摘要
2026 AWS 上海峰会观察作者｜汤一涛 编辑｜ 郑玄 过去三年，AI 行业的绝大部分注意力都在一件事上：把模型做得更强。到 2026 年，这件事的边际收益正在迅速变小。 一个行业共识正在形成：模型正在商品化。一方面，前沿模型之间的差距正在收窄。Claude、ChatGPT 这些闭源模型在多数通用任务上已经能达到「足够好」的水平。与此同时，开源模型（DeepSeek R1、Llama 系列）从下方不断压缩差距。传递到消费端，大模型的「性价比」越来越高。当模型的技术壁垒逐渐被稀释，就很容易转化为标准化的算力服务。 另一方面，模型并未直接转化为生产力。麦肯锡 2025 年全球 AI 调研显示，62% 的企业仍停留在 Agent 试点阶段，仅有 23% 完成规模化落地。Gartner 预测，到 2027 年底，超过 40% 的 AI Agent 项目会被取消。大多数企业没拿到业务结果。 Agent 要在企业里跑得好，往往还需要解决大量的工程问题，比如数据的管道问题，比如任务路径的监管问题。 这部分价值不比训练一个模型小，但在过去明显被低估了。 今年早些时候，IBM 首席 AI 架构师 Gabe Goodhart 就指出「 模型本身不会成为主要的差异化因素 」。他认为，企业长期竞争优势将来源于私有行业数据、业务工作流编排与垂直行业解决方案。换句话说，决定胜负的不是模型本身，而是围绕模型的数据和工程。 2026 年 AWS 上海峰会的整个议程，正是建立在这个判断上：当前竞争的胜负手，正在从比拼模型的强度，转向更切实的价值创造，也就是帮助企业把 Agent 跑进生产。 01 Agent 跑进生产之后 何锐邦是小鹏集团数据与 AI 平台负责人，管理几百人的研发团队。他在 AWS 上海峰会主论坛上讲了自己团队正在经历的事：2024 年团队已经在普遍使用 AI 开发工具， 个别员工效率提升了，整个部门没有提升 。 卡点有三个。首先 AI 工具只能帮写单个环节的代码，但是整个链路并没有得到明显的提效；小鹏在做物理 AI，软硬件协同开发的全自动化在行业里还是禁区。第三个卡点则更加根本：AI 代码生成速度太快，人类治理已经跟不上。