2026年人工智能趋势判断

——从“投资激流”到“下一代智能范式”

甲子光年创始人&CEO 张一甲

2026.8.20

判断1：一级市场迎来拐点，募投退同步修复，科技投资进入新周期

2024H1-2026H1中国一级市场投融资数据变化

+198.5%

|3088 5195 15500

2024H1 2025H1 2026H1

|

|---|

+64.5% +39.2%

|5751 6096 7049

2024H1 2025H1 2026H1

+15.6%

|

|---|

|2930 2502 4792

2024H1 2025H1 2026H1

+91.6%|

|---|

|44 51 71

2024H1 2025H1 2026H1

|

|---|

|1482 1650 2714

2024H1 2025H1 2026H1

|

|---|

LP IPO

2026

判断2：2026甲子星空坐标系——中国科技投资象限分布

图：2026甲子星空坐标系——中国科技产业投资赛道

技术壁垒高，但往往概念先行、吸睛，资源快速集聚，形成虹吸效应，需要快速入围否 则上不了牌桌，资本要求快速证明自己 ，快速给出里程碑事件 。

代表未来国家战略和硬科技方向 ，技术门槛极高、研发周期长（5-10年），需要长期资 本支持，一旦成功具备压倒性优势 ，可重塑产业格局。

Y 技 术 壁 垒

+

+

•投资逻辑：

•风险要点：

•投资逻辑：

•风险要点：

GPU

6G/

• •

• • •

•

• • •

• • + 10

• • /

AI

AI

AI /

护城河并不完全来自于高技术壁垒，可能来自于产品定义、运营或者规模，机会窗口期 极短，一旦产品定义完成，会被快速模仿，需要快速迭代，涉及资本追求短期流量变现。

“慢变量”生意，技术梯队不明显，但需求是长期的、刚性的，依赖场景深耕、数据积 累、客户黏性，复购效应强。

AI/

AI AI

AI

AI

AI

•投资逻辑：

•风险要点：

•投资逻辑：

•风险要点：

AI

•

•

•

•

•

•

•

•

• GMV

•

•

+

+

X 资本耐心度

• 1.

• 2.

