更值得留意的變化，是智譜不再只是出售模型存取權，而是圍繞模型建立一個產品循環：API、編程工具、智能體執行、企業工作流程，以及能夠帶來使用量和收入的應用程式，都可以成為這個循環的一部分。

開放模型權重有助外界測試、修改和開發下游應用；商業 API 和產品收入，則可以反過來支持模型訓練及基礎設施。換句話說，模型本身只是入口，真正決定能否長遠發展的，是它能否吸引一整套生態圍繞自己運轉。

這亦解釋了為甚麼「技術自主」不只是擁有模型權重。企業還需要訓練和推理系統、數據管線、後訓練方法、智能體框架、開發者渠道，以及穩定取得算力的能力。當模型連同這些層次一起建立起來，才較具戰略持久力。

智源研究院：由開源基礎模型走向具身智能

智源研究院早期以悟道（WuDao）基礎模型研究見稱，近年則將方向延伸至悟界（WuJie）系列，包括多模態、世界模型及具身 AI 研究。近期會議資料提到，WuJie·Physis 是以物理潛在空間為基礎的世界模型，而仍在發展中的 WuJie·RoboBrain Orca，則嘗試連接語言推理、視覺預測及行動決策。

這個方向之所以重要，是因為真實世界的智能並非單靠文字理解就足夠。機械人要在環境中工作，需要感知、預測、規劃、控制，還要應對不斷變化的物理條件。世界模型和具身系統的目標，就是讓 AI 不只描述環境，還能理解環境並在其中採取行動。

智源的角色亦不止是發布模型。研究院強調開源模型、智能體、軟硬件基礎生態，以及研究和產業之間的合作。 智源 2026 年會議資料指，研究院至今已開源超過 200 個模型，全球下載量超過 10 億次；這些數字由會議主辦方公布，較適合作為分發能力的指標，而不是模型質素的直接證明。

對中國 AI 生態而言，智源的價值在於提供可重用的研究基礎設施和人才培養渠道。開源模型、基準測試、開發工具及機械人平台，可以讓大學、初創企業和製造商站在共同起點上，進一步開發自己的系統。

AISI：把 AI 變成科學及工程工作流程

AISI 採取另一條路線。研究院於 2021 年 9 月成立，使命是結合人工智能與科學研究，建設 AI for Science（人工智能賦能科學研究）的基礎設施。

其「四梁 N 柱」框架，涵蓋模型算法及軟件、科學數據庫和知識系統、高效率實驗表徵，以及整合式算力基礎設施。目標是把研究由各自為政、像小型工作坊般的流程，推向互相連接的平台模式。

Bohrium 正是這種平台思路的例子。這個科研雲平台旨在連接科學文獻、知識、模型、計算、數據分析及實驗流程。 重點不只是叫 AI 生成一個答案，而是協助研究人員由問題出發，進行模擬、設計實驗，再產生經驗證的新數據。

這種閉環對材料及分子科學尤其關鍵。大型原子模型例如 DPA4，可以支援材料探索和模擬；當模型預測能夠交由實驗驗證，而實驗結果又能改善下一輪模型時，實際價值才會進一步放大。2026 年一份報道指，DPA4 的升級版本在一個國際材料探索排行榜的綜合指標中排名第一，但排行榜表現本身並不足以證明其已帶來實際科研影響。

AISI 相關的火箭引擎項目，則提供了更具體的實體驗證例子。報道描述的流程涵蓋生成式設計、燃燒模擬、金屬增材製造、自動化測量與控制，以及測試；一個縮比驗證機項目據報已完成閉環驗證。 這類項目的意義，在於將 AI 輸出放到工程限制和實體測試中檢驗，而不是停留在軟件基準測試。

點解生態比單一爆款模型更重要？

模型排名變得快，基礎能力累積得慢

模型排名和產品優勢可以在幾個月內改變，但開發者社群、科學數據、實驗設備、標準及部署經驗，往往可以累積多年。這些資產能令未來的新模型更容易落地，也減少對單一次發布的依賴。

不同領域，需要不同形式的智能

編程智能體、機械人控制器、分子模擬器和科學文獻系統，面對的技術問題完全不同。無論是工業還是國家層面的 AI 策略，都需要專門模型配合共享基礎設施，而不是期望一個通用系統包辦所有事情。

