2026 年，AI Agent 的竞争主战场正从“底层模型”全面转向“顶层应用”。
伴随技术的演进，从提示词工程（Prompt Engineering）、上下文工程（Context Engineering）、驾驭工程（Harness Engineering）一路迈向循环工程（Loop Engineering），Agent 的能力边界被不断拓宽。当大模型的参数规模与基础能力逐渐趋同，真正决定下一阶段行业格局的，不再是谁的模型更庞大，而是谁能率先打造出 Agent 时代的“杀手级应用”。Agent 的核心价值，正从单纯的“回答问题”跃升至“自主完成任务、持续优化并创造商业价值”，完成从工具到真正生产力的蜕变。
在这一产业拐点之下，7 月 17 日至 18 日，由 CSDN 与奇点智能研究院联合举办的“2026 奇点智能产品大会”拉开帷幕。数百位来自 AI 模型、企业软件、机器人与自动驾驶等领域的从业者齐聚一堂。产业一线的技术专家、创业者与企业家们围绕 AI 重构产品与商业、下一代软件形态、任务编排与组织协同等核心议题展开了热烈交锋与深度探讨。现场交流热烈，观点交锋不断。
01、李建忠：Agent 产品创新的十个命题
作为大会开场嘉宾，奇点智能研究院院长、CSDN 高级副总裁李建忠发表了题为《Agent 产品创新的十个命题》的主题演讲。面对 AI 技术快速演进，他从底层逻辑、产品价值、设计范式、交互方式、商业模式以及技术边界等多个维度，拆解 AI 时代产品创新正在发生的范式变化，并提出重塑产品认知的十个核心命题：
1. 核心逻辑：从连接到计算。
2. 产品价值：从提供工具到交付结果。
3. 产品设计：从“流程体验设计”到“驾驭任务设计”。
4. 人机交互：Agent 占据人机交互第 一入口。
5. 形态演进：Agent 时代，传统软件/App 不会消失，而是演进为即时软件与柔性软件。
6. 指标体系：从用户时长到任务完成。
7. 产品护城河：从网络效应到能力飞轮。
8. 商业模式：从广告/许可到结果/订阅付费。
9. 能力上限：Agentic Scaling（智能体扩展）的杠杆效应远未见顶。
10. 智能本质：Agent 正在从模式匹配走向真实的逻辑推理。
李建忠认为，理解 AI 时代产品创新，首先要认识底层逻辑的变化。传统互联网时代围绕“连接”展开，核心是解决信息与服务匹配问题；而 AI 时代则进入“计算”范式，核心是智能供给。过去是机器提供数据辅助人类决策，而如今则是人类提供上下文，让机器完成任务。
这一变化也重新定义了产品价值。传统软件时代，产品主要提供工具供用户操作，而 AI 产品开始直接交付结果。以 IDE、Office、Photoshop、CRM 等为代表的软件，本质上是能力工具；而 AI Coding、AI Office、AI CRM 则开始直接承担代码编写、文档生成、销售执行等任务。对此，李建忠表示，“AI 时代的产品经理，我认为他是智能劳动系统的设计师。” 相比设计功能和用户流程，更重要的是设计 Agent 如何理解任务、调用能力，并最终完成结果交付。
谈及产品设计的新范式，李建忠指出，AI 产品已经从 Prompt Engineering（提示词工程）、Context Engineering（上下文工程），演进到 Harness Engineering（驾驭工程），并开始迈向 Loop Engineering（循环工程）。他强调，这并非只是工程师的工作，而是产品团队与工程团队共同参与的系统设计。未来产品经理需要围绕 Agent 的完整任务链展开设计，包括上下文、记忆、技能、工具、沙箱以及评估机制，让 Agent 能够完成“知道、行动、反馈”的闭环。
在人机交互方面，李建忠强调，Agent 正在成为新的交互入口。用户通过自然语言提出需求，Agent 自主调用软件完成任务，软件也将从“Design for Human”转向“Design for Agent”。未来应用会进一步服务化、App 不再孤立，我们也无需结构化 UI。同时，传统依赖菜单、表单等结构化界面的交互方式将逐步演进为生成式 UI，根据用户需求动态生成更加个性化的交互体验。
