WAIC 2026 观察：AI不稀缺，稀缺的是装得下AI的人

WAIC 2026很热闹，1100家展商，300多款全球首发产品，三地四馆联动。

热闹背后藏着一个真问题：这1100家公司里，有多少是AI原生组织？ 麦肯锡在 2025年发过一个报告 —— 88%的组织在用AI，但只有39%拿到了真正的商业回报。

模型不稀缺，算力不稀缺，demo更不稀缺。稀缺的只有两样：敢为AI试错结果买单的人，和装得下这些人的组织容器。

今年 WAIC 释放的最强信号，不是模型又大了多少，而是AI产业对人才和组织的要求，上升到了前所未有的高度

—— 最贵的人才，是“最懂怎么用AI在一个具体产业里换出钱来的人”。

WAIC 2026 的1100家展商

中国AI产业的一幅活地图。

1.1 AI产业的真实战场不在模型参数里，在“工厂车间里”

从行业分类看，1100 余家清晰分进三个层级：

第一：硬件与基础设施——占53%，是绝对主力。

机器人233家，算力芯片226家，传感器与光电器件约60家，三家合计519家，超过总数的一半。

第二：大模型与生成式AI——占14.2%。

约137家，但真正做基础大模型的只有20家。其余117家分布在视频生成、图像生成、三维空间、智能体等应用层。

第三：行业AI应用与平台——占33%。

涵盖医疗、金融、城市、教育、能源、企业服务。这是AI进入实体产业的“最后一公里”。

1.2 AI产业的资源，高度集中在头部省市

五省市占据了78%的展商份额：

上海265家（27.5%）——全能总部，大模型、芯片、机器人

北京189家（19.6%）——模型密度之王

广东112家（11.6%）——硬件与制造底座

浙江70家（7.3%）——机器人新贵

江苏45家（4.7%）——制造供应链延伸

AI产业在“北上广+江浙”形成了闭环：上海定方向，北京定技术，广东定制造，江浙定配套。不在这个闭环里，机会天然少一截。

1.3 中国AI的资本底色不是VC，是地方政府产业基金

三股力量：

• 政府基金——"上海""国资"高频出现，地方政府产业基金是真正的底色
• 互联网战投——腾讯 36 次、阿里 34 次、百度 21 次
• 头部风险投资（VC）——红杉 47 次、高瓴 26 次、深创投 22 次、中金 21 次

中国 AI 的资本面是"地方政府产业基金 + 互联网战投 + 头部 VC"的三元结构。这意味着：你不能再只跟一个VC周旋了。你得同时看懂三张牌——国资本位、产业带方向、互联网战投的协同协议。

1.4 要确定的钱，还是不确定的梦？

把每个赛道按"已上市公司的占比"排一下：

• 智能网联汽车 54.5%——最成熟，已验证刚需
• 行业 AI 应用 26.3%——部分赛道已跑通
• 算力芯片 25.7%——头部已上市
• 机器人 18.5%——早期但爆发中
• 大模型 5.1%——全场最低，长周期赌注

越靠近“已验证的刚需场景”，上市率越高；越靠近“未来赌注”，上市率越低。

光有一台好发动机，车跑不起来；车身把发动机、轮胎、方向盘、油箱全部装在一起，才能上路。

WAIC 告诉我们：产业链上的玩家正在拼命做系统集成，而不是只卷发动机参数。

智能体赛道：数量最多、门槛最低、对人才最友好

把 137 家大模型与生成式 AI 类企业再细分一层，会发现智能体应用是其中数量最多的细分方向，约 100 余家。它几乎是所有方向里最考验产品感觉的。

2.1 八个垂直Agent方向

WAIC 现场能数到的至少有八个：

• 法律：合同审查、法律文书生成、法规检索
• 招聘与人力：AI 猎头、简历匹配、智能面试
• 营销与出海：AI 营销数字员工、生成式引擎优化（GEO）
• 科研方向：文献调研、材料智能体、辅助科研
• 文档与办公：AI 生成演示文稿（PPT）、文档处理、企业知识库
• 金融：信贷风控、保险理赔、智能投研
• 决策与管理：企业决策智能体、AI 原生组织平台
• 通用智能体平台：机器人流程自动化（RPA）+ AI、数字员工、企业级 Agentic 自动化

