人工智能频道
最终，最可能的格局是共存。Gupta预测：“Neoclouds将守住前沿训练和部分NVIDIA推理业务，而超大规模厂商则牢牢把控数据平面、受监管负载、自研芯片推理和企业商务关系。”两者各安其位，共同支撑起AI时代的多元化算力版图。
屠要峰表示，从“记录数据”到“理解语义”再到“推理决策”，数据库将伴随千行百业，从“记录世界的容器”全面演进为“理解并推演世界的认知基础设施”！核心铸基是我们对金融级核心底座的敬畏与坚守；双向智融是我们拥抱AI时代的开放与重构。GoldenDB愿与各位生态伙伴一起，筑牢数智底座，向新而行。
目前，大模型的效果量化、可信落地仍是行业共性难题，而好的模型不是设计出来的，是用出来的，优质的AI模型更依托海量真实场景的持续淬炼。对企业而言，AI落地最终要回归商业本质、考量投入产出比，需要结合具体业务场景，在智能、速度与成本之间进行平衡取舍。可以预见，以高智效比为核心的模型发展思路，将成为AI产业规模化、普惠化落地的主流趋势。
科技展厅里人潮涌动，在蚂蚁阿福展区，两位来自贵州普安县的村医张胜义和张启方，尽管操着方言，仍兴奋地一遍遍讲自己怎样用AI给山里人看病。
openJiuwen方面透露，后续框架将继续丰富搜索、评测与融合算法，增强跨任务经验复用，并沿统一架构接入模型优化与混合优化，让Harness、Artifacts和Models在明确的评价标准、预算与安全边界内协同迭代。
9月11日，上海2026 Inclusion·外滩大会，蚂蚁集团CEO韩歆毅在主题演讲中表示，智能体商业的“ChatGPT”时刻已经到来，其关键变化是智能体从“能力展示”走向“真实交易”，智能体不再只是回答问题、生成内容的工具，而正在成为理解用户需求、连接真实供给、推动交易完成的新型商业入口。
9月11日，在2026 Inclusion·外滩大会AI支付论坛上，蚂蚁集团发布面向智能体（Agent）商业活动的信任基础设施APASS。
AI算力需求的爆发正将光模块产业推向前所未有的风口。一边是市场供不应求、价格持续走高，800G加速规模落地、1.6T迎面而来；另一边是用户在单模/多模/铜缆、可插拔/CPO等众多技术路线前倍感困惑，选型稍有不慎便可能在后期部署中遭遇传输不稳、运维困难等实际问题，高密环境下的可靠性挑战更成为必须直面的共性难题。
随着生成式AI加速迈入L3级自主执行智能体时代，计算产业正面临一场前所未有的结构性矛盾——企业与个人在享受AI带来生产力跃升的同时，也正被算力成本、数据安全及体验短板的架构瓶颈所困扰。构建一种能够兼顾经济性、数据合规与稳定体验的全新算力底座，已成为全行业实现破局的关键。
9月9日至12日，以“共创AI新经济“为主题的2026 Inclusion·外滩大会在上海黄浦世博园区举行，超过300家参展企业汇聚于1.5万平方米的主题科技展区。逛完展会，会有一个直观感受：AI新经济已经不再停留在概念里，而是开始真实发生在商业、产业和每个人的日常生活中。
9月9日，2011年诺贝尔经济学奖得主、纽约大学教授托马斯·萨金特（Thomas Sargent）在2026 Inclusion·外滩大会见解论坛上表示，AI正在成为推动经济增长的重要力量，但围绕AI的投资、决策与政策制定，也正面临巨大的不确定性。资本投入的规模不断扩大，并不意味着未来回报就更加确定。
2026年9月9日，IICIE国际集成电路创新博览会在深圳举办，聚焦芯片设计、晶圆制造、先进封装、半导体设备与材料等全链条领域，汇聚超5000家企业，展示国产半导体突破性成果。展会与光博会、电子展联动，覆盖32万平方米，预计吸引24万观众。同期举办高端峰会，探讨AI算力、光电融合、先进工艺等热点。产学研专区推动技术转化，助力中国半导体产业迈向生态化竞争新格局。
CrowdStrike在2026年9月的这轮发布，标志着网络安全行业正式进入“智能体原生安全”的竞争阶段。对于企业安全决策者而言，现在需要思考的问题不再是“是否要采用AI安全方案”，而是“如何构建一个能够同时保护人类、系统和AI智能体的安全架构”。在这场新的安全竞赛中，那些率先完成这一思维转变的组织，将获得决定性的防御优势。
2026年8月31日，工业和信息化部公示《第一批国家新兴产业发展示范基地创建对象初步名单》，迈普通信成功入选示范企业名单。
9月8日，2026 Inclusion·外滩大会官方发布“外滩大会AI科技人文十问”。与过去更多来自科技界、学术界的宏大命题不同，今年的十个问题来自公司白领、小学老师、年轻父母、退休老人、医生等普通人的真实困惑。对于这十大热点问题的讨论，将贯穿今年外滩大会的论坛、主题科技展、AI艺术节、创新者舞台等系列活动。
正因如此，“Token最大化”这种思路无论从哪个角度看都偏离了重点。Token是消耗品，而非产出，真正的优化不在于将其最大化或最小化，而在于为合适的任务选用合适的智能方案。若在复杂问题上投入更多Token能以更少的迭代次数获得更佳结果，这便是最明智的投资;反之，若将昂贵的模型用于简单任务，则纯属浪费。
