真正值得注意的轉變，是企業不再只是販售模型存取權，而是圍繞模型建立完整的產品循環。這個循環可以包括 API、程式編寫工具、代理執行、企業工作流程，以及能持續帶來使用量與收入的應用程式。開放模型權重有助於外部測試與下游開發；商業服務則能為後續模型訓練與基礎設施投入提供資金。

更大的啟示是：技術自主不只是擁有模型權重。企業還需要訓練與推理系統、資料管線、後訓練方法、代理框架、開發者分發渠道，以及穩定的算力取得能力。當一個模型能在這些層次吸引開發者、企業與工具供應商加入，才更可能形成具長期韌性的技術生態。

BAAI：連接開放研究與具身智能

BAAI 早期以悟道（WuDao）基礎模型研究受到關注，近年則逐步將研究延伸至悟界（WuJie）系列的多模態、世界模型與具身 AI。近期會議報導稱，WuJie·Physis 被定位為物理潛在世界模型，而仍在開發中的 WuJie·RoboBrain Orca，則嘗試把語言推理、視覺預測與行動決策連結起來。

這條路線之所以重要，是因為實體世界所需要的智能，並不是純文字模型自然具備的能力。機器人必須同時處理感知、預測、規劃與控制，並在環境不斷變化的情況下採取行動。世界模型與具身系統的目標，正是讓 AI 不只描述環境，也能在環境中建立表徵並實際操作。

BAAI 的角色不只在於發布模型，也在於建立研究制度與公共基礎。其研究方向強調開源模型、代理、基礎軟硬體生態，以及研究界與產業之間的合作。 BAAI 2026 年會的報導指出，該院已開放超過 200 個 AI 模型，全球下載量超過 10 億次；這些數字由會議主辦方公布，較適合被視為模型分發與社群觸及的指標，而非模型品質的直接證明。

對中國 AI 生態而言，BAAI 這類研究機構的價值，在於提供可重複使用的研究基礎與人才培養渠道。開放模型、基準測試、工具與機器人平台，能讓大學、初創企業與製造商站在共同起點上，進一步發展自己的應用與技術。

AISI：把 AI 變成科學與工程工作流程

AISI 採取的是另一種切入角度。研究院成立於 2021 年 9 月，宗旨是結合人工智能與科學研究，建立 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，涵蓋模型演算法與軟體、科學資料庫與知識系統、高效率實驗表徵，以及整合式算力基礎設施。目標是把過去較為分散、近似「作坊式」的研究流程，推向更緊密連結的平台模式。

Bohrium 正是這種平台思路的例子。這個科研雲平台被定位為連接科學文獻、知識、模型、運算、資料分析與實驗流程的環境。 它的目標不只是讓 AI 生成一個答案，而是協助研究人員從提出問題開始，走到模擬、實驗，再到產生經過驗證的新資料。

這種閉環對材料科學與分子科學尤其重要。像 DPA4 這類大型原子模型，可以支援材料探索與模擬；但當模型預測能夠接受實驗驗證，而實驗結果又能回頭改善下一代模型時，實際價值才會進一步放大。2026 年一則報導稱，DPA4 升級版在國際材料發現排行榜的綜合指標中排名第一；不過，排行榜表現本身並不足以證明其已產生實際科學影響。

AISI 相關的火箭發動機研究，則提供了更具體的實體驗證案例。報導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；一具縮比驗證機據報已完成閉環驗證。 這類專案的意義，在於把 AI 產出放進工程限制與物理測試中，而不是停留在軟體基準測試。

為什麼「生態系」比單一爆款模型更重要？

前沿模型的優勢變化很快

模型排名與產品優勢可能在短時間內改變；但開發者社群、科學資料集、實驗設施、標準與部署經驗，卻能在更長時間內累積。這些資產會讓下一次模型升級更容易轉化為實際效益，也降低對單一版本的依賴。

不同領域需要不同形式的智能

程式編寫代理、機器人控制、分子模擬與科學文獻系統，面對的技術問題並不相同。因此，國家或產業級 AI 策略更需要專門模型與共享基礎設施，而不是期待一個通用系統包辦所有任務。

