【TechWeb】1 月 8 日消息， 今日，北京智源人工智能研究院 （以下简称 「智源研究院」） 发布年度报告 《2026 十大 AI 技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。
开场致辞中，智源研究院理事长黄铁军分享了他的技术趋势观察：AI 的发展要重视 「结构决定功能，功能塑造结构」 的相互作用。当前人工智能正从功能模仿转向理解物理世界规律，这一根本转变意味着 AI 正褪去早期狂热，其发展路径日益清晰，即真正融入实体世界，解决系统性挑战。
随后, 智源研究院院长王仲远发布了十大 AI 技术趋势，详细阐释了这一变革。基础模型的竞争，焦点已从 「参数有多大」 转变为 「能否理解世界如何运转」。他指出：我们正从 「预测下一个词」 跨越到 「预测世界的下一个状态」。这标志着以 「Next-State Prediction」（NSP） 为代表的新范式，正推动 AI 从数字空间的 「感知」 迈向物理世界的 「认知」 与 「规划」。
报告认为，2026 年将是 AI 从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这一转变由三条清晰的主线驱动：
首先，是认知范式的 「升维」。以世界模型和 NSP 为核心，AI 开始学习物理规律，这为自动驾驶仿真、机器人训练等复杂任务提供全新的 「认知」 基础，成为国内外领先模型厂商竞相布局的战略高地。
其次，是智能形态的 「实体化」 与 「社会化」。智能正从软件走向实体，从单体走向协同。头部科技公司的人形机器人正进入真实生产场景，标志着 「具身智能」 走出实验室。同时，主流 Agent 通信协议的标准化，让多智能体 （MAS） 能够以 「团队」 形式攻克科研、工业等复杂任务流。
最后，是价值兑现的 「双轨应用」。在消费端，一个 「All in One」 的超级应用入口正在形成，国内外科技巨头基于各自生态积极构建一体化 AI 门户。在企业端，经历早期概念验证的 「幻灭期」 后，AI 正凭借更好的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品。
趋势 1：世界模型成为 AGI 共识方向，Next-State Prediction 或成新范式
行业共识正从语言模型转向能理解物理规律的多模态世界模型。从 「预测下一个词」 到 「预测世界下一状态」，NSP 范式标志着 AI 开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动 AI 从感知走向真正的认知与规划。
趋势 2：具身智能迎来行业 「出清」，产业应用迈入广泛工业场景
具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于 2026 年突破 Demo，转向真实的工业与服务场景。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。
趋势 3：多智能体系统决定应用上限，Agent 时代的 「TCP/IP」 初具雏形
复杂问题的解决依赖多智能体协同。随着 MCP、A2A 等通信协议趋于标准化，智能体间拥有了通用 「语言」。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。
趋势 4：AI Scientist 成为 AI4S 北极星，国产科学基础模型悄然孕育
AI 在科研中的角色正从辅助工具升级为自主研究的 「AI 科学家」。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。
趋势 5：AI 时代的新 「BAT」 趋于明确，垂直赛道仍有高盈利玩法
C 端 AI 超级应用的 「All in One」 入口成为巨头角逐焦点。海外以 OpenAI 的 ChatGPT 与 Google Gemini 为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态 AI 助手 「灵光」 与 AI 健康应用 「蚂蚁阿福」，分别在超级应用与健康垂直领域进行探索。AI 时代的 「新 BAT」 格局正在形成。
趋势 6：产业应用滑向 「幻灭低谷期」，2026H2 迎来 「V 型」 反转
企业级 AI 应用在经历概念验证热潮后，因数据、成本等问题正步入 「幻灭低谷期」。但随着数据治理与工具链成熟，预计 2026 年下半年将迎来转折，一批真正可衡量价值的 MVP 产品将在垂直行业规模落地。
趋势 7：合成数据占比攀升，有望破除 「2026 年枯竭魔咒」
高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。「修正扩展定律」 为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。
