想象这样一个场景： 一家餐厅不惜重金聘请了上百位米其林三星主厨，配齐了全球顶级的后厨设备。原以为能横扫餐饮界，结果开业第一天的晚高峰，就出现了大面积“停工”。不是主厨能力不行，也不是炉灶不够先进，而是一个谁都没想到的问题：连接仓库与后厨的传菜电梯太老旧，一次只能运送半颗白菜。 看似“荒诞”的一幕，却是当前AI产业的真实写照。 轰轰烈烈的大模型浪潮，让整个科技圈患上了“算力不足恐惧症”，模型不够聪明，堆算力；训练速度不够快，堆算力；推理吞吐上不去，还是堆算力。计算集群从千卡、万卡走向十万卡，却尴尬地发现： 数据传输的带宽太低、吞吐太慢，计算被迫停下来等数据；任何一个存储节点出现故障，都可能导致训练任务中断；Agent任务的海量上下文、KV Cache和中间状态，不断让存储承压…… 曾经被视为“配角”的数据存储，被推到了AI舞台中央。 国际分析师机构Gartner在2026年给出了权威判断：“存储正在告别被动的数据容器角色，成为AI时代重要的战略基础设施”，并在《2026年企业存储平台魔力象限报告》中，揭示了不同存储厂商的竞争力排序。 作为全球存储行业的“米其林指南”，Gartner魔力象限释放了一个关键信号：**在AI用例维度连续两年登顶排名第一，综合实力位列全球前三甲，全面超越NetApp、Dell EMC、IBM等欧美厂商。 当一家厂商在某个关键指标上跨周期绝对领先，往往预示着行业的底层逻辑正在代际更迭。 四重变化，AI正在重新定义数据存储 AI存储和传统存储，到底有什么不同？ 很长一段时间里，企业存储的使用场景主要围绕着ERP、数据库、OA系统以及常规的文件共享与灾备展开。数据多为结构化数据或静态文件，业务对存储的核心诉求是“安稳地存下来”与“可靠地管起来”。 存储系统扮演的是“被动数据仓库”角色，只需保证基本的容量扩张、数据不丢失、满足常规的IOPS读写频率即可。 进

文章配图-1 进入2026年后，AI行业出现了两个标志性拐点： 一是Agent的加速崛起，AI终于长出“手和脚”，拥有了执行复杂任务的能力； 二是开源模型的爆发，模型能力以周为单位刷新，“聪明的大脑”不再稀缺。 可将视线聚焦到真实的商业市场，大模型的能力正在狂奔，企业的AI落地进程仍在缓慢爬坡。 过去两三年，企业讨论的焦点是“怎么把AI装进企业”。到了2026年，AI落地进一步从愿景照进现实，不少企业却陷入了新的焦虑：怎么稳定生成高质量Token、怎么让AI融入业务、怎么把智能变成价值？ 带着这些行业共性痛点，我们走进了2026年的数博会现场。在超聚变的展台上，看到了“智企”理念下的破局路径。 算力标尺的代际更迭： “拼配置”到“拼Token产能” 如果要问企业在AI基础设施建设上最大的误区是什么？答案是“用旧时代的尺子，去丈量新时代的土地”。 前两年的AI基础设施建设，企业的衡量标准不可谓不简单粗暴：机房里堆了多少台服务器、买到了多少张GPU、理论峰值的FLOPS达到了多少……建立在“硬件配置为中心”上的指标，在Agent时代已经失效。 根据OpenAI的报告，过去一年里，每家企业的平均Token消耗增长了320倍；权威咨询机构Gartner的数据显示，单位Token价格确实越来越低，但复杂工作流会使用更多Token，预计2028年AI推理成本将增长5倍以上。 而企业斥巨资打造的“纸面算力”，经历了带宽瓶颈、资源闲置、调度低效等逐层损耗后，转换成有效Token的往往只剩40-60%。在算力上的投入越来越高，却未能产生有效Token、可调用智能。 数博会上的超聚变展台，向外界展示了智能体时代的算力新标尺——以“硬件配置”为中心转向以“供给Token”为中心，帮助企业打造Token Factory的AI生产范式。 不同于传统的AI服务器集群，Token Factory就像一个

