社区

    历史上每一次产业级跃迁，都伴随着资本的非理性涌入，具身智能正在进入这个序列。当资本的潮水褪去，留在沙滩上的不是估值、不是融资额，而是真实的生产力。 这是产业本应有的样子，也是中国具身智能这场长跑，唯一值得被讨论的终点。 作者|斗斗 编辑|皮爷 出品|产业家 市场上的资金，永远在寻找下一个出口。2000年的互联网、2010年的移动互联网、2018年的新能源车、2023年的大模型，每一个时代都有一个容器，承载着资本对未来生产力的全部想象。 而2026年，这个容器是具身智能。资金，从未如此源源不断地、密集地，涌向一个还远没到规模化盈利节点的领域。 数据显示，2026年开年至今，仅仅两个多月时间，国内具身智能领域融资额已突破373亿元。这个数字是2024年同期的5倍，2025年同期的近3倍。在这几个月时间的时间里，国内具身智能融资超200亿元,催生16家百亿独角兽。钱不仅没有停下来，反而以倍数在增长。 这种密度和速度，放在以“长周期、重投入、慢回报”著称的硬科技行业里，几乎是反常识的。 问题也随之而来，为什么具身智能的钱，停不下来?这种史无前例的资金涌入，会让这个产业走向何方？又会留下什么？ 答案，就藏在行业主线的变化里。可以说，具身智能，正在成为AI时代的第一个达成共识的“生产力容器”。 一、“疯抢”具身智能：停不下来的钱 过去几年，硬科技投资普遍偏谨慎。 一个项目从尽调到打款，往往需要数月时间，投资机构更强调“看清楚再下注”，但具身智能正在打破这套逻辑。 IT桔子数据显示，2026年开年至今，国内具身智能赛道已发生超200起融资事件，平均每天2.5起。2月、3月单月融资额均突破百亿元；截至3月中旬，行业累计融资超373亿元，远超2024年同期的70亿元和2025年同期的126亿元。 把时间轴拉长看，这种加速更触目惊心。 2025年全年，具身智领域投资

    对投资人来说，投AI已经从模型、团队和故事，转为看企业能否嵌进真实产业系统，能否借助一个区域的供应链、场景和数据完成落地；对企业来说，做AI也不再只是做一个技术产品，而是要找到产业与AI结合的那个真实入口，进入一个可以持续迭代、持续交付、持续放大的系统之中。 AI行业已经进入“拼落地、拼交付、拼复利”的阶段。脱离产业土壤的AI，当然也能讲出动人的故事；但真正能穿越周期的公司，往往都长在产业集群最密集、产业协同最深的地方。 作者|斗斗 编辑|皮爷 出品|产业家 2026年，资本们正在沿着产业集群，开始重新给AI公司定价。 根据IT桔子一季度创投数据显示，2026年Q1共发生2865起融资事件，环比增长2.5%，同比增长高达52%；交易金额达2560亿元人民币，环比增长11.4%，同比增长48%。 但与此同时，资金的分布却在收缩。 从赛道来看，先进制造以40%的事件占比稳居首位，成为最吸金的赛道；人工智能则以11%的事件占比稳居第三。这背后，离不开智能升级需求推动传统制造与AI、物联网深度融合，形成“先进制造+”的投资衍生逻辑。 从地域来看，集中趋势更为明显，粤、苏、京、浙、沪五省市，占据了74.5%的融资事件和76.3%的融资金额，创投活动的地域集中度，维持高位。 如果只看表面，这像是资本继续押注头部城市；但如果拆开来看，会发现这不是简单的一线城市虹吸效应，资金并不是无差别的涌向大城市，而是沿着不同产业带，在做更精细的分配。 例如，北京拿走的是模型、算法和高估值项目；深圳东莞吸走的是机器人、具身智能、智能硬件；苏州、上海承接的是工业AI、汽车AI、企业级智能化。换句话说，资本关注的已经不是“城市等级”，而是这座城市背后绑定的产业体系。 一个疑问是，在AI领域，资本的投资逻辑究竟发生了什么变化？为什么在互联网时代可以高度去地域化的技术行业，到了AI时

