“大合龙”成势在即，中国AI迈入产业深水区

作者 | 曾响铃

文 | 响铃说

一江截流，成势在即。

回看三峡工程最震撼的画面，不是发电机组轰鸣，而是大江截流合龙的那一刻——两侧围堰同时向江心推进，一寸寸收窄水面，最后对接封堵。

这阵仗，叫作“合龙”。今年WAIC 2026透露的产业信号，和这一幕几乎如出一辙。

但合龙这件事有个特点，它不同于拼装，拼装可以分步来，先搭框架再填砖。合龙不行，围堰必须多向同时推进、精准对接，任何一侧慢了或偏了，截流就会失败。

今天，技术单点突破已经不是AI进产业的唯一卡口，当模型能力逼近前沿、芯片适配正在补齐，真正难的恰恰是场景、算力、模型、网络、价值计量多线同时推进、同时咬合。简单来说，AI的瓶颈正从“技术不够强”转向“产业链怎么咬合”。

在2026中国电信人工智能生态大会上，央企、技术企业、运营商、智传网四方力量同时入场，各占产业链一环，颇有四方截流之势。这是产业走到深水区后必然出现的分工——场景从哪来、能力怎么造、谁来调度计量、怎么传到末端，四个问题必须同时有答案。

一场关于AI产业的“大合龙”，正在收口。

AI进入产业深水区，“合龙”成势在即

AI产业从来不缺技术话题，缺的往往是真正进入生产流程的场景叙事。

中国信通院院长余晓晖在会上给了一个判断：大模型在工业里呈“微笑曲线”分布，研发设计和营销服务两端渗透率高，中间的生产制造环节几乎是洼地。

为什么卡在中间？

因为生产环节的数据是封闭的，流程是高门槛的，容错率是极低的。互联网企业虽然活跃，但消费场景可训练不出工业级模型，而攥着这些工业场景的企业又比较谨慎。加上过去几年，产业链各环节大多处在各自为战的状态：做芯片的不碰模型，做模型的不碰场景，做场景的又够不着算力。

如今，四个角色同时入场，像围堰从不同方向向中心推进。由此，AI进产业的几个关键问题，开始有了答案。

一、场景从哪来？央企。国机集团、中国中车、中国海油、航天科技等11家央企，攥着制造业、能源、交通、航空领域最稀缺的工业级真实场景。

对比来看，互联网企业的场景多在消费端，属于“人用AI”如搜索、对话、生成图片等，数据闭环浅、容错率高。央企手里攥着的是工业级场景，强调“AI改流程”如高炉怎么调参、油井怎么预警、机车怎么检修等，数据闭环深、容错率低、价值密度高，恰恰是大模型从“能用”走向“好用”最需要的磨刀石。

国资委在会上摆出了一条很直白的产业范式：“央企出场景、社会出方案、合作出成果。”翻译过来就是，央企得把封闭场景敞开成公共原料，让训练场从消费级升到工业级。这是过去几年中国AI最缺的那块拼图。

二、能力怎么造？技术企业。在会上，24家企业亮出了生态矩阵，覆盖从芯片到应用的全链路：芯片层有华为昇腾、海光信息、摩尔线程；模型层有MiniMax、面壁智能；应用层有智元、云深处。

这串名单背后有个容易被忽略的变化。过去国产芯片和国产模型是两条平行线——芯片没人用，生态起不来；生态起不来，模型只能跑海外卡；模型跑海外卡，芯片就更没人用，形成死循环。

如今，“国芯训国模”范式正在打破这个死循环。华为910B打造了国内首个万卡液冷集群，训练连续21天不中断，证明了国产芯片扛得住大模型训练。而MiniMax旗舰模型适配息壤国产算力跑通，又证明了国产模型愿意在国产卡上迭代。这就有了流水线的趋势，芯片有人用，生态才转得起来；模型在国产卡上跑通，芯片才有数据反哺迭代。

三、谁来调度计量？运营商。场景有了、能力有了，但整条链要转起来，还缺两样东西，一个计量单位，一个调度中枢。

目前，行业公认的计量单位叫Token，全国日均消耗已经超过180万亿。就像电力的千瓦时，产业要规模化，必须有一个可计量、可计费、可调度的单位，Token就是这个单位。谁掌握了Token的调度，谁就掌握了AI产业的“电网”。

中国电信深谙此道，今年3月率先提出Token经营，董事长柯瑞文在会上更是直接给出了中国电信的判断：“五位一体”智能云体系，本质上就是Token经营体系。与此同时，中国电信总经理刘桂清把这套体系做了系统的拆解，每一层都在解决一个具体问题。