文章配图-1 在制造行业，“微笑曲线”一直是难以跨越的鸿沟。 一端是原始研发与专利设计，一端是品牌塑造与营销渠道，曲线的两端占据了价值链绝大部分的附加值；而处于曲线底部的中间环节，承担着最繁重的生产制造，却只能赚取最微薄的加工利润。 珠三角的美妆、灯具，长三角的箱包、家纺，再到华北平原上的轻工制造，大大小小的产业带构成了中国实体经济的基本盘。但在很长一段时间里，国内产业带的工厂被局限在了“微笑曲线”底端。 当越来越多产业带进入新旧动能转换的关键期，怎么向高附加值的曲线两端跃迁，已经成为中国制造面临的时代命题。 进入2026年后， $拼多多(PDD)$ 的“新质供给”专项团队，先后深入中山灯具、苏州家纺、信阳蚊帐、河北箱包、泉州运动装备等产业带，通过“产品为先、精简运营”的平台生态，挖掘出了一个又一个主打质价比的“新质品牌”，给出了产业带转型的新解法。 破局：用大数据穿透需求，重构消费连接 为什么很多工厂跨不过微笑曲线？答案在于传统品牌的塑造路径。 一个工厂要建立自主品牌，往往要投入数以千万计的广告营销费用，铺设层层分销的线下渠道，并承担漫长研发周期带来的市场不确定性。对于毛利本就微薄的制造工厂，无异于一场豪赌。 产业带并不缺制造能力，缺的是低成本连接消费市场的渠道：很多工厂能够把一件产品做到行业领先，却不知道消费者需要什么；能够快速生产，却无法低成本验证新品是否有市场；能够保证品质，却没有能力建立品牌认知、积累用户口碑…..制造和需求之间，隔着一条漫长的信息链。 理清了问题的症结，就不难对症下药。 拼多多的“千亿扶持”惠商计划和“新质供给”专项，正是为了打破“高举高打砸广告”的旧范式，让工厂能够利用大数据穿透消费需求，以场景创新和质价比在市场上占据一席之地。 直接的例子就是位于广东美妆产业带的“依

2026年的存储行业，正经历一轮价值重估。 当大模型、智能体加速走向千行百业，数据基础设施被重新定义：企业需要的不再只是能够“存放数据”的配套系统，而是承载AI全链路业务运行的数据基石。 需求端的结构性变化，直接影响着供给侧的格局。 国际权威分析机构Gartner在最新发布的《2026年企业存储平台魔力象限报告》中，用一张象限图揭示了市场格局的演变：**再一次入选领导者象限，综合实力位列全球前三甲，全面超越NetApp、Dell EMC、IBM等一众存储行业“老大哥”，距离全球头家仅一步之遥。 尤其是，在与魔力象限配套的最佳技术佐证——《关键能力报告》中，**在“AI应用”这一能力中以4.8/5.0的分数断层领先，成为绝对标杆。 文章配图-1 全球IT产业赛道的风云再起，企业存储市场竞争座次的重新排列，给外界提供了一个重新认识数据存储的窗口。 01 当Agent真正“干活”，存力短板藏不住了 Gartner在官方报告中提及，到2029年，70%的企业将部署专用大规模AI推理和检索增强生成（RAG）知识库的AI存储，而2026年这一比例不到10%。 换句话说，仅需3年，几乎每家企业都将真正的使用AI，届时拥抱AI的企业将是此时此刻的7倍以上。 此番魔力象限的结果已经可见，**存储在AI赛道的身位，已经结结实实地领先一步。究其原因，或许来自**未雨绸缪的超前洞见。 过去几年的AI竞赛，行业最关注的是两个指标：模型参数和算力规模。 原因不难理解。 大模型发展的早期阶段，在Scaling Law的影响下，增加训练数据、扩大模型参数、建设更大的计算集群，被视为提升模型能力的唯一路径。谁拥有更多计算资源，谁就可能训练出更强的模型。 可当大模型走向多模态，当AI应用从“一问一答”走向执行复杂任务的Agent，基础设施层遇到了新的问题：计算、网络、存储等任何一个环节跟不上，都会拖慢整套系统