    一个企业的AI转型路径也正在浮现——通过先进的项目管理软件首先构建出足够结构化的数据体系，在这个优质的体系之上，用最先进的Agent范式、Coding能力和CLI、MCP组件，对数据进行智能化演绎和基于流程节点的智能表达，最终帮助企业从数字化迈向AI原生。 这个路径的特殊之处，或者说飞书项目映射出的新型企业级AI软件的独特价值点在于：它们既能在个人层面持续放大自下而上的创新涌现，也能在企业层面稳步推动自上而下的集体进步。 作者|皮爷 出品|产业家   自2025年中，杨澍发现一个明显的趋势：在飞书项目开放平台上，用于AI连接的插件忽然开始加速涌现。它们遍布数据查询、问数取数等项目管理的多个节点。 他是飞书项目开放平台产品负责人，根据杨澍和团队成员统计，截至今年年初，在飞书项目开放平台上，这类自发的、来自不同企业个人开发者的项目管理AI产品数量已经高达100多个。开发它们的人有懂技术的PMO、有后端研发人员，也有项目管理的前端业务人员。 这是一个缩影。 过去一年时间里，伴随着OpenClaw、企业级Agent、AI Coding等模型价值释放体系的不断完善和场景演绎，企业对于AI落地业务场景的需求正在呈现持续井喷态势。而作为“企业第一生命线”的项目管理，更是被寄予厚望。 但这种“厚望”的另一面对应的是谨慎。即和企业内部某个软件环节，如CRM、ERP，甚至MES等特定节点的Agent原生改造不同，项目管理对应的是一个由多个节点、多个岗位、贯穿企业全部业务周期的体系化工程。这也意味着，对企业而言，实现项目管理的AI化升级改造不是一个单点工程，而更多是一个从底层到上层、从研发到业务全流程的“土壤级”进化。 如果说客服、CRM、ERP等软件是AI在企业级场景的第一场改造革命，那么如今，项目管理正在成为AI在TO B场景的新改造对象。而这里，也是决

    工业AI的竞争逻辑，正在发生根本变化。 不再是谁拥有最大的通用模型，而是谁能够把模型嵌进工艺、嵌进设备、嵌进供应链；不再是谁做出单点最优解，而是谁能够把一个行业中反复出现的问题，抽象成可复制的模块，并通过产业网络快速放大。 作者|斗斗 编辑|皮爷 出品|产业家   过去两年，AI在现实世界里的扩散速度，远比多数人预想得更快。 从办公协同、内容生成，到营销投放、客服运营，大模型几乎在很短时间内，就完成了从“新工具”到“新基础设施”的跃迁。越来越多企业开始意识到，AI不再只是一个可选项，而是在重写组织运行方式的新变量。 但当同样的技术被真正带进工厂，情况却明显变了。 它没有像在通用场景中那样一路狂飙，反而在进入制造体系后迅速减速。发布会上的进厂、落地、上产线越来越多，真实生产主流程里的规模化突破，却迟迟没有出现。 这种反差，在2026年被进一步放大。 今年1月，工业和信息化部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出，到2027年，要推动3—5个通用大模型在制造业深度应用，形成1000个高水平工业智能体、100个工业领域高质量数据集，并推广500个典型应用场景。 一个信号已经很清楚：工业AI，正在被推向必须加速兑现的阶段。 但问题也随之而来。 当政策、资本与技术同时加码，一个更现实的疑问开始浮出水面，那就是工业AI，真的已经准备好进入规模化了吗？还是仍停留在被反复放大的局部成功？更进一步看，绝大多数项目，又到底卡在了哪里？而那些真正跑进产线的AI，又做对了什么？ 一、繁荣背后，AI的“点状式”落地困局 一个事实是，从“有没有用AI”这个维度来看，工业领域的渗透速度，并不慢。 一项调研数据显示，全球约70%的制造企业，已经在某种程度上引入AI，用于生产、质检或供应链等环节。在部分领先市场，这一比例还在持续提升，例如英国已