针对“Agent 时代 App 是否会消失”的热门讨论，李建忠给出了否定答案。在他看来，软件基于确定性计算，Agent 基于概率性计算，两者将在未来长期共存。在这一过程中，软件形态也将发生变化，除了传统应用，还会出现“即时软件（Instant Software）”和“柔性软件（Elastic Software）”等新范式，通过 Agent 按需生成更加个性化的应用能力。他认为，这类软件虽然仍存在争议，但正如短视频曾颠覆传统影视行业一样，边缘创新往往孕育着下一代产品机会。
此外，李建忠指出，互联网时代围绕 PV、DAU、用户时长等流量指标建立的方法论，已难以衡量 Agent 产品价值。相比追求用户停留时间，Agent 更强调“用完即走”，真正重要的是任务完成率、单任务价值以及 Token 等计算指标。在他看来，AI 产品的护城河也正在发生变化。互联网时代依赖的是双边市场形成的网络效应，而 Agent 产品更依赖“能力飞轮”，随着记忆、技能、工具和反馈闭环不断积累，Agent 会越用越智能、任务完成率越来越高。他认为，“AI 没有双边网络效应，它真正的护城河是能力飞轮。” 其中，长期记忆将成为决定 Agent 能力跃迁的关键，也是未来竞争的重要方向。
商业模式同样会随着 AI 时代到来发生变化。李建忠表示，AI 正在改变互联网时代“流量变现”的逻辑。过去互联网依靠广告、许可授权和交易佣金等模式实现商业化，但 Agent 时代，用户使用 AI 的核心诉求是解决问题，而不是接受额外推荐。因此，未来 Agent 的商业模式将从流量驱动转向结果驱动，围绕结果付费、订阅服务（Token）和交易佣金等方式实现价值变现。
对于 Agent 的未来上限，李建忠认为，当前 Agent 仍处于早期阶段，能力提升空间巨大。他提出，未来 Agent 的核心突破将来自“Agentic Scaling”，包括协作数量、运行时长和迭代深度三个方向。他表示，当前 Agent 仍处于“婴儿时期”，未来几年 AI 能力演进远未见顶。
针对“Agent 是否具备真正推理能力”的争议，李建忠表示，业界目前仍存在两种观点：一方认为 AI 只是基于数据的模式匹配，另一方则认为其已经具备类似人类的推理能力。他更倾向于后者，并认为模式匹配与逻辑推理并非二元对立，而是存在连续关系。他引用 Anthropic 关于 J-space 的研究指出，大模型的能力并不只是简单预测下一个 Token。在长期语言训练过程中，模型逐渐学习到了语言背后的抽象概念和语义关联，并形成跨语言的概念表示体系。这与人类通过抽象建立认知的过程存在一定相似性。他认为，随着模型能力持续发展，AI 的推理能力仍将不断演进。
AI 全媒体平台“奇点折射”发布
最后，李建忠在大会现场正式发布 AI 全媒体平台“奇点折射”。他表示，“奇点”代表 AI 迈向超越人类智能的关键临界点，“折射”则寓意如同光的折射一般，通过多元视角解构 AI 技术与产品范式，洞察产业创新。未来，“奇点折射”将汇聚行业专家的深度观点，以“跨越 AI 奇点，折射产业未来”为理念，通过全媒体传播持续输出高质量内容，为产业发展带来更多启发与思考。
02、吴甘沙：从自动驾驶到物理AI：从万人出发到孤独的长跑
以《从自动驾驶到物理 AI：从万人出发到孤独的长跑》为题，驭势科技董事长兼 CEO 吴甘沙结合驭势科技近十年的创业历程，分享了自己对于物理 AI 产品、技术演进和商业模式的思考。
他表示，2016 年自动驾驶创业潮兴起时，行业曾有数百家企业同时出发，而十年后的今天，坚持下来的企业已经屈指可数。如今，自动驾驶被赋予了新的名字——物理 AI（Physical AI），但其本质仍然是一场需要长期投入、持续迭代的“孤独长跑”。
吴甘沙认为，与数字世界相比，物理 AI 产品面临着完全不同的挑战：在数字产品中，“99 分”往往已经足够优秀；但对于自动驾驶而言，99 分意味着仍可能发生事故，因此等同于 0 分。
基于十年的创业实践，他提出，物理 AI 的竞争首先要回答一个问题：这究竟是一场速决战还是持久战？他的判断是，自动驾驶和物理 AI 本质上属于长期竞争赛道。行业中的大多数企业都能将产品做到“99 分”，但最后的 1% 往往需要投入 99% 的时间和资源，这也给创业公司留下了持续成长的窗口。
围绕竞争策略，吴甘沙借用了《孙子兵法》和《隆中对》的思想进行分析：
找到“益州”之后，该如何致胜？吴甘沙分享了 PMF（产品市场匹配）的寻找过程——“黄金铲子挖富矿”。市场端要满足人又缺又贵、法规允许、社会支持三重条件；产品端则要看技术是否接近 100 分、成本是否算得过来、事故后果是否可控。