文章配图-1 在天津武清的“乐潮”工厂里，上演了新旧交替的一幕。 过去，一位经验丰富的老师傅在机器前全神贯注地穿针、引线、拉毛，制作一平方米地毯往往需要半天时间。由于人工手艺的波动，产品的良品率始终维持在80%左右。 现在，高精度的热转印设备不断发出节律明快的鸣响，制作一平米图案精美、色彩细腻的地毯，只需短短数秒。产能上万倍提升的同时，良品率也陡增到了98%以上。 武清地毯产业的蝶变，绝不是简单的“机器替代人工”，一场更深层的变革发生在供需两端。 通过拼多多代表的新电商平台，用户的每一次点击、搜索、购买和评价，都被转译为工厂研发决策的参考数据：年轻群体热衷于“奶油风”与“意式极简风”的居家质感；“铲屎官”们极度需要兼具防水、防猫抓且高耐用的宠物地垫；租房人群在严格考量价格的同时，要求极高的质价比…… 当工厂不再盲目生产，能够实时读懂并回应消费者，被誉为“中国地毯之乡”的天津武清，正在改写“制造”的新逻辑。 $拼多多(PDD)$ 01 手工作坊到数字工厂，“中国地毯之乡”主动求变 天津武清是国内重要的地毯产业聚集区。 经过数十年的发展，逐步形成了从原材料、织造、印花，到裁剪、包装、销售的完整产业链，聚集了大量地毯生产和配套企业。 和很多传统产业带一样，武清当地密集分布着十几人、二十多人的“小作坊”，生产依靠手工台和手工缝制。高度集中的产业链，让企业可以获取原材料和加工服务，靠着低成本和规模占领市场。 弊端同样明显。 工厂长期处于供应链末端，研发创新能力薄弱，只能被动接单。在外贸订单充足、产品需求相对固定的阶段，这套模式还能高效运转，一旦需求端出现变化，大多数工厂会遇到生存考验。 直接的例子就是“乐潮”。 据乐潮电商负责人王雷介绍，外贸订单一度占据了工厂80%的营收，对接的是采购商与渠道商，偏向标准化

当前中国制造业正加速向高端化、智能化转型，电子精密制造等领域对产品精度与品质的要求持续提升。质量检验早已不再是生产链条末端的收尾环节，而是贯穿全流程、决定产品良率、制造成本与品牌信誉的核心节点，是企业立足全球市场的核心竞争力。 文章配图-1 面对愈发严苛的验收标准，产线质检该如何破局？ 在质检岗位上，质检员日均会进行数千次重复的检测动作，即便资深的一线质检人员，也难免受疲劳累积、注意力波动的影响，出现漏检、误判或标准执行偏差。 全流程依赖人工质检的模式下，每道工序均需配置相应检测人员，不仅推高了管理成本，更因个体判断标准的差异，难以保证品质管控的一致性与稳定性，成为合格率进一步提升的关键制约因素。 文章配图-1 当极致品质管控成为行业普遍追求的目标，纯依赖人工的质检模式已难以匹配顶级厂商的验收标准。如何用智能化手段补足人工短板、放大经验价值，直接决定制造企业的发展上限，也关乎中国制造向高端迈进的整体步伐。 工业AI质检走进制造产线，给出破局答案 CoolerMaster 集团讯强电子（惠州）有限公司（下文简称讯强电子）是散热器制造领域的领军企业，其散热产品为服务器、通信设备、新能源汽车等核心设备提供关键散热解决方案。面对全球客户日趋严苛的品质要求，讯强电子携手**数据存储展开深度合作，依托**工业AI质检解决方案，搭建起高精度智能化质检体系，推动产品质量与生产效率双向跃升。 **工业AI质检解决方案基础设施主要由OceanStor Dorado全闪存存储、iMaster DME数据中心管理平台、训练服务器、推理服务器、管理节点和**AI质检大模型组成，提供如组装错漏反识别、视频动作分析、尺寸测量检测等功能，助力企业提高质检效率，降低产品缺陷漏检率。 文章配图-1 跃升一：生产流程可视化、可追溯、可管控，多工位落地智能质检 讯强电子在超声水检、组装穿管、附件装配三个工位部署*