開源研究可以擴大創新隊伍

開放模型權重、工具、基準測試和平台，讓研究人員及企業可以互相測試、改造和延伸成果。智源的開源取向可以支撐這一層，而智譜 AI 等商業公司則可把技術能力轉化為產品和收入。

科研驗證建立更強的反饋循環

在 AI for Science 領域，最有價值的系統可能是那些能夠把預測連接到模擬、實驗和測量的系統。每一次獲得驗證的結果，都有機會改善下一輪使用的數據和模型。這個標準比生成一個聽起來合理的答案嚴格得多，但亦為工業應用提供更清晰的價值路徑。

自主能力是一個技術堆疊，不是一句口號

具備抗風險能力的 AI 發展，需要算法、軟件、數據、算力、人才、工具及部署等多個層次。把能力分散在不同層面，可以減少對單一供應商或單一路線的依賴；即使某個模型表現未如理想，或者外部環境出現變化，整個生態仍較有韌性。

三個角色，拼成同一幅戰略圖

智譜 AI、智源研究院和 AISI 所處的位置不同，但彼此互補：

• 智譜 AI：以通用模型、編程系統、智能體及開發者產品，提供商業化動力。
• 智源研究院：以開源研究、人才網絡、基礎模型及多模態、具身智能研究，擴大技術供應。
• AISI：以科研基礎設施，把模型連接到知識、計算、實驗及工程驗證。

因此，三者的重要性並非可以互相取代。智譜展示了前沿模型如何變成平台；智源展示了開源研究如何將能力擴散到更廣泛的社群；AISI 則展示了 AI 如何嵌入一套以材料、實驗或工程系統成果作為評價標準的工作流程。

較穩妥的解讀，不是說某一個模型已經決定全球 AI 競賽勝負，而是未來的競爭優勢，可能越來越取決於能否把原創研究中心、商業平台、獨立技術能力和跨學科應用連接起來，形成一個開放而具協作性的產業生態。

更值得留意的變化，是智譜不再只是出售模型存取權，而是圍繞模型建立一個產品循環：API、編程工具、智能體執行、企業工作流程，以及能夠帶來使用量和收入的應用程式，都可以成為這個循環的一部分。

開放模型權重有助外界測試、修改和開發下游應用；商業 API 和產品收入，則可以反過來支持模型訓練及基礎設施。換句話說，模型本身只是入口，真正決定能否長遠發展的，是它能否吸引一整套生態圍繞自己運轉。

這亦解釋了為甚麼「技術自主」不只是擁有模型權重。企業還需要訓練和推理系統、數據管線、後訓練方法、智能體框架、開發者渠道，以及穩定取得算力的能力。當模型連同這些層次一起建立起來，才較具戰略持久力。

智源研究院：由開源基礎模型走向具身智能

智源研究院早期以悟道（WuDao）基礎模型研究見稱，近年則將方向延伸至悟界（WuJie）系列，包括多模態、世界模型及具身 AI 研究。近期會議資料提到，WuJie·Physis 是以物理潛在空間為基礎的世界模型，而仍在發展中的 WuJie·RoboBrain Orca，則嘗試連接語言推理、視覺預測及行動決策。

這個方向之所以重要，是因為真實世界的智能並非單靠文字理解就足夠。機械人要在環境中工作，需要感知、預測、規劃、控制，還要應對不斷變化的物理條件。世界模型和具身系統的目標，就是讓 AI 不只描述環境，還能理解環境並在其中採取行動。

智源的角色亦不止是發布模型。研究院強調開源模型、智能體、軟硬件基礎生態，以及研究和產業之間的合作。 智源 2026 年會議資料指，研究院至今已開源超過 200 個模型，全球下載量超過 10 億次；這些數字由會議主辦方公布，較適合作為分發能力的指標，而不是模型質素的直接證明。

對中國 AI 生態而言，智源的價值在於提供可重用的研究基礎設施和人才培養渠道。開源模型、基準測試、開發工具及機械人平台，可以讓大學、初創企業和製造商站在共同起點上，進一步開發自己的系統。

