到2026年7月，企业讨论 AI 项目时，问题已经明显变了。模型能不能生成文本、图片或代码当然重要，但真正决定预算的，是另外几笔账：接入业务要改多少系统，Token 和推理费用能否承受，结果能不能稳定复现，付费客户会不会续约。
政策也在追问同样的问题。3月9日全国两会相关报道《人工智能让产业更“能”（融观察）》提到，政府工作报告同时提出“深化拓展‘人工智能+’”和“完善人工智能治理”；“十五五”规划纲要草案则提出“强化算力算法数据高效供给”。
这组表述不能简单理解为政策从“人工智能+”转向治理。更准确的读法是：应用继续扩，算力、算法、数据和治理同步补上。政策没有停在鼓励使用 AI，而是开始补齐项目进入生产环节所需的条件。
领域 Agent 要接进控制链
1月5日发布的《2026年AI全景展望：从技术爆发到全民共生》把一个重要变化概括为：通用基础模型向能够解决行业问题的“领域 Agent”转移，医疗、金融、制造等行业将出现高价值应用。
“高价值”不能只看模型懂多少行业术语，更要看它能否进入任务链。深圳已经把这件事写进地方行动计划。3月15日的相关报道提到，深圳于2月发布《深圳市“人工智能+”先进制造业行动计划（2026—2027年）》，提出到2027年形成“一基地、一中心、一联盟、百场景”。把“百场景”列为目标，意味着评价对象不再只是模型和平台，还包括工厂里一个个具体问题。
特钢配料就是这样的场景。在柳钢“玄铁”的应用中，系统面对的是1600摄氏度高温下持续变化的工况，并将配料判断接回下一轮控制，形成端到端闭环。结果如果只停在屏幕上，AI 仍是辅助工具；只有感知、判断和行动连起来，它才真正进入生产过程。这也是物理 AI 与普通行业问答的区别。
封闭矿区和酒店，是两种难度
物理 AI 能不能快速见效，首先取决于环境是否可约束。
在部分封闭矿区，重卡调度可以先不改硬件，而是用强化学习调整排班和运行逻辑。车辆、道路和任务边界明确，油耗变化也容易核算。这条路线不如 L4 级全自动驾驶抢眼，却更容易进入企业预算：先解决一个可计算的问题，再决定是否扩大投入。
酒店则是另一种情况。7月对上海部分酒店试点的观察中，即便使用优必选 Walker S，入住协助在动态服务环境里的表现仍不稳定。感知失误是一层问题，人和机器人对任务的理解不一致，又是另一层问题。
从工厂的结构化环境走到酒店的非结构化环境，不只是换一套硬件。机器人还要处理大量无法提前写进规则的常识。这也说明，具身智能现阶段更适合先在边界清楚的场所跑通，而不是急着追求“全能”。
8000P之外，更要问算力花在哪
7月，北京通用人工智能创新园（一期）披露的8000P算力池，为算力供给提供了一个可量化的样本。但算力规模只是第一笔账，下一笔账是这些资源被用在了哪里。
“算力券”向更精细的“算力卡”演变，关键不在名称，而在核销方式：不只看使用了多少算力，还要看算力是否进入高质量数据集、多模态对齐和强化学习环境。单纯增加卡时，不一定能换来更好的模型效果；支持具体训练环节，资金用途才更容易核算。
企业自己的账本也在变化。参数量可以展示技术能力，却不能替代推理成本和客户续约率。一些团队开始尝试 GRPO 等更高效的微调方式，在单卡 RTX 4090 上跑通3B参数小模型，用它替代一部分昂贵的闭源 API 调用。重点不是小模型一定更好，而是模型规模要与任务难度匹配。
真正卡住项目的，多半不是模型
把大模型放进企业，常见阻力往往来自旧系统和旧流程。
系统不开放。 制造企业内部的 APS（高级计划与排产）系统通常较为封闭。即使有通研院等机构提供通用智能体平台，大模型与知识图谱也只能解决逻辑问题，无法替企业拿到接口权限。模型能读懂任务，不代表它能调用系统。
工具链难换。 MoR、Mamba 等架构可能带来新的降本思路，但很多团队的训练工具、推理框架和运维流程仍围绕 Transformer 搭建。更换架构意味着迁移和适配，理论上的成本优势未必能立刻变成账面收益。
消费者缺少换机理由。 6月22日发布的“人工智能+消费”政策解读提到，八部门《意见》明确提出加快推出新一代 AI 手机、智能电脑、智能电视，并推广智能家电、智能厨卫和智能照明等产品。政策已经列出产品方向，但现有 AI 助手的用户感知仍多停留在指令执行，能否形成足够强的换机理由，还要看实际体验。
先跑通一段业务，再谈倍增
2026年前七个月能看清的，不是“人工智能+”已经全面兑现，而是项目评价标准正在收紧：能否接入业务系统，能否在明确边界内稳定运行，投入能否反映在成本和产出上。
政策支持不能只给算力，还要处理数据获取、接口开放和场景接入。企业也不必把通用模型塞进每条流程，先找一个能直接核算的问题更实际。可以是一次特钢配料，也可以是一段矿区调度。
AI 要成为生产力倍增器，靠的不是某次模型版本升级，而是把具体任务做成可重复、可计量的业务闭环。先在边界清楚的环境里跑通，再向更复杂的场景扩展。