2026

判断3：AI投资进入激流

全球资本开支结构性重塑，水位、流速、流向、河道、河床，五个维度同时质变

水位上升

流速加快

流向汇聚

河道变窄

河床变厚

5100亿美元

26H1>25年

2170亿美元

>1万亿美元

>70%

2026H 1 2025

2026 AI

2026H1

2026H1 70% AI 2025H1 50%

2026H 1OpenAI + Anthropic

2170 H 1

Crunchbase 2026

判断4：“四个世界的智能”彼此正交，同步演化，铺就未来十年投资方向

四种环境规律：数字讲程序与语义，物理讲接触与运动，科学讲实验与证据，社会讲信念与规范

四类智能投资同步升温，数字智能领跑，物理、科学、社会智能梯次放量

数字智能

物理智能

科学智能

社会智能

2022H 1-2026H 1

AI参与认知和生产系统

AI参与现实世界物理交互

AI参与科学发现和知识构建

AI参与组织和社会运行

GE2

2.5

-

4-

|0

1000

2000

3000

22H1 23H1 24H1 25H1 26H1

|

|---|

-3.6

GPT -5.6

|0

10

20

30

22H1 23H1 25H1 26H1

|

|---|

|0

10

20

30

22H1 24H1 25H1 26H1

|

|---|

• Max GLM -5-2 3

|0

200

400

22H1 23H1 24H1 25H1 26H1

|

|---|

3

-

-

4.8

3-

-2.5-

Evo 2

GPT -4.1

3.7

-2 GPT -4.5 GPT -4

o3

²

2 GR 00T N1

2

3

-

-1

• s3

OPT -IML

-3

3

2.5-

3

-

1 1

OPT

• v1

-2

ESM 3

LWM

GPT -

Uni -

-1

-

3.0

• ABM -LLM

2

MT -NLG

13

-1

GPT -J

G1

GPT -Neo

0.2

• E3

GPT -f

四个世界的AI

GPT -3

GPT -2

GPT-1

intellizence 2026

判断5：Scaling Laws多维延展，基模迭代趋近“热更新”，“智能-速度-成本”三角博弈白热化

Scaling的对象正在外移：从模型规模到学习、推理与系统运行

上限：前沿模型智能水平竞赛胶着

可用性：输出速度影响实时场景体验

经济性：单任务成本成为规模化约束

× × × × × × × ×

Top10

tokens/s Top10

/ Top10

|GPT -5.6 GLM -5.3

Max

GPT -5.6

63

62

61 61

60 60

58

57 57

56|

|---|

|351 344

309

216

159 154

132 131 126 117

• A+

gpt-oss- GPT -5.6 GPT -5.6

|

|---|

|GPT -5.6 gpt-oss-

3.5

3.5

-

M 3

4.5

$0.05 $0.07 $0.07 $0.08 $0.10

$0.14

$0.22 $0.23 $0.25

$0.34|

|---|

合成数据飞轮？

算法自发现？

系统能力跃迁？

自适应思考？

RSI

2020 2021 2022 2023 2024 2025 2026 2027 2028+ / Scaling 递归Scaling（推演）

+

ArtificialAnalysis 2026 8 19 2026

判断6：被低估的Harness，强模型不会终结系统工程，自优化Harness成为下阶段看点

在各项基准测试中，同样基模搭配不同Harness成绩变化显著 Harness从模型外围走向支撑Agent持续运行的系统底座

模型权重不变，Harness通过自主迭代能持续提升性能

初始Harness Self-Harness优化后

|H3+—Composable Meta-Harness（可组合元框架）

Agent Loop Agent

|

|---|

64 Harness 15.6%

|31% 27.30%

20% 15.60%

12%

11.80% 10.90%

10% 8%

SWE-bench Verified Mini

GAIA TAU-bench Airline CORE-Bench Hard

SWE-bench Lite ScienceAgentBench

SWE-bench Multimodal

SWE-bench Verified Online Mind2Web

N = Harness

N=14

N=5

N=9 N=7 N=5

N=5 N=4 N=9

N=6

•

Harness 30% -50%

•

H arness

|

|---|

85

H3—Observability–verification Harness（可观测验证）

· · Continual Harness

59

57

54

56

52

H2—Context–Memory Harness（上下文记忆）

53

52 49

46 46

44

Prompt

42

42

37

+91%

Sub -agent Harness

H1—Minimal Tool Harness（工具支撑）

+21%

23

+24% +14%

+28%

+7%

Harness

20

18

+113%

+104%

H0—Minimal Baseline（最小基线）

+132%

M2.5 Qwen3.5 GLM -5

M2.5 Qwen3.5 GLM -5 M2.5 Qwen3.5 GLM -5 Terminal -Bench -2.0 SWE -bench Verified AppWorld

Terminal -Bench 2.0 SWE -bench Verified AppWorld Harness

H 0-H3 AI Harness Engineering H3+ DeepSeek Harness A Programming Paradigm for Spatiotemporal Composability

Synopticon Can Bölük AI Harness Engineering DeepSeek Harness A Programming Paradigm for Spatiotemporal Composability Continual Harness Self-Harness: Harnesses That Improve Themselves 2026

判断7：世界动作模型（WAM）补上VLA的“预测层”，赋能机器人决策闭环

综合鲁棒性最优，尤其在布局变化场景优势突出 WAM补上VLA“预测层”，通过预测环境演变获得更强泛化能力

|任务成功率（%）

任务对比：原生WAM

0 20 40 60 80 100

0.5 X-VLA MOTUS LingBot-VA Fast-WAM

|

|---|

|₀.₅

X-VLA

MOTUS

LingBot-VA

Fast-WAM

综合得分

WAM综合得分领先

58.6

53.1

71.5

74.2

72.7|

|---|

原始场景 相机变化

VLA Vision-Language -Action ：看到以后直接动

WAM（World Action Model)：看到，推演，再行动

机器人变化 语言变化 光照变化 背景变化 噪声变化

任务目标

任务指令

+ 未来预测状态 + 动作序列 反馈

执行与

WAM

世界动作 模型

动作 序列

机器人

VLA 策略 模型

+ 动作

当前状态

当前观察

•

• WAM

• •

布局变化

VLA Vision-Language -Action - - WAM World Action Model

0.5 X -VLA VLAs MOTUS VLA+WM LingBot -VA Fast-WAM WAM s

D o World Action Models Generalize BetterThan VLAS? A Robustness Study, 2026

判断8：AI for Science，从“预测科学对象”到“重构科学过程”，

从科研辅助进入“闭环系统”早期形态，但尚未实现“关键一跳”

AI for Science已经从“自动化科研流程”走向“产出可验证的新知识”

AI尚未实现科学发现的“关键一跳”：从经验事实到全新理论公理的直觉飞跃

知识闭环

４

３ 物理闭环

２ 实验闭环

１ 流程闭环

J

E

A

D

V

| |

|---|

关键一跳

| |

|---|

经验感知

公理体系

演绎推理

验证检验

自动化科研流水线 假设-实验人机闭环 自主实验室设备操控 原创知识生产

Astra十道开放题+Lean证明

/

AI Scientist

Co-Scientist/Robin

AI X-ray Scientist

AI

AI

Nature OpenAI LLMs Ca n'tJump LLMs Don't Pay for the Jump 2026

判断9： RSI递归自进化，AI不仅改自己，还开始改“改进自己的方法”