每一个背后都是待重构的工作流。

智能体的八条放射线，每条对应一个被重新切过的行业

2.2 为什么智能体"数量最多"？

第一，技术门槛低。 不需要自研基础大模型，调用API即可；不需要硬件能力，纯软件交付。核心能力是“编排”而非“训练”，把模型、工具、环节、数据拼起来，形成可交付的Agent。

第二，场景碎片化=机会碎片化。 每个垂直行业都有未被自动化的工作流。大模型公司做不过来，创业团队刚好补上。移动互联网也是这样，应用层永远比底层多出几个数量级。

第三，客户付费意愿明确。 智能体的价值可以量化：省了多少人、提了多少效、压缩了多少工时。比起“愿景型”AI产品，智能体更早产出现金流。

智能体赛道既不缺玩家，也不缺客户，缺的是把两者粘起来的产品/服务。

2.3 融资特征：分散且早期

WAIC 可观察到的现象是：

• 多数智能体企业处于种子轮到 A 轮之间
• 单笔融资额普遍在数千万到数亿元人民币
• 少有"独角兽"级别的头部玩家（相较具身智能和大模型赛道）

智能体赛道仍在早期，标准未建、规则未立，客户也还没养成固定的供给关系。现在进场，是在空旷的剧场里挑前排座位。

座位挑好了，接下来问题是：

什么样的人能坐得住？

智能体是普通人敲开AI行业大门最顺手的那块砖

结合AI产业地图，会发现：智能体是当前最容易进入 AI 行业、岗位数量最大、但最考验行业理解的赛道。

3.1 人才画像

优秀的人才具备哪些能力？五个维度：

1. 行业理解深度

定义： 不只懂技术，要懂客户的业务流程、痛点、决策链、预算结构。

为什么重要： 智能体的价值是替代或增强“人的工作流”，不懂行业，就做不出能卖出去的产品。你能调用100个API，不如说出客户没说出口的那句“这里太疼了”。

2. 大模型调用与编排能力

定义： 熟悉RAG、函数调用、多智能体协作框架 。

为什么重要： 智能体不是单模型调用，是多模型、多工具、多步骤的编排系统。你不需要会训练模型，但你需要知道：什么时候用哪个模型、怎么把多个模型串起来、怎么让工具之间不打架。

3. 产品思维与人机边界设计

定义： 能设计“人机协作”的界面，懂什么时候AI做、什么时候人介入、什么时候人+AI协作。

为什么重要： 智能体产品的核心是“人机边界设计”，全自动不现实（AI会犯错），全人工没价值（那还要AI干嘛）。最值钱的能力是：把什么交给AI，把什么留给人类，什么需要人类和AI一起干。

4. 快速试错与迭代能力

定义： 能在2到4周内完成一个智能体原型并投到客户那里验证。

为什么重要： 赛道变化极快，“快”是核心竞争力。你不需要第一次就做对，但你需要比竞争对手多迭代三轮。等你迭代完第三轮，别人可能还在写第一版PRD。

5. 商业闭环意识

定义： 能回答“客户愿意为什么样的结果付费”。

为什么重要： 能不能自我造血是生死线。能做demo的人很多，能说清楚“这个功能帮客户省了多少钱”的人很少，后者才是市场愿意买单的。

3.2 转型路径

哪些人才适合转型到Agent赛道？

• 传统软件即服务（SaaS）产品经理 →智能体产品经理
  • 优势是懂产品逻辑、懂客户、懂交付
  • 要补的是大模型能力边界、提示词工程、智能体框架
• 全栈 / 后端工程师 →智能体开发工程师
  • 优势是懂系统架构、懂 API、懂数据
  • 要补的是 RAG、大语言模型调用模式、Agentic Loop
• 行业业务专家（律师、猎头、分析师、咨询顾问）→智能体行业解决方案专家
  • 优势是懂行业痛点、懂客户语言
  • 要补的是 AI 产品设计、智能体工作流编排
• 数据分析师 / 商业智能（BI）工程师 →智能体数据智能工程师
  • 优势是懂数据、懂分析、懂业务指标
  • 要补的是"大模型 + 数据"结合，例如文本到结构化查询、智能洞察生成