吴甘沙表示，驭势科技找到的“富矿”是机场场景：目前，驭势科技已在国内前 20 大机场中的 15 家，以及全球前 10 大机场中的 3 家实现无人驾驶规模化运营，占据国内机场无人驾驶市场超过九成份额。他强调，真正的产品价值不仅是实现车辆自动驾驶，而是完成挂接、装卸、充电等全流程无人化闭环，真正解决客户问题，才算实现产品与市场的匹配。
那么，完成“益州”深耕后，又要如何谋略“中原”？驭势科技的做法是打造 U-Drive 全场景通用自动驾驶操作系统，覆盖巴士、重卡、环卫车、巡逻车等多车型，用平台化将巨大的固定成本分摊到多个场景。谈及商业模式，他提出，未来物理 AI 不应停留在一次性卖车，而应转向“AI 司机订阅模式”——为车辆持续提供 AI 驾驶能力，并采用按使用时长、运行里程付费的订阅模式，为客户提供长期服务。如吴甘沙所说：“未来卖的不是软件，而是信任。”
在技术演进方面，他认为，近年来具身智能的发展让自动驾驶迎来了新的窗口期。从早期感知算法，到端到端架构，再到融合视觉语言模型（VLM）、视觉语言动作模型（VLA）、强化学习和世界模型。自动驾驶技术路线正在逐渐收敛，也越来越接近人类学习驾驶的过程：预训练相当于积累社会认知，驾校训练类似监督微调（SFT），新手上路则对应强化学习，而熟练驾驶则依赖世界模型与长期经验的积累。
因此，面向未来，吴甘沙分享了驭势科技推进 AI Native 的实践：提出 AI First 理念，在产品研发、企业运营、知识管理等环节全面引入 AI，并自主开发了多 Agent 工程系统“造父”，希望借助 AI 实现从需求定义、任务拆解到持续交付的端到端闭环，进一步提升研发效率和组织杠杆。
“物理世界的 AI 是一场孤独的长跑。”在演讲最后，吴甘沙总结道，长跑者不能追风口，也不能怕孤独，专注于把每一步踩实。当所有人都在谈论奇点，真正改变世界的，是看到奇点前面需要什么样的桥梁，并把它造好。
03、白鸦（朱宁）：让非技术人员完成自己的产品演示和研发
在 AI 浪潮不断深入产业的当下，AI 应用究竟会走向何方？有赞创始人兼 CEO 白鸦（朱宁）在本次大会上发表《让非技术人员完成自己的产品演示和研发》主题演讲，分享了他对 AI 应用演进趋势以及产业落地方向的观察。
白鸦认为，未来几年 AI 应用大致可以划分为以下几个层级：
基于这些判断，有赞也开始探索更高阶的 AI Agent 和 AI 创作方向，并推出了一个对非技术人极其友好的对话编程平台 superun。白鸦回顾，这款产品最初的方向是利用 AI 直接生成设计界面，但经过两年的探索后发现，这条路并不容易走通。“模型今天根本没有 UI 相关的数据，所以没有办法训练出真正好的界面。”
相比之下，大模型在代码生成领域已经积累了大量数据，因此团队最终调整方向，从“AI 设计”转向“AI Coding”，通过自然语言生成代码，再进一步渲染出真实可用的产品界面。这一转变也让白鸦看到了 AI 编程的新机会。
在过去，产品经理、运营人员或者企业管理者提出需求后，需要依赖设计师和程序员完成产品原型，但很多 Demo 只是视觉展示，并不是真正的业务模拟。而 AI Coding 生成的产品，不仅能够还原界面，还可以生成真实的数据、流程和交互效果。“以前设计师做出来的 Demo，除了好看，剩下全是假的。但 AI 今天生成的界面，可以把商品图片、名称、价格都真实呈现出来。”白鸦表示，这让业务人员能够快速验证自己的想法。
在他看来，superun 的核心价值并不是帮助程序员提高效率，而是让过去被技术限制的非技术人员拥有创造软件的能力。“过去几十年的职业生涯，很多业务人员其实一直在被技术绑架。”白鸦说。许多企业管理者和行业专家拥有丰富的业务经验，但由于不会编程，无法直接将自己的想法转化为产品，只能依赖技术团队实现。
为了让非技术人员真正使用 AI 开发产品，superun 进行了大量产品优化，包括引入专业 UI 设计经验、模拟高级产品经理思考方式，并将软件开发流程拆解为“构想、Demo、Coding、上线”等阶段，让用户能够逐步完善自己的作品。
白鸦认为，未来软件行业的主导者可能不再只是程序员，而是那些深度理解业务、能够总结行业规律的人。未来大量固定流程但存在个性化需求的软件，例如企业内部管理、人事、采购、财务等系统，都可能通过 AI 由业务人员自主完成。“外包的软件开发，未来可能会越来越少，因为业务人员自己就可以完成软件重构。”