每年的WAIC，都是观察AI产业变化的一扇窗口。 深入“打卡”多家互联网大厂的展台后，我们有一个直观的感受：几乎所有厂商都把智能体作为核心叙事，涵盖通用智能体、垂直智能体、智能体开发等等。AI已经跳出了聊天框，开始接手一项项具体工作。 从“回答问题”走向“完成工作”，改变的不仅仅是应用形态，还有互联网厂商的能力边界：一次简单问答，背后可能只是一次模型推理；而一项智能体任务，可能持续数分钟乃至几十分钟，经历数十次模型调用、工具执行、文件读写、失败重试，对基础设施提出了新的要求。 7月16日的**互联网AI之夜@WAIC 2026，聚集了50多家互联网企业和大模型科技公司，向外界传递了一个积极信号：当AI从对话走向行动，互联网行业的竞争正在从模型能力走向“生产系统”。 01 智能体时代，互联网业务的逻辑变了 智能体带来的变化，不只是让AI多了“手和脚”。 和聊天机器人对话时，用户输入一个指令，模型生成一段文字、一张图片或者一行代码。如果答案不够准确，用户需要继续补充条件，进行下一轮对话。评价标准主要是答案对不对、响应快不快。 到了智能体时代，用户只需要提出一个任务目标，由AI负责理解需求、制定计划、调用工具、访问数据、执行操作，并根据中间结果不断调整路径，直到交付最终结果。 “单轮回答”到“自主任务”的跃迁，看起来只是任务链条变长了，实际上是不同的产品形态和运行方式。 在**互联网AI之夜上，多家互联网企业“现身说法”。 比如AI Coding领域的TRAE。 2026年以前的AI Coding，扮演的还是辅助角色，在开发者敲代码时自动补全下一行，或者根据指令生成一段函数。 TRAE揭示了新的方向——将AI从代码生成环节推向完整的软件工程任务，需要理解整个代码仓库，定位与需求相关的文件，规划修改路径，编写代码，调用终端，执行测试，并在失败后继续排查和修复。AI Coding的价

文章配图-1 一年一度的WAIC，像一面镜子映照着中国AI产业的新动向。 ChatGPT刚出现时，外界问的是：中国有没有能力做出自己的大模型？ 国产大模型密集发布后，问题变成了：中国模型何时能追上国外玩家？ 开源大模型全面崛起，问题进一步落到底层：能否跑在自主可控的基础设施上？ 到了2026年，问题再一次发生变化。 不再只是问模型“会不会说”，开始追问：AI能不能接手一项完整的工作？能不能连续执行几十个步骤？能不能调用企业内部的数据、软件和工具？能不能在复杂的生产环境中稳定运行，最终交付一个可以直接使用的结果？ 每年的WAIC上，中国AI企业都用行动给出了答案，完成了整体落后、局部追平到独树一帜的跃变。 规格更高的WAIC 2026，自然也不例外。 作为国内最早布局AI的企业之一，百度这次全景呈现了“芯云模体”全栈布局，尤其是百度智能云从底层技术创新到产业场景、智能体应用的规模化进展；阿里巴巴展出了面向千行百业和前沿科研的多个AI智能体平台；**首次公开展示了Atlas 950 SuperPoD超节点真机，支持1024张NPU卡高速互联，像一台计算机一样工作…… 汇聚各国政要的WAIC，已经不只是一场技术成果展，也是中国AI面向智能体时代的阶段性答卷，每一家科技企业展现的都是自己最独特的一面，或者说是他们对行业竞争力的判断。 01 从模型竞赛走向任务竞赛，AI的底层需求变了 过去三年，大模型产业形成了一条相对清晰的价值链：芯片厂商提供算力、云厂商提供计算资源、模型厂商训练大模型、企业和开发者通过API调用模型、普通用户则在聊天框里提出问题并获得答案。 大模型占据了整条价值链的C位，形成了以模型为中心的叙事逻辑。模型的参数规模有多大、训练使用了多少张卡、模型在权威榜单上的排名，以及每百万Token的价格是多少，成了衡量企业竞争力的主要标准。 进入2026年后，Agent逐渐取