    如果从真实的AI生长脉络来看，在奥哲·云枢企业AI平台的“AI+数据+低代码”的构成中，其内嵌的恰是一个个原生skills和封装好的企业上下文环境。 基于低代码和Coding能力，企业能以更快的速度构建好适配AI的Harness土壤和环境，同时基于Agent构建和AI数据挖掘的能力，推动AI产品落地，让AI建设加速进入ROI回报期。 作者|皮爷 出品|产业家 “龙虾对我们而言是一门新技术，也更是一种焦虑。”一位金融企业CIO告诉产业家，“我们接到的KPI是要在Q3之前在企业落地龙虾，但现在怎么落，落在什么场景，如何落得安全可靠还都没有头绪。” 这是一个缩影。如果说2025年企业级市场的AI关注点是行业大模型、数字员工，那么在当下的2026年，这个问题伴随着AI技术的进步在更前一步：龙虾范式的企业级Agent、vibe coding。 在这些不断被提出的新概念之外，更多企业开始向内看——到底应该怎样让AI从自己内部的土壤自然而然地长起来？ 在过去的3月份，大洋彼岸出现一份新共识答卷——Harness。即这个由OpenAI和Curcor在论文中先后提出的新概念提出了一个AI落地的新方向——为了让大模型能更好落地，服务商需要帮助企业在其内部打造一个适配AI落地和生长的土壤体系。这个土壤体系包括上下文工程、工具接口、知识库等等。 换言之，只有构建出适合AI生长的土壤，才能让AI有充分的养料和环境持续生长，转化为企业的真正动能。 无独有偶。把视线拉回国内，也有企业锚定了同样的方向并落地实践，这家企业就是奥哲。 关于奥哲，市场对其最大的印象是低代码领跑者，在过去多年基于“All in One”的低代码产品帮助无数企业实现数字平权。而在去年10月，其更是进一步升级，基于“AI+数据+低代码”的组合，正式发布了奥哲企业级AI平台。 今年，这家在低代码领域多年领跑

    对大部分企业而言，在AI技术不断革新的当下，相较于成型的AI demo演示，企业更需要的是一个从底层数据到产品的全方位AI营销加持体系，以让企业可以在其中基于自身情况“量体裁衣”。 这个体系也可以称之为AI营销的“Harness”。比如对CDP更科学化的赋能，比如基于MA对企业营销策略的优化，再比如更进一步对先进营销skills的调用等等，唯有基于这些AI营销的“Harness”组件，企业才能在既有业务基础上长出独属于自己的AI营销能力。 这恰是腾讯企点营销云的价值所在。 作者|皮爷 出品|产业家 “产研同学已经在全力待命了。”喻帅笑着说道。 他是腾讯营销与交易产品商业化总经理，负责腾讯企点营销云和腾讯云mall客户的对接服务。就在采访的一个小时前，腾讯企点营销云在腾讯云上海城市峰会上正式发布MAGIC Agent 2.0版。 产品一经发布，就引来大批客户的问询。“很多客户之前用的是我们MAGIC Agent 1.0版本，他们的问询需求都是怎么从1.0升级到2.0。”喻帅告诉我们。 在去年10月的腾讯全球数字生态大会上，腾讯企点营销云发布了MAGIC Agent 1.0，在既有营销四大件（CDP、MA、FA、SCRM）的基础上全面升级AI能力，宣布AI营销的全面到来。 一组来自腾讯企点营销云的官方数据是，在过去的半年时间里，约90%的服务企业切换到MAGIC Agent 1.0上，多个AI模块成为企业的采购必选项。如今，MAGIC Agent 2.0又再一次引起他们的关注。 过去半年时间，AI在企业场景的落地，依然是绝对的话题中心。而在被屡屡谈及的趋势里，“龙虾”是绕不过的话题——在龙虾帮助人们完成C端场景一系列需求自执行的同时，越来越多的企业决策者开始思考：在TO B的企业级场景，龙虾形态的Agent有机会落地吗？或者说，在最重要的营销场景，“

