在 AI 下半场,算力崇拜正逐渐回归理性,如何让智能体(Agent)拥有长效记忆、如何让具身智能(Embodied AI)走出实验室,成为了行业共同探索的命题。2026 年 6 月 5 日,在国家会议中心举办的 Agent Infra 专场媒体深度沟通会上,腾讯云存储总经理陈峥与灵生科技合伙人蒋玉骅博士,围绕大模型落地、具身智能数据痛点及 AI 下半场的存储重构,谈了自己的观点。 AI 的下半场,从算力崇拜到长效记忆 伴随着大模型技术的演进,关于 AI 上半场与下半场边界的讨论愈发激烈。作为国内率先提出世界动作模型(WAM)并践行的前沿 AI 企业,灵生科技合伙人蒋玉骅博士认为,当前 AI 的发展周期依然由 Scaling Law(尺度定律)主导。但传统大模型的 Scaling Law 正在逼近计算与模型的边界,相比之下,具身智能所依赖的世界模型(World Model),其 Scaling Law 的探索才刚刚开始。目前工业界与学术界的世界模型规模普遍在 10B(百亿参数)以下,数据和模型的双向驱动将是下半场的硬核主线。 从 AI 基础设施(Infra)的视角来看,腾讯云存储总经理陈峥则提出了一个根本性的范式转移:AI 上半场解决的是算力问题,即 Agent 能跑多快;而下半场的绝对核心是 Context(上下文),即智能体能不能记得住、找得到。 陈峥表示,过去行业对单点算力过度崇拜,而忽视了作为大脑记忆体的存储。随着算力瓶颈在一定程度上得到缓解,数据存储与算力的均衡发展成为了必然。腾讯云存储也因此完成了三级跳的演进:从最初解决非结构化数据成本与可靠性的通用存储阶段,到加速大模型 GPU 吞吐的 AIGC 时代,再到如今全面满足智能体上下文存储记忆的 Agent Bucket(智能体存储桶)时代。 具身智能的现实痛点 当企业将大模型应用向具身智能、机器人领域落地时,迎面撞