趋势 8：推理优化远未触顶，「技术泡沫」 是假命题
推理效率仍是 AI 大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是 AI 普惠的关键前提。
趋势 9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠
为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源 FlagOS 为代表的平台，致力于构建软硬解耦、开放普惠的 AI 算力底座。
趋势 10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防
AI 安全风险已从 「幻觉」 演变为更隐蔽的 「系统性欺骗」。技术上，Anthropic 的回路追踪研究致力于从内部理解模型机理；OpenAI 推出自动化安全研究员。产业上，安全水位成为落地生死线，蚂蚁集团构建 「对齐-扫描-防御」 全流程体系，推出智能体可信互连技术 （ASL） 及终端安全框架 gPass；智源研究院联合全球学者发布 AI 欺骗系统性国际报告，警示前沿风险。安全正内化为 AI 系统的免疫基因。
【TechWeb】1 月 8 日消息， 今日，北京智源人工智能研究院 （以下简称 「智源研究院」） 发布年度报告 《2026 十大 AI 技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。
开场致辞中，智源研究院理事长黄铁军分享了他的技术趋势观察：AI 的发展要重视 「结构决定功能，功能塑造结构」 的相互作用。当前人工智能正从功能模仿转向理解物理世界规律，这一根本转变意味着 AI 正褪去早期狂热，其发展路径日益清晰，即真正融入实体世界，解决系统性挑战。
随后, 智源研究院院长王仲远发布了十大 AI 技术趋势，详细阐释了这一变革。基础模型的竞争，焦点已从 「参数有多大」 转变为 「能否理解世界如何运转」。他指出：我们正从 「预测下一个词」 跨越到 「预测世界的下一个状态」。这标志着以 「Next-State Prediction」（NSP） 为代表的新范式，正推动 AI 从数字空间的 「感知」 迈向物理世界的 「认知」 与 「规划」。
报告认为，2026 年将是 AI 从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这一转变由三条清晰的主线驱动：
首先，是认知范式的 「升维」。以世界模型和 NSP 为核心，AI 开始学习物理规律，这为自动驾驶仿真、机器人训练等复杂任务提供全新的 「认知」 基础，成为国内外领先模型厂商竞相布局的战略高地。
其次，是智能形态的 「实体化」 与 「社会化」。智能正从软件走向实体，从单体走向协同。头部科技公司的人形机器人正进入真实生产场景，标志着 「具身智能」 走出实验室。同时，主流 Agent 通信协议的标准化，让多智能体 （MAS） 能够以 「团队」 形式攻克科研、工业等复杂任务流。
最后，是价值兑现的 「双轨应用」。在消费端，一个 「All in One」 的超级应用入口正在形成，国内外科技巨头基于各自生态积极构建一体化 AI 门户。在企业端，经历早期概念验证的 「幻灭期」 后，AI 正凭借更好的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品。
趋势 1：世界模型成为 AGI 共识方向，Next-State Prediction 或成新范式
行业共识正从语言模型转向能理解物理规律的多模态世界模型。从 「预测下一个词」 到 「预测世界下一状态」，NSP 范式标志着 AI 开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动 AI 从感知走向真正的认知与规划。
趋势 2：具身智能迎来行业 「出清」，产业应用迈入广泛工业场景
具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于 2026 年突破 Demo，转向真实的工业与服务场景。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。
趋势 3：多智能体系统决定应用上限，Agent 时代的 「TCP/IP」 初具雏形
复杂问题的解决依赖多智能体协同。随着 MCP、A2A 等通信协议趋于标准化，智能体间拥有了通用 「语言」。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。
趋势 4：AI Scientist 成为 AI4S 北极星，国产科学基础模型悄然孕育
