PPT里的AI和工厂里的AI，中间隔了多远？

7月19日，2026年世界人工智能大会进入第三天，世博展览馆里依然人潮涌动。大模型展台的演示屏前围满了观众，人形机器人展位前排着长队——这是AI大会的常规热闹场面。

而在另一侧，一场规格不低、气氛却相对冷静的圆桌会正在进行。由财联社与WAIC CONNECT联合打造的“链合π圆桌会”，主题定得很直接：“AI新周期：重构产业底层逻辑”。

四场主旨演讲、三场企业发布、一场圆桌对话，贯穿始终的核心问题只有一个：AI技术从PPT走向工厂和医院，中间到底还差多少步？

算力底座：先进封装成关键赛道

作为一家汽车被动安全领域的龙头公司（全球市占率第四），华懋科技从2024年开始向AI算力产业链转型，先后入股了光模块PCBA企业富创优越和先进封装企业中科智芯。

董事长吴黎明给出的核心判断是：摩尔定律在5nm节点后已经失效，3nm、2nm的制造成本不降反升。芯片性能的瓶颈已从芯片本身转向外围的物理极限——互联墙、供应墙、散热墙，这“三堵墙”。

突破这三堵墙的核心路径，就是先进封装和光互联技术。

他援引了一组数据：2025年，先进封装销售额首次超过传统封装，虽然数量仅占7.4%，却贡献了48%的销售额。CPO（光电共封装）被视为下一代算力互联的核心方案，预计到2030年市场规模将达390亿美元。

从光模块代工到CPO先进封装，华懋科技试图构建一个端到端的交付能力。吴黎明坦言，这个技术方向仍处于早期阶段，“与行业近10家客户深入交流后，每一家都有不同的技术路线选择，说明市场还在演进中。”

工业AI：从“实验室能用”到“工厂能用”

如果说吴黎明讲的是“硬件底座”，那么上海精智董事长魏杰和海清智元副总经理柴剑讲的，则是AI在工业现场的真实处境。

魏杰提出了一个名为“工厂原生AI”的概念。他认为，当前制造业普遍存在“AI焦虑”，但多数工业AI项目在实验室表现优异，一进工厂就难以持续运行。根源在于三个系统性难题：数据分散且缺乏生产语义、模型难以满足多重工业约束、验证场景稀缺导致容错率极低。

“工厂不是互联网，一个错误的工艺推荐可能导致零件报废，一个不合理的排产可能让整条产线停产。”魏杰说。他的解决方案是，让AI从真实的制造数据中生长出来，在真实的生产过程中训练和验证。换句话说，工厂既是数据源，也是训练场和验证场。

上海精智的实践已覆盖近300家制造企业，涵盖机加工、压铸、钣金、注塑等核心工艺环节，客户包括特斯拉的电机供应商和复兴号的零部件供应商。魏杰当天还发布了一款开源的工艺大模型“沃土”，基于近10万张原始图纸和30万道非标工序数据训练。

柴剑则从“物理AI”的角度切入。他将AI分为数字AI和物理AI两条路径，前者基于数字语料生成文本和图像，后者通过端侧设备直接感知真实世界。

物理AI的最大特点是“不可回滚”——“数字AI说错了可以真诚道歉，但物理AI打错方向盘的结果是致命的。”

海清智元的业务聚焦于物理安全场景，核心产品是多光谱AI火灾预警系统，已在数据中心、电力系统、能源设施等场景落地。柴剑透露，公司的第一大客户已从传统的工业客户转向数据机房。这多少说明，算力基建的扩张正在带动配套的安全需求。

医疗AI：从技术可用到商业可用

平安科技发布的“AI专病管家”，是当天上午唯一一个C端产品发布。

平安科技医疗智能负责人倪渊介绍，该产品面向肿瘤患者，提供病情档案智能管理、7×24小时重疾咨询、诊疗方案优选、名医医院精准匹配四大功能。技术架构采用三层模型：底层开源大模型、中间层基于平安十年积累的医疗数据训练垂域模型、上层针对具体场景强化学习。