開放研究可以擴大創新基礎

開放權重、工具、基準測試與平台，能讓研究人員與企業互相測試、調整並延伸成果。BAAI 的開放研究取向可以支撐這一層；而智譜 AI 等商業公司，則能把相關能力轉化為產品與收入。

科學驗證能建立更強的回饋循環

在 AI for Science 領域，最有價值的系統可能是能把預測、模擬、實驗與測量連成一體的系統。每一次經過驗證的結果，都可能改善下一輪使用的資料與模型。這比生成一個看似合理的答案要求更高，但也為科學與產業價值提供更清晰的路徑。

自主能力是一整套技術堆疊，而不是一句口號

具備風險韌性的 AI 發展，需要演算法、軟體、資料、算力、人才、工具與部署等多個層面的能力。分散這些能力，可以降低對單一供應商或單一技術路線的依賴；當某個模型表現不如預期，或外部環境出現變化時，整個生態也更有機會維持運作。

三個角色，拼出同一張戰略版圖

智譜 AI、BAAI 與 AISI 處於同一個新興系統中的不同位置：

• 智譜 AI 透過通用模型、程式編寫系統、代理與開發者產品，提供商業化動能。
• BAAI 透過開放研究、人才網絡、基礎模型與開源生態，探索多模態和具身智能的下一步。
• AISI 透過科研基礎設施，把模型與知識、運算、實驗及工程驗證連接起來。

因此，三者的價值是互補，而不是彼此替代。智譜 AI 展示前沿模型如何成為平台；BAAI 展示開放研究如何把能力擴散至更廣泛的社群；AISI 則展示 AI 如何嵌入以材料、實驗或工程系統成果作為衡量標準的工作流程。

更合理的解讀不是「某一個模型已經決定全球 AI 競賽的勝負」，而是下一階段的競爭優勢，可能越來越取決於能否把原創研究樞紐、商業平台、獨立技術能力與跨學科應用串聯起來，形成一個開放且協作的產業生態系。

真正值得注意的轉變，是企業不再只是販售模型存取權，而是圍繞模型建立完整的產品循環。這個循環可以包括 API、程式編寫工具、代理執行、企業工作流程，以及能持續帶來使用量與收入的應用程式。開放模型權重有助於外部測試與下游開發；商業服務則能為後續模型訓練與基礎設施投入提供資金。

更大的啟示是：技術自主不只是擁有模型權重。企業還需要訓練與推理系統、資料管線、後訓練方法、代理框架、開發者分發渠道，以及穩定的算力取得能力。當一個模型能在這些層次吸引開發者、企業與工具供應商加入，才更可能形成具長期韌性的技術生態。

BAAI：連接開放研究與具身智能

BAAI 早期以悟道（WuDao）基礎模型研究受到關注，近年則逐步將研究延伸至悟界（WuJie）系列的多模態、世界模型與具身 AI。近期會議報導稱，WuJie·Physis 被定位為物理潛在世界模型，而仍在開發中的 WuJie·RoboBrain Orca，則嘗試把語言推理、視覺預測與行動決策連結起來。

這條路線之所以重要，是因為實體世界所需要的智能，並不是純文字模型自然具備的能力。機器人必須同時處理感知、預測、規劃與控制，並在環境不斷變化的情況下採取行動。世界模型與具身系統的目標，正是讓 AI 不只描述環境，也能在環境中建立表徵並實際操作。

BAAI 的角色不只在於發布模型，也在於建立研究制度與公共基礎。其研究方向強調開源模型、代理、基礎軟硬體生態，以及研究界與產業之間的合作。 BAAI 2026 年會的報導指出，該院已開放超過 200 個 AI 模型，全球下載量超過 10 億次；這些數字由會議主辦方公布，較適合被視為模型分發與社群觸及的指標，而非模型品質的直接證明。

對中國 AI 生態而言，BAAI 這類研究機構的價值，在於提供可重複使用的研究基礎與人才培養渠道。開放模型、基準測試、工具與機器人平台，能讓大學、初創企業與製造商站在共同起點上，進一步發展自己的應用與技術。