AI 在科研中的角色正从辅助工具升级为自主研究的 「AI 科学家」。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。
趋势 5：AI 时代的新 「BAT」 趋于明确，垂直赛道仍有高盈利玩法
C 端 AI 超级应用的 「All in One」 入口成为巨头角逐焦点。海外以 OpenAI 的 ChatGPT 与 Google Gemini 为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态 AI 助手 「灵光」 与 AI 健康应用 「蚂蚁阿福」，分别在超级应用与健康垂直领域进行探索。AI 时代的 「新 BAT」 格局正在形成。
趋势 6：产业应用滑向 「幻灭低谷期」，2026H2 迎来 「V 型」 反转
企业级 AI 应用在经历概念验证热潮后，因数据、成本等问题正步入 「幻灭低谷期」。但随着数据治理与工具链成熟，预计 2026 年下半年将迎来转折，一批真正可衡量价值的 MVP 产品将在垂直行业规模落地。
趋势 7：合成数据占比攀升，有望破除 「2026 年枯竭魔咒」
高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。「修正扩展定律」 为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。
趋势 8：推理优化远未触顶，「技术泡沫」 是假命题
推理效率仍是 AI 大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是 AI 普惠的关键前提。
趋势 9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠
为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源 FlagOS 为代表的平台，致力于构建软硬解耦、开放普惠的 AI 算力底座。
趋势 10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防
AI 安全风险已从 「幻觉」 演变为更隐蔽的 「系统性欺骗」。技术上，Anthropic 的回路追踪研究致力于从内部理解模型机理；OpenAI 推出自动化安全研究员。产业上，安全水位成为落地生死线，蚂蚁集团构建 「对齐-扫描-防御」 全流程体系，推出智能体可信互连技术 （ASL） 及终端安全框架 gPass；智源研究院联合全球学者发布 AI 欺骗系统性国际报告，警示前沿风险。安全正内化为 AI 系统的免疫基因。
【TechWeb】1 月 8 日消息， 今日，北京智源人工智能研究院 （以下简称 「智源研究院」） 发布年度报告 《2026 十大 AI 技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。
开场致辞中，智源研究院理事长黄铁军分享了他的技术趋势观察：AI 的发展要重视 「结构决定功能，功能塑造结构」 的相互作用。当前人工智能正从功能模仿转向理解物理世界规律，这一根本转变意味着 AI 正褪去早期狂热，其发展路径日益清晰，即真正融入实体世界，解决系统性挑战。
随后, 智源研究院院长王仲远发布了十大 AI 技术趋势，详细阐释了这一变革。基础模型的竞争，焦点已从 「参数有多大」 转变为 「能否理解世界如何运转」。他指出：我们正从 「预测下一个词」 跨越到 「预测世界的下一个状态」。这标志着以 「Next-State Prediction」（NSP） 为代表的新范式，正推动 AI 从数字空间的 「感知」 迈向物理世界的 「认知」 与 「规划」。
报告认为，2026 年将是 AI 从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这一转变由三条清晰的主线驱动：
首先，是认知范式的 「升维」。以世界模型和 NSP 为核心，AI 开始学习物理规律，这为自动驾驶仿真、机器人训练等复杂任务提供全新的 「认知」 基础，成为国内外领先模型厂商竞相布局的战略高地。
其次，是智能形态的 「实体化」 与 「社会化」。智能正从软件走向实体，从单体走向协同。头部科技公司的人形机器人正进入真实生产场景，标志着 「具身智能」 走出实验室。同时，主流 Agent 通信协议的标准化，让多智能体 （MAS） 能够以 「团队」 形式攻克科研、工业等复杂任务流。
最后，是价值兑现的 「双轨应用」。在消费端，一个 「All in One」 的超级应用入口正在形成，国内外科技巨头基于各自生态积极构建一体化 AI 门户。在企业端，经历早期概念验证的 「幻灭期」 后，AI 正凭借更好的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品。
趋势 1：世界模型成为 AGI 共识方向，Next-State Prediction 或成新范式