    在AI价值验证的维度上，金融、工业、能源、港口等核心场景的深度优化，远比前端的办公、客服类应用更具说服力——这些场景的门槛更高、容错空间更窄，对智能体的易用性、安全性、透明度以及可量化的ROI有着真实且严苛的要求。 在中国丰富的产业AI土壤里，需要的智能体不仅是一套能覆盖从数据体系建立到模型优化到效果方案的AI工具，更重要需要一套能在复杂工程环境中真正跑通、能让企业看到可量化业务结果的智能体系统。 作者|皮爷 出品|产业家 最近，一个成绩单再度在海外AI社区引发AI人士关注。在机器学习工程权威基准榜单MLE-Bench公布的排名中，百度伐谋Agent 2.0再度登顶，并刷新SOTA成绩。 对MLE-Bench的一个通俗解释是，相较于其他AI测试榜单，其更多的任务设定围绕具体的企业实际工程问题，如数据体系、特征工程、模型效果和评估等等。换言之，它真正考察的是智能体解决实际问题的能力，而非大模型本身的参数规模。 这也是这次SOTA成绩破圈的原因。过去的几年，不论是服务商还是产业企业，对于AI的关注焦点都更多在通用大模型或行业大模型本身，在2026年的今天，智能体的工程化落地能力，正在取代模型参数，开始成为企业选型的首要考量。 “其实在我们看来，‘通用大模型+RAG’能解决80%的问题，但剩下的核心环节的20%我们还是希望能有更优秀的智能体来解决。”在之前的采访交流中，一位电力相关的企业技术负责人告诉产业家。 这样的需求不在少数。伴随着2026年龙虾的爆火，外界对于企业级Agent开始有了更多的期待，即一个能真正“自进化、自执行”的最优解企业智能体应该是怎样的？相较于“龙虾”的不可控、“黑箱”执行，对横跨41个产业链类目，场景、环节、协同足够复杂的中国产业企业而言，到底怎样的AI范式能转化为最直接的生产力加持？ 这次登顶背后，百度伐谋，再次站到产业舞台

    对于正在推进海外建厂、多市场同步扩张，或新能源关键部件本地化布局的车企而言，物流不应再被视为一项可随时替换的外包服务，而是一项需要提前设计、长期共建的核心能力。 迪拜环球港务集团（DP World）的价值，正体现在这一转折点之后——当市场环境不再友好、变量显著增多时，其对关键物流节点的控制能力，既能减少中间服务商、优化成本，又能帮助车企重新建立对产能、交付与节奏的掌控感，以一手可控资源为供应链提供强有力的支撑与可预测交付。 出海不是一次性决策，而是一场长期博弈。在这场博弈中，真正值得投入的，不是“最低成本方案”，而是在不确定性中仍然可靠的确定性。 作者|皮爷 出品|产业家 2025年3月，位于马来西亚的一家中国车企KD件工厂遇到一桩“棘手难题”——由于本地供应商体系尚未成熟，关键KD件交付周期高度离散，叠加跨境运输与清关节奏不稳定，导致安全库存模型失效，生产计划无法按既定MPS节奏执行，日产能力从规划的50辆快速滑落至20辆。这并非单一的“物流延误”，而是一个典型的海外新工厂供应链失稳问题。 此时，一家拥有横跨六大洲的先进物流设施与全链路服务能力的企业——迪拜环球港务集团（DP World）提出了一个创新方案。 与大多数以“资源整合”为核心能力的物流服务商不同，迪拜环球港务集团（DP World）的优势，来自于其对关键物流节点的直接控制权——在六大洲80多个国家和地区的主要贸易通道拥有港口、码头、物流园区、经济自贸区等关键设施，同时坐拥多条支线船，并兼有市场准入和贸易业务。   回到最开始的那个故事，在双方深入沟通并了解客户痛点之后，针对这一结构性问题，迪拜环球港务集团（DP World）并未简单通过“加急运输”应对，而是从供应链节奏重构入手： 在港口侧设立KD件前置仓，将长周期、高波动部件与常规件进行分层管理 基于实时消耗数据，重新定