真正的瓶颈不是会不会写代码，是敢不敢接客户、签下订单、搞定回款

3.3 小结

"懂业务 + 会编排 + 能跟客户聊出真需求"，是智能体赛道最稀缺的三件套。想从传统行业转型的人，这是最友好的切入点。

三种组织原型

什么样的组织形态装得下这群人？

观察 WAIC 2026 ，我们能看到三种正在被试验的组织原型。

4.1 原型 A：大型平台公司的"内部创业体"

• 典型代表：头部互联网与 AI 公司的 AI 独立子公司或事业部
• 核心机制：依托母公司的算力、数据、品牌与客户资源；内部孵化、有独立预算和团队编制；产品方向与母公司战略对齐
• 优势：资源充沛，调用公司级大模型与算力，有现成客户渠道
• 局限：决策链长，从想法到上线层层审批；受制于母公司关键绩效指标（KPI）和考核体系；个体仍是"大机器上的零件"，很难长出独立判断闭环

它和早期 Block 等 AI 原生公司转型思路同源—— 把员工能力结构重新分成三类：个人贡献者（IC）、直接对结果负责的个人（DRRI）、AI 创始人（AI Founder）。

它的天花板很清楚—— "创业心态"最终受制于母公司考核。

4.2 原型 B：中部企业的"价值单元负责人"（迷你 CEO）

• 典型代表：一些行业中部企业的内部实验
• 核心机制：废除"只管销售"或"只管交付"的传统职能经理岗位，创造"签单、交付、利润、带人"四权合一的"价值单元负责人"角色
• 围绕客户价值组建跨职能小队，对客户群的商业成功端到端负责
• 核心原则：通过更多业务上下文让团队拥有判断力，而不是用更多流程去管
• 优势：决策权大，接近创业体验；直接面对客户，判断力被充分锻炼；收入与经营成果挂钩，激励明确
• 局限：对人员要求极高——不是每个人都能成为"迷你 CEO"
• 本质上仍运行在大公司体内，受制于母公司考核体系
• 转型周期通常 12—18 个月，期间协调成本上升

原型 B 背后是公司管理的结构性变化。中层管理的本质是昂贵的通信层。大型团队需要层级来保持运转，而这一约束正被 AI 改变：个人能处理的工作范围扩大，团队变小，需要的协调也减少。

智能体浪潮把它推快了：把中间层交给 AI 协作节点之后，留给人类的岗位就是"对客户商业成功端到端负责"。

它的天花板也很清楚—— 个体能力要求极高。它适合"已经有超级个体储备"的组织，不适合"还在培养超级个体型人才"的组织。

4.3 原型 C：自由职业者的"一人公司联盟"

• 典型代表：WAIC 设置的一人公司（OPC，即 One-Person Company）展示区
• 由自由设计师、独立开发者、AI 创作者按项目临时组队
• 核心机制：一个人 + AI 工具 = 一家一人公司；靠项目临时组队，做完即散；一人多角，极度灵活
• 优势：完全自主，没有组织束缚；选择自己感兴趣的项目；AI 工具放大了个体能力
• 局限：缺乏持续信任基础设施和长期记忆；品牌积累弱，难以承接需要长期责任的产业订单；抵抗风险能力低

