是信息量太大反而什么都记不住。大多数人撑不过三天就开始遗忘一周后只记得“好像看到过一个大屏机器人”。这不是记性问题是信息摄入方式的问题。应对方法是在现场就建立信息分流机制拿到名片当场标星重要的立刻在名片背面或手机里备注“谈了什么、下一步是什么”电子版资料按展商名日期统一命名存到同一个文件夹两周后回访时文案参考你当天的行动项来写而不是泛泛地问“合作考虑得怎么样了”。我在现场还会做一个“三天回顾”的动作会后的第三天把笔记翻出来画出五条最重要的趋势判断再给这些判断配一个自己业务里对应的动作。这五条动作才是参会真正的产出。5. 一个被低估的价值峰会上的“散场时间”主论坛结束、人群往出口移动的那个时间段往往是最有戏剧性的。上午还在台上讲宏大叙事的嘉宾这时候就在过道里端着咖啡和人交换联系方式刚刚发完新品的团队在这个时间被投资人堵在展台角落里追问数据。我习惯刻意留出每天最后半小时不安排任何行程就在出口和休息区之间慢速走一圈。这个习惯帮我听到了很多正台上不会说的话。比如有家做AI客服的公司台上讲的是“智能率如何提升”台下跟同行聊的却是“客户真正愿意付钱的功能只有退换货识别和情绪安抚两句”比如有人形机器人团队嘴上说着“明年量产”私下承认“供应链还卡在减速器上”。台上的内容是叙事台下的交流才是真信息。另一个容易被忽略的时间段是活动结束后的行业小聚。这种聚会通常没有固定主题十几个人围在一起从下午聊到晚上。相比主论坛小聚里更容易碰到真正做业务的人——他们不聊趋势只聊“你现在卡在哪个环节”。而且这种场合建立的联系后续合作概率远高于会场里互换名片的那种。当然去小聚也需要判断。跟十个人加微信不如跟三个人深聊深聊的前提是你得有真东西交换。带着问题去、带着自己的经验去别人自然愿意跟你多说两句。只想着索取资源的话两轮下来你就会发现自己被晾在一边。我个人在这些小聚里收获最大的一次是被问到“如果你要重新做一次AI转型会从哪里下手”。我当时的答案是先找一个单点且高频的场景用最小模型跑通再考虑横向复制。在场一位做过多年工业数字化的人补充说他会反过来先看数据链路通不通——模型好换数据不通一切白搭。这个视角对我后来的方案设计影响很大。6. 一些给后来者的实在建议如果让我给还没去过这种旗舰峰会的人提建议第一条是先想清楚“我到底为什么去”。为了学习技术趋势、为了找客户、为了看投资方向这三者的逛法完全不同。不去想清楚就会变成两天走马观花。第二条是准备一份“一页纸自我介绍”。不是名片而是用一段话说清楚你在做什么、解决什么问题、对谁有价值。你会发现现场所有的有效连接都始于简洁准确的自我定位。那些一开口讲十分钟也没讲明白自己做什么的人几乎都会在二十分钟内被礼貌疏远。第三条是会后跟进有节奏感。当天晚上给当天认识的、确实重要的人发一条简短消息提及“我是当时问你XX的那位”建立锚点三天后再发一份你整理的资料或结论作为价值输出两周后如果还有联系再推进具体的合作话题。这个节奏不会让人觉得被打扰但也保持了存在感。我自己的参会哲学一直是把峰会当成一个研究课题来做而不是当成一个展会来逛。事先定好问题和假设现场去验证和修正会后输出行动清单。只有这样票价、机票、请假扣掉的工资才算是花在了刀刃上。回到那个标题“Waking Up to the Future”——实际上峰会本身并不能唤醒未来未来是在会场之外无数个具体的demo、讨论和合作里一点点醒过来的。带着问题去带着行动回来这才是参会者该有的姿态。