AISI：把 AI 變成科學與工程工作流程

AISI 採取的是另一種切入角度。研究院成立於 2021 年 9 月，宗旨是結合人工智能與科學研究，建立 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，涵蓋模型演算法與軟體、科學資料庫與知識系統、高效率實驗表徵，以及整合式算力基礎設施。目標是把過去較為分散、近似「作坊式」的研究流程，推向更緊密連結的平台模式。

Bohrium 正是這種平台思路的例子。這個科研雲平台被定位為連接科學文獻、知識、模型、運算、資料分析與實驗流程的環境。 它的目標不只是讓 AI 生成一個答案，而是協助研究人員從提出問題開始，走到模擬、實驗，再到產生經過驗證的新資料。

這種閉環對材料科學與分子科學尤其重要。像 DPA4 這類大型原子模型，可以支援材料探索與模擬；但當模型預測能夠接受實驗驗證，而實驗結果又能回頭改善下一代模型時，實際價值才會進一步放大。2026 年一則報導稱，DPA4 升級版在國際材料發現排行榜的綜合指標中排名第一；不過，排行榜表現本身並不足以證明其已產生實際科學影響。

AISI 相關的火箭發動機研究，則提供了更具體的實體驗證案例。報導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；一具縮比驗證機據報已完成閉環驗證。 這類專案的意義，在於把 AI 產出放進工程限制與物理測試中，而不是停留在軟體基準測試。

為什麼「生態系」比單一爆款模型更重要？

前沿模型的優勢變化很快

模型排名與產品優勢可能在短時間內改變；但開發者社群、科學資料集、實驗設施、標準與部署經驗，卻能在更長時間內累積。這些資產會讓下一次模型升級更容易轉化為實際效益，也降低對單一版本的依賴。

不同領域需要不同形式的智能

程式編寫代理、機器人控制、分子模擬與科學文獻系統，面對的技術問題並不相同。因此，國家或產業級 AI 策略更需要專門模型與共享基礎設施，而不是期待一個通用系統包辦所有任務。

開放研究可以擴大創新基礎

開放權重、工具、基準測試與平台，能讓研究人員與企業互相測試、調整並延伸成果。BAAI 的開放研究取向可以支撐這一層；而智譜 AI 等商業公司，則能把相關能力轉化為產品與收入。

科學驗證能建立更強的回饋循環

在 AI for Science 領域，最有價值的系統可能是能把預測、模擬、實驗與測量連成一體的系統。每一次經過驗證的結果，都可能改善下一輪使用的資料與模型。這比生成一個看似合理的答案要求更高，但也為科學與產業價值提供更清晰的路徑。

自主能力是一整套技術堆疊，而不是一句口號

具備風險韌性的 AI 發展，需要演算法、軟體、資料、算力、人才、工具與部署等多個層面的能力。分散這些能力，可以降低對單一供應商或單一技術路線的依賴；當某個模型表現不如預期，或外部環境出現變化時，整個生態也更有機會維持運作。

三個角色，拼出同一張戰略版圖

智譜 AI、BAAI 與 AISI 處於同一個新興系統中的不同位置：

• 智譜 AI 透過通用模型、程式編寫系統、代理與開發者產品，提供商業化動能。
• BAAI 透過開放研究、人才網絡、基礎模型與開源生態，探索多模態和具身智能的下一步。
• AISI 透過科研基礎設施，把模型與知識、運算、實驗及工程驗證連接起來。

因此，三者的價值是互補，而不是彼此替代。智譜 AI 展示前沿模型如何成為平台；BAAI 展示開放研究如何把能力擴散至更廣泛的社群；AISI 則展示 AI 如何嵌入以材料、實驗或工程系統成果作為衡量標準的工作流程。

更合理的解讀不是「某一個模型已經決定全球 AI 競賽的勝負」，而是下一階段的競爭優勢，可能越來越取決於能否把原創研究樞紐、商業平台、獨立技術能力與跨學科應用串聯起來，形成一個開放且協作的產業生態系。