AISI：把 AI 變成科學及工程工作流程

AISI 採取另一條路線。研究院於 2021 年 9 月成立，使命是結合人工智能與科學研究，建設 AI for Science（人工智能賦能科學研究）的基礎設施。

其「四梁 N 柱」框架，涵蓋模型算法及軟件、科學數據庫和知識系統、高效率實驗表徵，以及整合式算力基礎設施。目標是把研究由各自為政、像小型工作坊般的流程，推向互相連接的平台模式。

Bohrium 正是這種平台思路的例子。這個科研雲平台旨在連接科學文獻、知識、模型、計算、數據分析及實驗流程。 重點不只是叫 AI 生成一個答案，而是協助研究人員由問題出發，進行模擬、設計實驗，再產生經驗證的新數據。

這種閉環對材料及分子科學尤其關鍵。大型原子模型例如 DPA4，可以支援材料探索和模擬；當模型預測能夠交由實驗驗證，而實驗結果又能改善下一輪模型時，實際價值才會進一步放大。2026 年一份報道指，DPA4 的升級版本在一個國際材料探索排行榜的綜合指標中排名第一，但排行榜表現本身並不足以證明其已帶來實際科研影響。

AISI 相關的火箭引擎項目，則提供了更具體的實體驗證例子。報道描述的流程涵蓋生成式設計、燃燒模擬、金屬增材製造、自動化測量與控制，以及測試；一個縮比驗證機項目據報已完成閉環驗證。 這類項目的意義，在於將 AI 輸出放到工程限制和實體測試中檢驗，而不是停留在軟件基準測試。

點解生態比單一爆款模型更重要？

模型排名變得快，基礎能力累積得慢

模型排名和產品優勢可以在幾個月內改變，但開發者社群、科學數據、實驗設備、標準及部署經驗，往往可以累積多年。這些資產能令未來的新模型更容易落地，也減少對單一次發布的依賴。

不同領域，需要不同形式的智能

編程智能體、機械人控制器、分子模擬器和科學文獻系統，面對的技術問題完全不同。無論是工業還是國家層面的 AI 策略，都需要專門模型配合共享基礎設施，而不是期望一個通用系統包辦所有事情。

開源研究可以擴大創新隊伍

開放模型權重、工具、基準測試和平台，讓研究人員及企業可以互相測試、改造和延伸成果。智源的開源取向可以支撐這一層，而智譜 AI 等商業公司則可把技術能力轉化為產品和收入。

科研驗證建立更強的反饋循環

在 AI for Science 領域，最有價值的系統可能是那些能夠把預測連接到模擬、實驗和測量的系統。每一次獲得驗證的結果，都有機會改善下一輪使用的數據和模型。這個標準比生成一個聽起來合理的答案嚴格得多，但亦為工業應用提供更清晰的價值路徑。

自主能力是一個技術堆疊，不是一句口號

具備抗風險能力的 AI 發展，需要算法、軟件、數據、算力、人才、工具及部署等多個層次。把能力分散在不同層面，可以減少對單一供應商或單一路線的依賴；即使某個模型表現未如理想，或者外部環境出現變化，整個生態仍較有韌性。

三個角色，拼成同一幅戰略圖

智譜 AI、智源研究院和 AISI 所處的位置不同，但彼此互補：

• 智譜 AI：以通用模型、編程系統、智能體及開發者產品，提供商業化動力。
• 智源研究院：以開源研究、人才網絡、基礎模型及多模態、具身智能研究，擴大技術供應。
• AISI：以科研基礎設施，把模型連接到知識、計算、實驗及工程驗證。

因此，三者的重要性並非可以互相取代。智譜展示了前沿模型如何變成平台；智源展示了開源研究如何將能力擴散到更廣泛的社群；AISI 則展示了 AI 如何嵌入一套以材料、實驗或工程系統成果作為評價標準的工作流程。

較穩妥的解讀，不是說某一個模型已經決定全球 AI 競賽勝負，而是未來的競爭優勢，可能越來越取決於能否把原創研究中心、商業平台、獨立技術能力和跨學科應用連接起來，形成一個開放而具協作性的產業生態。