2026 AICon 上海站收官：模型热"退烧"，场景战"开打"，AI 公司得学会自己"挣钱养家

大会背景

6 月 26-27 日，由极客邦科技旗下 InfoQ 中国主办的 AICon 全球人工智能开发与应用大会·上海站（2026） 在沪举办。两天会程汇集 1500+ 开发者、技术专家与产业一线实践者，48 家企业与科研机构近 70 位讲者围绕智能体技术体系、底层基础设施、工程实践与产业场景落地展开深度研讨。

大会设 17 个垂直方向分论坛，覆盖端侧 AI、世界模型与企业智算架构弹性适配、大模型推理优化、AI 原生数据工程、Agent 系统架构与工程化实践、Agent 安全与可信治理、企业级 AI 研发、AI 时代工作流重构（Coding to Anything）、Coder to Builder、AI 时代移动端开发范式变迁、金融领域大模型落地实践等议题。

关键信号

极客邦总编辑赵钰莹在开场致辞中给出了三个产业级判断：

• 人才与组织重构：技能重心从传统工程基石转向多智能体协同、Agent 原生开发。智能体架构师、FDE（前沿部署工程师）等新岗位涌现，"技术 + 业务"复合型人才占比较两年前提升约 10 个百分点。
• 工程团队效率拐点：项目交付周期大幅缩短，AI 生成代码大规模应用但质量仍需人工把控；团队整体编制收缩、人效提升，超八成工程师日均工作超 8 小时；测试、UI 等执行类岗位缩减，架构与算法类岗位价值凸显，前后端、产技与业务的边界持续消融。
• 组织向 AI-Native 演进：人才培养转向"内生 + 实战"，黑客松与项目实操替代传统课程；部门墙带来的沟通损耗正在吞噬 AI 效率红利；未来将形成"超级个体 + 液态团队 + 新型管理者"的组织形态，工作流资产成为企业核心数字资产，传统过程导向的绩效考核体系将逐步失效。

嘉宾观点

邱锡鹏（复旦 / 模思智能）：迈向情境智能——MOSS 多模态模型的交互新范式

传统 "ASR + LLM + TTS" 级联语音交互存在架构冗余。团队从第一性原理出发：2023 年推出业界首个端到端原生语音对话模型 SpeechGPT，2024 年发布"万物皆 token"的 AnyGPT。产业落地阶段将能力拆为 MOSS-VL（视觉）、MOSS-Audio（音频）、MOSS-TTS（语音生成）三条路线，配套 SGLang 社区做推理内核优化，累计下载量已破 300 万。年内将推出 MOSS-Omni 统一多模态模型。

周俊（蚂蚁集团）：从 Token 数量到 Token 密度——万亿参数规模下的高效智能体

提出"快、强、智"不可能三角：轻量模型能力有限，大参数模型 GQA 注意力成本随上下文指数增长，聊天模型无法原生支撑智能体。256K 上下文下超 85% 算力消耗在"读取"而非"思考"上。解决方案是全链路协同设计：

• 架构层：7:1 混合线性注意力（7 层线性 + 1 层 MLA 低秩压缩），256K 长上下文成标准配置；
• 训练层：9.6T Token 激进策略 + 2400+ 真实工具环境 + KPop 自适应强化学习，Token 效率提升约 4 倍；
• 效果：长上下文能力提升 45%，千亿参数模型智能体表现超越 300B+ 竞品，多轮对话成本差异最高 10 倍。

肇极（观正资本）：2026 下半年中美 AI 创业机会——从技术红利到商业验证

2026 Q1 全球 AI 融资规模已超 2025 全年，占全球 VC 投资份额 80%，资金高度向头部基础模型、算力基础设施、具身智能倾斜。早期项目估值逻辑重构，泛 AI 工具融资难度上升，资本开始要求真实客户、收入与可量化 ROI。

• 共识赛道：AI 基础设施、企业工作流 Agent、AI Coding、具身智能、AI 治理安全——竞争激烈需找垂直切口；
• 非共识方向（更接近现金流）：按效果付费的结果型服务、传统行业流程改造、AI 原生服务、新兴市场出海。