行业共识正从语言模型转向能理解物理规律的多模态世界模型。从 「预测下一个词」 到 「预测世界下一状态」，NSP 范式标志着 AI 开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动 AI 从感知走向真正的认知与规划。
趋势 2：具身智能迎来行业 「出清」，产业应用迈入广泛工业场景
具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于 2026 年突破 Demo，转向真实的工业与服务场景。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。
趋势 3：多智能体系统决定应用上限，Agent 时代的 「TCP/IP」 初具雏形
复杂问题的解决依赖多智能体协同。随着 MCP、A2A 等通信协议趋于标准化，智能体间拥有了通用 「语言」。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。
趋势 4：AI Scientist 成为 AI4S 北极星，国产科学基础模型悄然孕育
AI 在科研中的角色正从辅助工具升级为自主研究的 「AI 科学家」。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。
趋势 5：AI 时代的新 「BAT」 趋于明确，垂直赛道仍有高盈利玩法
C 端 AI 超级应用的 「All in One」 入口成为巨头角逐焦点。海外以 OpenAI 的 ChatGPT 与 Google Gemini 为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态 AI 助手 「灵光」 与 AI 健康应用 「蚂蚁阿福」，分别在超级应用与健康垂直领域进行探索。AI 时代的 「新 BAT」 格局正在形成。
趋势 6：产业应用滑向 「幻灭低谷期」，2026H2 迎来 「V 型」 反转
企业级 AI 应用在经历概念验证热潮后，因数据、成本等问题正步入 「幻灭低谷期」。但随着数据治理与工具链成熟，预计 2026 年下半年将迎来转折，一批真正可衡量价值的 MVP 产品将在垂直行业规模落地。
趋势 7：合成数据占比攀升，有望破除 「2026 年枯竭魔咒」
高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。「修正扩展定律」 为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。
趋势 8：推理优化远未触顶，「技术泡沫」 是假命题
推理效率仍是 AI 大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是 AI 普惠的关键前提。
趋势 9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠
为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源 FlagOS 为代表的平台，致力于构建软硬解耦、开放普惠的 AI 算力底座。
趋势 10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防
AI 安全风险已从 「幻觉」 演变为更隐蔽的 「系统性欺骗」。技术上，Anthropic 的回路追踪研究致力于从内部理解模型机理；OpenAI 推出自动化安全研究员。产业上，安全水位成为落地生死线，蚂蚁集团构建 「对齐-扫描-防御」 全流程体系，推出智能体可信互连技术 （ASL） 及终端安全框架 gPass；智源研究院联合全球学者发布 AI 欺骗系统性国际报告，警示前沿风险。安全正内化为 AI 系统的免疫基因。
【TechWeb】1 月 8 日消息， 今日，北京智源人工智能研究院 （以下简称 「智源研究院」） 发布年度报告 《2026 十大 AI 技术趋势》。报告指出，人工智能的演进核心正发生关键转移：从追求参数规模的语言学习，迈向对物理世界底层秩序的深刻理解与建模，行业技术范式迎来重塑。
开场致辞中，智源研究院理事长黄铁军分享了他的技术趋势观察：AI 的发展要重视 「结构决定功能，功能塑造结构」 的相互作用。当前人工智能正从功能模仿转向理解物理世界规律，这一根本转变意味着 AI 正褪去早期狂热，其发展路径日益清晰，即真正融入实体世界，解决系统性挑战。
随后, 智源研究院院长王仲远发布了十大 AI 技术趋势，详细阐释了这一变革。基础模型的竞争，焦点已从 「参数有多大」 转变为 「能否理解世界如何运转」。他指出：我们正从 「预测下一个词」 跨越到 「预测世界的下一个状态」。这标志着以 「Next-State Prediction」（NSP） 为代表的新范式，正推动 AI 从数字空间的 「感知」 迈向物理世界的 「认知」 与 「规划」。