    从企业AI的最直接需求来看，尤其是个性化、多元化需求为主的中国市场，相较于Rox AI这类新兴面向客户关系管理的Agent企业，销售易、Salesforce等这类有多年沉淀的CRM厂商更值得期待。 基于后者，企业的多年沉淀可以转化为AI在CRM环节的更先进harness体系，比如先进科学路径，比如足够充分的上下文理解。 作者|皮爷 出品|产业家 “SaaS要被颠覆了吗？” 如果把视线放到2026年，除了大火的龙虾之外，关于SaaS的讨论几乎成为海内外所有大型活动的主题。 伴随着“自进化”、“自执行”龙虾在越来越多场景的落地。SaaS，这一过去几十年企业作为核心转型载体的软件模式，被再次放到争议的风口浪尖。和这种讨论一同到来的，是Salesforce、SAP等全球软件巨头超过30%的股价跌幅。 但在“黑天鹅”的另一侧，Agent市场却呈现出异常的繁荣。以Rox AI为例，在刚刚过去的3月份，其获得了由红杉领投的5000万美元大额融资，正式杀入Salesforce腹地。除此之外，还有DualEntry、Auditoria.AI等瞄准ERP、财务数字化等Agent软件企业在过去一年时间里也屡获大额投资，市值不断破新高。 在这些资本青睐的企业中，AI的出现姿态不再是固有软件UI页面的补丁和“辅助价值”，而是成为最前端的入口和核心骨架，让AI帮助企业跑完业务全程，最终让企业按照实施效果付费。 在龙虾热潮和关于SaaS的讨论背后，所有人关心的也恰是一个本质的问题：新时代的SaaS，到底应该是怎样的形态？如果再细一步，把这个命题切到Salesforce、Rox AI、销售易等企业所在的CRM赛道，则是到底哪一种软件形态可以代表AI CRM的未来？以及，支撑AI CRM的新环境体系应该是怎样？ 路线分野背后，一个关于软件Harness、关于AI CRM 2.0的

    从当前趋势来看，Harness更像是一个“不可逆的中间层”。 就像操作系统之于硬件，数据库之于应用，Harness正在成为AI与现实世界之间的那一层“接口”。当AI从“会说话”走向“能干活”，Harness，就是那根决定它能跑多远的缰绳。 作者|斗斗 编辑|皮爷 出品|产业家 2026年，全球企业级AI市场已经悄然进入“深水区”。 过去三年，大模型的能力以近乎失控的速度跃迁，从对话助手到代码生成，从内容创作到复杂推理，模型本身的“智力上限”不断被刷新。如今，通用大模型已经成为像电力和自来水一样的基础设施。 不过，这并未让企业感到轻松。一个与技术进步形成鲜明反差的现实正在浮现，那就是AI越强，企业反而越用不好、不敢用。一份由德勤发布的《2026年企业AI现状》报告显示，尽管80%的受访企业声称已经部署了AI工具，但真正能够实现规模化应用、并产生显著商业价值的企业仅占15%。 就在行业陷入迷茫时，风向变了。 2026年1月期间，OpenAl内部一个最初只有3人的工程师团队，从一个空的Git仓库开始，在5个月内构建出了一个包含超过100万行代码的完整Beta产品。整个过程中，没有一行代码是人类手动键入的。值得注意的是，这个团队后来扩展到7人，期间合并了约1500个拉取请求，平均每位工程师每天能推进3.5个PR。随着流程成熟，生产效率还在持续提升。OpenAI估计，这种方式比传统手写代码开发节省了约10倍的时间。 这不仅仅是效率的提升，更是对"软件工程"定义的一次颠覆。OpenAI将这套全新的方法论命名为:“驾驭工程”(Harness Engineering)。 这一变革迅速在顶尖技术圈层引发了共振。从LangChain到OpenAI，再到Anthropic，一批最核心的技术玩家不约而同地将重心从“模型能力”转向“系统工程”，并逐渐收敛到一个新的共识公式