RSI演进阶梯：关键递归在于AI开始改进“如何改进自己”

2026年RSI研究热度大幅抬升，集中在部署与训练阶段自进化

分层自我改进：从Improve H走到了Improve how to improve H

RSI

2025 2026 RSI arXiv

Meta -Evolver

L6

|0 20 40 60 80

BabyAI

Crafter

TextWorld

MiniHack

+4.0

+8.2

+19.0

+10.0

|

|---|

|Recursive Self-Improvement in AI: From Bounded Self -Refinement to Autonomous Research

0

200

400

600

2025Q1 2025Q2 2025Q3 2025Q4 2026Q1 2026Q2

|

|---|

RSI

L5

AI AI

/

Meta -Evolver

AI

L4

AI

-

L3

AI AI

Evolver Harness

L2

AI

L1

AI

Task Harness H

L0

Now

AI

AI

Loops Hierarchical Self-Improvement: A Framework for Task -Specific Evolvable Agent Harnesses 2026

判断10：社会智能正在萌芽，要求AI理解并参与角色分工、组织协作、制度约束与长期演化

|从工具走向社会参与者，社会认知将成为AI能力的下一道门槛

AI

|

|---|

多机构视角共同勾勒社会智能的概念内涵与能力边界 AI将从个体行动出发，经由组织协作，逐步进入宏观社会运行

大规模智能体社会

北京通研院 朱松纯

社会层面

清华大学 AgentSociety1.0

多智能体协作单元

组织层面

中国人民大学

境瞳科技

单智能体 心智底座

个体层面

斯坦福大学 Generative Agents

Google DeepMind AgentSociety 1.0 2026

判断11 ：必然的交汇，四类智能将从平行演进走向系统耦合，AI将从单一能力竞争进入智能生态竞争

单一智能难以独立解决真实世界问题，四类能力需要在系统中形成协同

科学智能

数字智能

多智能体协同网络 A2A协议｜跨实验室

单实验室全周期闭环自治 端到端｜软硬件集成

单流程智能化 MCP｜自主规划

复杂科研流程自动化 多Agent｜工作流编排

科研工具自动化 单Agent｜Prompt

深度学习 识别｜分类｜检测

基础模型 预训练｜迁移｜对齐

生成式AI 生成｜理解｜推理

AI智能体 规划｜推理｜执行

使AI理解、表达、 推理、决策

使AI从应用已有知 识走向探索未知

智能生态

社会智能

物理智能 WAM｜灵巧手｜运动控制

使AI能够进入并 作用于现实世界

使AI能够参与复杂 系统的协作与运行

大规模开放Agent社会仿真 网络演化｜信息传播｜宏观涌现

限定场景多智能体仿真 角色互动｜规则协作

个体行为仿真 个体决策｜行为反馈

自动化设备 程序控制｜重复作业

工业机器人 搬运｜焊接｜喷涂

协作机器人 感知｜移动｜协作

人形机器人

Agent4S: The Transformation of Research Paradigms from the Perspective of Large Language Models 2026

判断12：第四次“自我中心”的跌落，AI时代需要科学与人文共同回答“何以为人”

人类历史上“自我中心”的三次跌落与三次回应

探索自然规律 拓展宇宙边界 重塑知识体系

自我中心跌落

第四次跌落：“人不是智能的中心”

第三次跌落：“人不是自我意识中心”

第一次跌落：“人不是宇宙物理中心”

第二次跌落：“人不是生物演化中心”

科学

弗洛伊德，1900年《梦的解析》

哥白尼，1543《天体运行论》

达尔文，1859年《物种起源》

人文思想回应

第二次回应：人的价值创造主体

第三次回应：人的自我塑造主体

第一次回应：人的理性认识主体

人工智能 时代

“我不是特殊物种，但我能自由选择、自我定义、创造价值”

“我不是自己意识的主人，但我能在深层心理与关系中整合自己” 拉康，1950s 三界理论 萨特，1943《存在与虚无》

“我不在宇宙中心，但我的理性为自然立法”

尼采，1883《查拉图斯特拉如是说》

笛卡尔，1637《谈谈方法》

重构价值体系 重塑社会制度 回答“何而为人”

康德，1781 三大批判

人文

2 3

1

4

16 17

18 19 20

19 20

2026

致谢

研究团队：

张一甲 宋涛 沈郁翔 郑实 于宏杨

数据支持： 执中数据

扫码关注甲子光年，获得更多科技行业分析洞察