今天上午，SuperAI 2026在新加坡濱海灣金沙開幕。一萬多人、一千五百家公司、一百五十多個演講嘉賓，門票早就賣完了。
會場裡走一圈，你會發現AI產業鏈的完整程度已經有點像2000年代初的網際網路了——從晶片（NVIDIA、AMD、Cerebras、Groq）到模型（OpenAI、Anthropic、Mistral）到應用（Salesforce、Palantir），再到機器人（波士頓動力、宇樹科技），產業鏈上的每一環都有人在擺攤。
中國企業的存在感不低。華為、騰訊、阿里、字節、宇樹都在展商名單上。
但真正讓我覺得有意思的，不是會場裡在聊什麼——而是會場外正在發生的三件事。
信號一：58%的企業已經在用「物理AI」了
德勤2026企業AI報告裡有一個數據，我覺得被很多人忽略了。
58% → 80%當前58%的企業至少有限使用物理AI（機器人、無人機、IoT+AI），德勤預計兩年內這個比例會到80%
「物理AI」是什麼？不是ChatGPT那種在螢幕上打字聊天的AI，而是能跟物理世界互動的AI——裝配線上的協作機器人、帶自動回應的巡檢無人機、自動分揀的機械臂、能自主調節的能耗系統。
報告裡舉了幾個具體的應用場景：製造業的產線協作機器人已經不算新鮮事了，物流行業的自動叉車和機器人揀選臂在加速滲透，國防和基礎設施領域用上了能自動識別異常的巡檢無人機。在亞太地區，物理AI的落地速度比兩年前快了22個百分點。
這個趨勢對做企業數位化的同行來說，意味著一個變化：以前我們談「數位轉型」，基本是在數位世界裡折騰——ERP、CRM、OA、數據中台。現在AI正在把這些數位系統和物理生產線、倉儲物流、設備運維打通。數位世界和物理世界的邊界在消失。
舉個例子。畢馬威追蹤的製造業案例裡，有一家電子製造企業用AI做智能排程，產線換型時間縮短了42%。這個42%不是「軟體效率提升」，是真金白銀的生產時間省下來了。另一家汽車零部件廠把AI視覺質檢的缺陷檢出率從92%拉到99.7%——同樣，這不是螢幕上的數字，是物理世界裡的良品率在變。
信號二："豆包"進車了，而且不是做語音助手
昨天晚上（6月9日），賽力斯參股的賽豆科技在北京發佈了全新品牌AIVA。說簡單點，就是賽力斯的製造能力 + 寧德時代的電池 + 字節火山引擎的豆包大模型，三方攢了一個叫AIVA的新汽車品牌。
重點不是又多了一個汽車品牌。重點是他們的口號："AI定義汽車，先有AI，再有車"。
AIVA總裁李博在發佈會上的原話：AI會改變人和車的關係——車從工具，變成一個懂你的夥伴。
我翻譯一下這句話的產業含義：豆包大模型在這輛車上不是「附加功能」，不是「你好小迪幫我導航到公司」那種語音助手。它是產品定義的起點。整車從設計階段就是圍繞AI來做的。
這和五年前車企說「我們有智能座艙」是兩回事。那時候是車造好了，往裡塞一塊螢幕和一個語音助手。現在是先有大模型的能力邊界，再決定這輛車該是什麼型態。
對做企業數位化的人而言，這是一個信號——當「豆包」這種通用大模型能進車、進產線、進設備的時候，ERP系統裡的數據孤島就保不住了。你的客戶關係管理、供應鏈、售後維保，都可能被一個能理解上下文、能自動調用多個系統的AI重新串一遍。
不止汽車。德勤數據顯示金融、航空、公共部門都已經在落地類似的模式——AI不再是一個擺在IT部門的工具，而是長進了產品和服務本身。
信號三：會場坐滿只是表面，錢在往哪裡流才是關鍵
SuperAI 2026有兩個數字值得注意：Genesis創業大賽總獎池230萬美元，由OpenAI和Microsoft聯合贊助。NEXT黑客馬拉松獎池20萬美元，AWS和Vercel在背後撐著。
這意味著這些大廠不是在「支持創新」——他們是在搶下一個十年的企業軟體入口。
把SuperAI的參展商名單和德勤、畢馬威報告裡的趨勢放在一起看，能看到一條比較清楚的主線：
| 層次 | 代表企業 | 正在發生的變化 |
|---|---|---|
| 算力層 | NVIDIA, AMD, Cerebras, Groq | 推理成本持續走低，企業自建AI基礎設施的ROI拐點快到了 |
| 模型層 | OpenAI, Anthropic, 豆包, Mistral | 不再卷參數，開始卷"嵌入真實業務流程"的能力 |
| 應用層 | Salesforce、Palantir、SAP | 從「AI功能」轉向「AI原生」——不是給舊軟體加AI，而是用AI重構軟體架構 |
| 物理層 | 波士頓動力，宇樹，富士康 | 機器人+AI不再分家，一個物理動作的背後是數字決策 |
上個月SAP中國峰會剛把「自主運營企業」這個概念正式帶給中國市場——224個AI智能體、知識圖譜驅動的業務地圖、從「記錄業務」到「運營業務」的轉變。我寫過，不重複了。
有意思的是，當SAP在談「自主企業」、德勤在談「物理AI」、賽豆在談「AI定義汽車」、SuperAI在談「AI meets the world」的時候——這些不是同一個行業的事，但它們的底層邏輯完全一樣：AI正在從「選配功能」變成「基礎設施」。
就像二十年前企業不會討論「要不要上ERP」，今天的企業也不會討論「要不要用網際網路」——AI正在走進同一個階段。
對CIO來說，這意味著什麼
我總結三點實操判斷。
第一，重新審視你的技術棧。如果你的企業軟體（ERP、MES、WMS）的AI功能是靠「外掛」疊上去的，不是從架構層長出來的，那未來兩年代價會越來越大。不是說現在就要換系統，但做技術選型的時候，「AI原生架構」應該成為一條硬標準。
第二，物理AI不是機器人的事，是數據的事。德勤說58%的企業已經在用物理AI了。但畢馬威的數據提醒你——76%的企業卡在數據瓶頸上。物理AI能不能跑起來，首先取決於你的設備數據有沒有被採集、格式統不統一、即時性夠不夠。先把產線上的數據管道修好，再談機器人。
第三，別等"行業標準"。AI的基礎設施化速度太快了。等行業協會出標準、等政策文件出指南，你的競爭對手可能已經把三個場景跑通了。找一個小切口先做，拿到數據再擴散——這是目前唯一被驗證有效的路徑。