OPC 不是新鲜事物，但 2026 年版本的 OPC 比 2020 年的独立开发者要强得多。"一人带 100 个智能体"在工具层面已经成立。

问题从来不是"工具够不够强"，是"信任、品牌、责任"三者的关系怎么搭。

它的天花板同样清楚—— 松散脆弱，难承重责。解决的是"个体如何极致灵活"，回避的是"团队如何承载产业级创新"。

小结

三类原型都不是“终局”。

大公司的“创业体”一旦失去母体保护伞，会暴露出官僚底色；

中部的“价值单元负责人”如果没有成熟候选人池，迷你会变成“没人接的盘子”；

OPC联盟如果没有社区基础设施，跑三单赚的钱抵不上一次系统停摆。

真正的答案是选一种适合的组合。

三种组织容器并排：摩天大楼 / 单元式小型办公 / 蒙古包村落

Mixlab 的答案

如果三种原型各有各的天花板：A受制于规模，B受制于制度，C受制于松散—— 那有没有一种组织形态，能同时避开这三个坑？

MixLab 通过自身实践和客户共建的方式，提供了一种答案。

它不只是社群，是一套"超级个体 × 微型组织 × 社区杠杆"的操作系统，已经跑了近十年。

5.1 超级个体

MixLab 跨学科人才的视角，是 4 维均衡的超级个体：

• 黑客（技术实现）—— 能写代码、能调 API、能搭智能体，对应智能体开发的核心能力
• 设计师（体验与判断）—— 能设计人机交互、能做判断，对应智能体产品的"人机边界设计"
• 商业（可持续性）—— 懂商业模式、懂客户、懂变现，对应智能体需要的商业闭环，光做技术演示（Demo）撑不起公司
• AI 导演（人机协作编排）—— 懂得如何让 AI 和人类协作，对应智能体编排能力的最高形态

MixLab 主创团队多年跨学科路径（设计 → 编程 → 系统架构）正是这一理念的亲身实践。

5.2 微型小队 3-7 人

• 规模边界—— 小于 3 人能力不足，大于 7 人协作成本上升
• 协作方式—— 平行交流、无层级，先有目标再组队
• 持续性—— 项目制（3 到 5 个月解散重组），而非固定部门

核心理念是"小公司 + 大社区"。和传统需要四五十人的创业团队相比，3 到 4 人已是常态。

这个小团队由庞大的社区支持，补齐所有短板。

更小、更项目制、更无层级。

今天的智能体团队 —— 能用小编制跑出大作品的能力，比"看上去人多"更稀缺。

5.3 社区

社区不是简单的用户群，是组织的无边界延伸。

它提供四类核心价值：

• 品牌—— 社区成员自带行业认知，降低获客成本
• 私域—— 精准的人才池和客户池
• 推介—— 项目机会在社区内流转
• 技术—— 遇到难题，社区里有懂的人

当 3 人核心团队需要一个行业专家、一个海外市场顾问或一笔种子用户时，它们从社区中被即时调用—— 无需招聘、无需入职、无需固定薪资。

mixlab 把这件事当成一种机制安排来跑，不是临时性的合作。

5.4 星群商业画布

把这套操作系统抽象成可生长的公式：

人才 × N = 微型小队
微型小队 × 社区 = Mixlab跨学科社区
Mixlab跨学科社区 × OPC 孵化 = 星群商业画布

这恰好回答了智能体赛道的人才命题。智能体赛道需要"懂行业 + 懂编排 + 懂产品"的人 ——

MixLab 的超级个体模型，正是从能力底层回答这个问题。

同时，3-7 人微型小队 + 大社区的组织模式，也为智能体创业团队提供了比原型 A 更灵活、比原型 B 更抗风险、比原型 C 更能持续复制的解决方案。

3-7 人核心团队外面套着庞大的社区网络

总结

对企业管理者来说，WAIC 2026留下的不是技术问题，是组织问题：你的组织容器，准备好迎接AI时代的“超级个体”了吗？

MixLab用近十年跑出了一套“3-7人微型小队+社区杠杆”的组织原型。

如果你也在思考AI时代的组织重构，欢迎来交换判断。

参考

[1] McKinsey 2025 AI Status Report: 88% organizations using AI, only 39% achieving business value — McKinsey

[2] WAIC 2026 参展商股东信息高频词分析（上海/国资/腾讯/阿里/百度/红杉/高瓴/深创投/中金） — 第一财经

[3] 智能体八大垂直方向分布（法律/招聘/营销/科研/文档/金融/决策/通用） — WAIC 2026 现场观察

[4]智能体赛道融资特征：种子轮到 A 轮、单笔数千万到数亿元、缺头部独角兽 — WAIC 2026 现场观察

[5] AI 替代初级工作：22-25 岁从事 AI 暴露职业的工人就业率下降 16% — Stanford Digital Economy Lab

[6] AI 原生组织：从 Every（15 人/4 产品/99% AI 代码）到"AI 工作流嵌人判断"框架 — MixLab