IaaS层息壤调度算力（超100EFLOPS），解决“算力从哪来”。数据层汇聚超20万亿Token能力与14个行业500TB数据集，解决“原料从哪来”。TokenHub作为Token经营统一运营平台，解决“模型怎么调度分发”。SaaS层TeleAgent消耗Token，注册规模超30万、日均Token消耗超2000亿，解决“Token怎么变现”。

不难发现，运营商正专注于做调度中枢。这和互联网企业的路径根本不同，BAT从应用往回切，试图自己建模型；而运营商从基础设施往外长，把现成的算力网络和计费系统变成AI调度网。

如今，两条路在Token这一层已经开始交汇，但运营商手里攥着全国算力网络、上亿用户的计费基础设施和央企政企渠道，这是别人没有的优势。

四、怎么传到末端？智传网。这届WAIC的最高奖——卓越人工智能引领奖（SAIL奖），颁给了中国电信的智传网（AI FLOW）。这件事本身也是一个信号，它回答了一个基础设施级问题：当AI产业的计量单位变成Token，网络要不要跟着换核？

过去网络搬的是比特，搬的是数据；未来网络要搬的是词元，搬的是智能。传统网络架构扛不住“既传数据又做计算”的需求，智传网用计算换带宽，本质是网络架构的一次换代。简单来说，“合龙”因此延伸到了网络最底层。

这场AI产业的“大合龙”，要如何完成？

围堰要合龙，靠的是多向同时推进、精准对接。今天，WAIC 2026上四方力量的咬合，也已经呈现出了三个递进层次，每一层都在解决一个卡链子的具体问题。

第一层是供需共振，解决“够不着”的问题。央企有场景缺技术，技术企业有能力难进门，两端一直够不着。这背后是一个结构性的问题：央企的场景是封闭的、非标的、嵌在生产流程里的，技术企业拿不走也用不了。

如今，中国电信作为排头兵、与11家央企共创的“央企AI+行动示范基地”做的就是把央企能力拆成场景、数据、模型、算力四类原料，结构化供给出去——把非标场景变成可训练的标准原料。

这条路一旦跑通，全行业受益匪浅。例如，在和中车合作的项目中，故障预判准确率达到99%。星辰大模型也已经在央企落地15个行业模型、56个智能体、100多个数字员工。

很显然，场景不是给出去就完了，必须经过结构化拆解，才能真正喂进模型训练。

第二层是网状协同，解决“成本高”的问题。过去，各层企业单打独斗时，每家都要自建算力、自建生态，成本高且重复。如今，全行业要做的一件事，就是底层共享，从而实现模型公司不用自己建万卡集群，专注做模型；芯片公司不用自己找用户，模型公司就是第一批用户，有数据反哺迭代。

顶层竞争、底层共生，整条链的创新成本因此摊薄。这是过去单打独斗做不到的——没有共享底座，每家都在重复造轮子，空白浪费了资源。

第三层是价值链分工，解决“可持续”的问题。只有分工清晰、各司其职，链才能长期转。央企是“矿场”供场景原料，赚的是场景溢价；技术企业是“工厂”加工算力与模型，赚的是能力溢价；运营商是“电网”调度计量Token，赚的是调度溢价；智传网是“线路升级”让网络能搬词元，赚的是基础设施升级溢价。

从现在开始，四者咬合，各自有清晰的商业模式，链才能转得长久。少任何一方，这条链就有可能断掉——没有场景，模型练不出工业级；没有芯片，模型跑不起来；没有调度，算力模型都是孤岛；没有传输换核，智能到不了末端。

回头看看全球格局。

OpenAI和微软仍困在“如何让ChatGPT赚钱”的焦虑里，模型能力全球领先，但变现场景一直在消费端打转，企业级落地迟迟铺不开。

而中国AI走的是另一条路，不靠单点技术领先，靠产业链协同，在制造、能源、交通这些实体场景里实现自我造血。两条路的差异，本质是“技术单点竞赛”和“产业链组织能力”的差异。

今年的WAIC不断地释放新信号：AI的下一程，不比谁的模型更聪明，而比谁能把算力、模型、场景、安全、网络组织成一条可运转、可计量、可持续的链。当场景比参数更稀缺、当Token成为产业的电表、当网络开始承载智能——中国AI正走过“技术单点竞赛”阶段，进入比拼“组织能力”的深水区。

而这条“大合龙”的路径，可能正是中国AI穿越落地深水区的底层密码。

*本文图片均来源于网络