报告认为，2026 年将是 AI 从数字世界迈入物理世界、从技术演示走向规模价值的关键分水岭。这一转变由三条清晰的主线驱动：
首先，是认知范式的 「升维」。以世界模型和 NSP 为核心，AI 开始学习物理规律，这为自动驾驶仿真、机器人训练等复杂任务提供全新的 「认知」 基础，成为国内外领先模型厂商竞相布局的战略高地。
其次，是智能形态的 「实体化」 与 「社会化」。智能正从软件走向实体，从单体走向协同。头部科技公司的人形机器人正进入真实生产场景，标志着 「具身智能」 走出实验室。同时，主流 Agent 通信协议的标准化，让多智能体 （MAS） 能够以 「团队」 形式攻克科研、工业等复杂任务流。
最后，是价值兑现的 「双轨应用」。在消费端，一个 「All in One」 的超级应用入口正在形成，国内外科技巨头基于各自生态积极构建一体化 AI 门户。在企业端，经历早期概念验证的 「幻灭期」 后，AI 正凭借更好的数据治理与行业标准接口，在垂直领域孕育出真正可衡量商业价值的产品。
趋势 1：世界模型成为 AGI 共识方向，Next-State Prediction 或成新范式
行业共识正从语言模型转向能理解物理规律的多模态世界模型。从 「预测下一个词」 到 「预测世界下一状态」，NSP 范式标志着 AI 开始掌握时空连续性与因果关系。以智源悟界多模态世界模型为代表验证了这一路径，推动 AI 从感知走向真正的认知与规划。
趋势 2：具身智能迎来行业 「出清」，产业应用迈入广泛工业场景
具身智能正脱离实验室演示，进入产业筛选与落地阶段。随着大模型与运动控制、合成数据结合，人形机器人将于 2026 年突破 Demo，转向真实的工业与服务场景。具备闭环进化能力的企业将在这一轮商业化竞争中胜出。
趋势 3：多智能体系统决定应用上限，Agent 时代的 「TCP/IP」 初具雏形
复杂问题的解决依赖多智能体协同。随着 MCP、A2A 等通信协议趋于标准化，智能体间拥有了通用 「语言」。多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施。
趋势 4：AI Scientist 成为 AI4S 北极星，国产科学基础模型悄然孕育
AI 在科研中的角色正从辅助工具升级为自主研究的 「AI 科学家」。科学基础模型与自动化实验室的结合，将极大加速新材料与药物研发。报告强调，我国需整合力量，加快构建自主的科学基础模型体系。
趋势 5：AI 时代的新 「BAT」 趋于明确，垂直赛道仍有高盈利玩法
C 端 AI 超级应用的 「All in One」 入口成为巨头角逐焦点。海外以 OpenAI 的 ChatGPT 与 Google Gemini 为引领，通过深度集成各类服务，塑造了一体化智能助手的新范式；国内字节、阿里、蚂蚁等依托生态积极布局。其中，蚂蚁推出的全模态 AI 助手 「灵光」 与 AI 健康应用 「蚂蚁阿福」，分别在超级应用与健康垂直领域进行探索。AI 时代的 「新 BAT」 格局正在形成。
趋势 6：产业应用滑向 「幻灭低谷期」，2026H2 迎来 「V 型」 反转
企业级 AI 应用在经历概念验证热潮后，因数据、成本等问题正步入 「幻灭低谷期」。但随着数据治理与工具链成熟，预计 2026 年下半年将迎来转折，一批真正可衡量价值的 MVP 产品将在垂直行业规模落地。
趋势 7：合成数据占比攀升，有望破除 「2026 年枯竭魔咒」
高质量真实数据面临枯竭，合成数据正成为模型训练的核心燃料。「修正扩展定律」 为其提供了理论支撑。尤其在自动驾驶和机器人领域，由世界模型生成的合成数据，将成为降低训练成本、提升性能的关键资产。
趋势 8：推理优化远未触顶，「技术泡沫」 是假命题
推理效率仍是 AI 大规模应用的核心瓶颈与竞争焦点。通过算法创新与硬件变革，推理成本持续下降，能效比不断提升。这使得在资源受限的边缘端部署高性能模型成为可能，是 AI 普惠的关键前提。
趋势 9：开源编译器生态汇聚众智，异构全栈底座引领算力普惠
为打破算力垄断与供应风险，构建兼容异构芯片的软件栈至关重要。繁荣的算子语言与趋于收敛的编译器技术正在降低开发门槛。以智源 FlagOS 为代表的平台，致力于构建软硬解耦、开放普惠的 AI 算力底座。
趋势 10：从幻觉到欺骗，AI 安全迈向机制可解释与自演化攻防
AI 安全风险已从 「幻觉」 演变为更隐蔽的 「系统性欺骗」。技术上，Anthropic 的回路追踪研究致力于从内部理解模型机理；OpenAI 推出自动化安全研究员。产业上，安全水位成为落地生死线，蚂蚁集团构建 「对齐-扫描-防御」 全流程体系，推出智能体可信互连技术 （ASL） 及终端安全框架 gPass；智源研究院联合全球学者发布 AI 欺骗系统性国际报告，警示前沿风险。安全正内化为 AI 系统的免疫基因。