中美路径分化：美国走前沿平台竞赛路线（资本 + 算力 + 全球软件市场），中国走产业部署路线（场景纵深 + 工程效率 + 成本优势），在具身智能、行业 AI、低成本出海等方向具差异化竞争力。

冷静文（上海交通大学）：迈向 Token 服务新范式——从评测到调度的全链路优化供给

Agent 化成为核心增长驱动，"Token 即服务"成为 AI 能力供给主流模式，但行业面临两大痛点：

1. 便宜模型账单悖论：Agent 客户端在请求中插入动态计费内容块，约 43% 的模型-服务商组合出现缓存击穿、命中率归零，低价模型单价优势被完全抵消；
2. 供需匹配低效：同一模型在不同服务商吞吐、延迟差异达 4-5 倍，用户面临效果、成本、服务质量三重选型陷阱。

解决方案是"评测 + 路由"全链路优化：网关层统一剥离计费内容块（编码场景缓存命中率从 20% 提升至 80%，Token 成本最高下降 75%）；AI Ping 一站式平台聚合 600+ 大模型与 30+ 服务商，7×24 分布式评测 + 多目标智能路由，落地后综合成本降低超 37%、吞吐提升 90% 以上；底层依托"赤兔"国产推理引擎适配多款国产芯片。

趋势判断

综合四位讲者的发言，2026 年 AI 行业正在经历三重浪潮：

1. 从规模扩张到架构创新：纯靠堆参数已到天花板，线性注意力、MoE 路由优化、协同设计成为新增长点；
2. 从聊天到智能体：Agent 原生能力（工具调用、流程编排、错误不可逆场景）成为分水岭；
3. 从 Token 数量到 Token 密度：单位 Token 承载的有效信息与可执行动作成为核心竞争力。

中美 AI 路径继续分化，国内"场景战"优势集中在产业部署深度与工程化效率上。下一站是 8 月深圳 AICon。

我的判断（PC 前端工程师视角）

"模型热退烧、场景战开打、AI 公司要学会自己挣钱养家"——对前端工程师来说，这句话的潜台词是三件事：

1. 智能体前端（Agent UI / Agentic Frontend）是新蓝海。 当 AI 公司的核心战场从"模型能不能用"变成"业务能不能跑通"，前端就不再是展示层，而是 Agent 与人类协作的主要界面。多智能体协同、长任务流的可视化与中断恢复、工具调用错误的可解释性呈现——这些都不是传统 Web 前端范式能 cover 的，需要重新设计交互模型与状态管理。Cursor、Claude Code 的成功证明"为 Agent 设计的 IDE/工具 UI"是能直接创造商业价值的。

2. 前后端、产技与业务边界加速消融，复合型前端更值钱。 赵钰莹提到的"前后端、产技与业务的边界持续消融"对前端的影响最直接——纯写组件、调样式、对接口的岗位会被压缩，能理解 Agent 能力边界、能参与数据闭环与工作流设计的前端会更稀缺。这意味着前端工程师需要主动往"懂模型、懂业务"的方向走，把 LLM 当成一种新的 API 客户端来掌握。

3. 工程化与降本增效能力被重新定价。 冷静文讲"Token 即服务"和"便宜模型账单悖论"——前端是 Token 消耗的主要入口之一，渲染策略、缓存命中、请求合并、流式输出优化这些工程化动作会直接影响 AI 产品的毛利率。"前端做得好能省 Token"这件事，在 AI 时代会像"前端做得好能省带宽"一样成为硬技能。Token 路由、缓存策略、可观测性这些"基础设施侧"的能力，会从后端延伸进前端的技术栈。

总结一句：模型层退烧意味着前端终于从"等 API"变成"设计 AI 产品的核心交互面"，但前提是你得愿意走出舒适区，把 Agent 编排、工作流资产、降本工程化这些以前不在职责范围的事揽过来。