文章配图-1 2026年注定是科技史上里程碑的一年。 年初兴起的具身智能热，不仅让宇树、智元成为资本市场的宠儿，连带着灵巧手赛道也涌现出了多家百亿级创业公司。 汹涌而至的Agent浪潮，让智谱、MiniMax的股价翻了数倍，DeepSeek、Kimi等陆续完成了数百亿元规模的巨额融资。 $MINIMAX-WP(00100)$ 刚刚过去6月份，SpaceX、SK海力士等先后成为现象级焦点，频频刷新美股市场的融资纪录，创造了一个个万亿美元神话…… 资本市场的不断升温，意味着产业界正在为“科技”重新定价：如果一家企业能把技术能力转化为产品、场景和商业价值，市场就会给到更高的估值、更强的溢价、更能穿越周期的想象空间。 把视角放大一些，“科技为王”的定价逻辑正从AI、具身智能、商业航天等前沿赛道，外溢到家居家电、智能制造等成熟板块。 根据世界品牌实验室发布的《中国500最具价值品牌》，多个家居家电企业入选“2026年度最佳表现品牌”：**从2025年的第13位跃升至第2位，品牌价值由4901.28亿元增长至6175.81亿元；定位科技生态企业的海尔，以6162.96亿元的品牌价值位列第三；主张“科技卫浴世界九牧”的九牧集团，品牌价值达到2175.69亿元，10年内增长了13.24倍。 以及正在欧洲上演的中国空调“抢购潮”，海尔AMO9AA移动空调、美的PortaSplit“免安装分体机”成了欧洲市场的硬通货，有网友“跑了200公里才买到最后一台，价格还涨了100欧”。 由此产生的一个问题是：为什么科技能够从企业的研发成本，蜕变为市值和品牌价值跃升的底层变量？ 01 四张答卷，读懂科技兑现的价值闭环 资本市场可能会为“风口”兴奋，但终归只会为价值买单。 无论是AI、商业航天，还是家居家电、智能制造，市场奖

文章配图-1 过去几年，AI的进化不断加速。 不再只是一个“会回答问题的工具”，开始进入研发、生产、质检、排产、政务服务、产业协同等真实场景。 当AI开始重组生产力，城市间的竞争也在变化。 过去的衡量标准是数字化能力，系统建了多少、数据汇了多少、平台搭了多少；到了AI时代，衡量标准可以归纳为三个问题：AI有没有进入核心生产场景？有没有变成企业和政府都能调用的公共能力？有没有形成可复制、可运营、可持续的产业生态？ 以制造业闻名的宁波，可以说是最佳的观察对象之一。 相比内容、客服、营销等场景轻、数据多、链路短的行业，留给制造业城市的命题是：工厂要降本增效、产业链要高效协同、中小企业要低门槛获得AI能力、政府也要提升服务和治理效率……考验的不是“上了多少AI应用”，在于能否将AI嵌入城市和产业运行的关键环节。 6月26日举办的**中国行·2026宁波新质生产力创新活动，让外界看到了一座制造业城市的AI跃迁。 01 AI×基础设施，从“数据中心”到“Token工厂” 理解AI时代的城市竞争力，首先要读懂一个新概念——Token工厂。 在大模型语境里，Token可以简单理解为AI处理和生成信息的基本单位。一次提问、一次回答、一次报告生成、一次数据分析，都需要消耗Token，不只是一个计量单位，而是智能化时代的“新型电力”。 可以找到的一组数据是：目前中国日均Token消耗量已达180万亿，层出不穷的行业应用智能体，推动Token消耗指数级增长，预计到2030年我国AI Token经济规模将达到10万亿元。 所谓的Token工厂，就是把算力、数据、模型、存储和网络组织起来，在高效率、低时延、安全可控的前提下，将算力转化为标准化Token的工业能力载体，以满足千行百业数智化转型的刚需。 就像过去工业城市不能只有煤和电厂，还要有稳定的电网、调度系统和用电场景，AI时代不能只有计算集群和数据