倪渊强调，AI专病管家的目标不是替代医生，而是“让顶级医疗资源更可及”。她援引了一组数据：平安每年1000万医疗健康类理赔中，肿瘤仅占30万例，却贡献了50%的医疗支出。国内真正建立多学科会诊机制的医院约60%，实际接受多学科会诊的患者仅20%。

但医疗AI的商业化挑战，在随后的圆桌对话中被进一步放大。轻松健康集团市场总经理汪琪指出，行业核心瓶颈早已不是模型研发，而是服务链与支付链的结构性难题。“跨机构数据无法互通，医院、医保、商保与个人之间的付费边界和责任划分不清晰，始终没能形成稳定的支付闭环。”

具身智能：从“翻跟头”到“搬箱子”

爱仕达和魔法原子的两场发布，把话题拉到了当下最热的具身智能赛道。

爱仕达副总经理梁锐展示了一段视频：智元灵犀机器人在上海多家商超里做导购、引流的实地测试。这是爱仕达与智元深度战略合作的一部分——爱仕达提供行业数据和线下渠道（全国数万个网点），智元提供本体和模型，双方试图在商业零售场景打造数据飞轮。

爱仕达给自己定的短期目标是“百千万”：百个机器人进千家店，最终万台规模。

魔法原子市场负责人江涛则发布了三款硬件新品：180cm全尺寸人形机器人MagicBot X1（可完成扣篮等高动态动作）、轮式人形机器人D1（适配工业和物流场景）、轻量化四足机器人T1（兼顾巡检和消费场景）。他透露，公司2026年在手及跟进订单已达11亿元，包括1.5亿元大健康行业交付订单。

一个值得注意的信号是，两家公司都不约而同地强调了“场景落地”而非“技术展示”。

江涛直言，“2025年投资人问的是你家机器人后空翻漂不漂亮，2026年问的是能不能在垂直场景规模化落地。”行业叙事从“炫技”转向“干活”，本身也是成熟的体现。

圆桌对话：泡沫、落地与盈利

四场主旨演讲和三场企业发布之后，一场圆桌对话把温度降了下来。

GoodVision AI董事长郑玉山给出了一个明确的时间判断：AI算力基建的泡沫“在2028年秋天之前不会破”——因为美国、韩国等国家的千亿级算力投资规划最快也要到2028年底才能建成，届时如果AI需求没有增长10倍，算力就会过剩。“算力过剩其实是个好事，Token价格降到接近零的时候，真正的应用爆发才会到来。”

汪琪的判断更为审慎。她认为医疗AI的当务之急不是技术迭代，而是在不确定性中寻找确定性——“需求真实、价值可控、权责清晰、支付闭环”的场景才值得做。

恩和科技AI&Computation总监宋任剑则从生物制造领域的实践出发，提出了一个关键观察：一个行业被AI取代的速度，取决于数据闭环的迭代速度。“Coding已经没人手动写了，因为开发者用AI迭代模型的速度足够快。生物制造领域也一样，物理实验的数据能有多快回流到模型中，决定了AI能走多远。”

时空象限创业孵化器负责人曹莉莉的总结最为简洁：“跟着利润走，别跟着热闹走。”她以团队孵化的AI潮玩项目为例，先用59元的基础产品验证市场、实现百万级销量，再把具身智能技术降维应用到IP上。“先盈利、再迭代，依托稳定营收反哺技术研发，这才是长期主义。”

整场圆桌会从算力底座到工厂原生AI，从医疗专病管家到具身智能商业部署，讨论覆盖了大量前沿话题。但如果用一个词概括所有人的共识，大概是“落地”——不是纸面上的技术参数，不是Demo里的完美演示，而是真实的工厂、真实的医院、真实的商场里，AI能不能稳定地、可持续地、可盈利地运行。