04、徐欣：模型之外：AI 与业务结合实践分享
围绕《模型之外：AI 与业务结合实践分享》这一主题，快手用户体验部负责人徐欣分享了快手在推动 AI 与业务融合过程中踩过的“坑”，并直面了一个更本质的问题：当 AI 进入真实业务场景，最难的不是模型本身，而是模型之外的团队协作、组织管理和个人认知。
徐欣表示，自 ChatGPT 发布后，快手用户体验部很早便开始探索 AI 在业务中的应用。他们将 AI 的价值划分为三个层次：首先是赋能个人，帮助员工提升工作效率；其次是赋能团队，将流程化、重复性的事务交给 AI 自动完成；最终则是赋能业务，推动企业实现降本增效和业务目标。
然而，对于当时的团队而言，他们面临着一个现实困境：没钱、没卡、没资源，行业普遍在自研大模型时，这条路显然走不通。于是他们反过来盘点了自己真正拥有的东西：上千名一线客服同学、每天数十万条真实咨询数据、完整的研发测试交付闭环。这些资产指向一个结论：不做模型，做调优；不拼算法，拼落地效率和数据闭环。只要有开源模型可用，就能基于业务数据快速迭代。
场景选择上，团队做得非常细致：对于规则明确的问题继续采用传统 NLP，只有上下文模糊、传统方式识别困难的场景才上大模型，把钱花在“刀刃”上。同时严格验证 ROI，按财务口径计算真实节省的人力与时间，并计入产研人力成本，经得起检验——正如徐欣所说：“只有财务口径能够算得过来，项目才具备持续推进的价值。”
在组织协同方面，徐欣分享了一个典型案例。AI 团队与客服团队共同推进项目初期，双方一度陷入互相抱怨：AI 团队认为业务团队没有提供结构化需求，而业务团队则认为 AI 团队不了解真实业务，提出的方案无法落地。问题的根源在于，双方都希望由对方承担跨领域的理解成本。
对此，快手用户体验部重新明确了双方职责：AI 团队必须深入理解业务，而业务团队也不能只做需求提出方，而要主动学习 AI，培养判断哪些工作适合 AI、哪些仍需人工完成的能力。双方共同目标只有一个：拿到 AI 提效的实际结果，用节降数据验收。徐欣透露，这套机制跑通后，截至 2025 年底，快手 AI 客服按严格财务口径累计节降超 1 亿元。
随着 AI 能力不断增强，徐欣认为，企业正迎来新的挑战。一方面，AI 正在模糊各岗位之间的边界，越来越多没有技术背景的业务人员借助 AI 工具，也能独立完成产品原型甚至上线 MVP，这将逐步打破原有的分工合作模式；另一方面，组织内部又面临“个人成长”与“组织效率”之间的新矛盾。
他举例称，在快手用户体验部，一个业务团队希望自主开发 Agent 及相应的开发框架，以积累 AI 能力；而 AI 平台团队则建议直接复用已有框架，避免重复建设。表面上看，这是资源复用的问题，实际上反映的是团队成员希望通过实践提升能力，而组织更强调复用和避免重复建设导向之间的矛盾。
为此，快手用户体验部重新划定了“重复建设”的边界：鼓励各团队围绕不同业务场景自主探索 Agent 和开发工具，但生成后的 Agent、Skill 以及相关能力规范则统一治理，实现可发现、可维护、可复用，既保障创新，又避免重复投入。
除此之外，徐欣还分享了 AI 项目实施中的一些常见误区，包括模型选型“大炮打蚊子”、解决方案偷懒、多个项目重复调用等问题。他表示，一个优秀的 Prompt 与普通 Prompt，成本甚至可能相差 90% 以上，因此模型治理和工程优化同样重要。
在演讲最后，徐欣总结道：企业推进 AI 落地，真正困难的往往不是模型本身，而是模型之外的组织管理、团队协作、人才成长以及业务理解——只有解决这些问题，AI 才能真正转化为推动业务发展的生产力。
05、张帆：从 AI 模型第 一性视角，重构产品设计方法论
从技术视角来看，AI 时代的产品设计的第 一性是什么？元理智能创始人、前智谱 COO 张帆围绕《从AI模型第 一性视角，重构产品设计方法论》这一主题，分享了他对于 AI 产品设计范式变化的思考。
张帆表示，AI 时代的产品设计与过去的软件产品已经发生了根本变化。过去的软件产品本质上类似一个“有限状态机”，产品经理需要提前设想用户需求，尽可能穷举各种功能和流程，并通过明确规则实现交互，整个过程具有较强的确定性。而 AI 产品不同，其底层逻辑来自概率分布。很多 AI 产品看似只有一个输入框，却能够承载远超传统界面的能力。因此，理解 AI 产品的关键，不再是沿用过去确定性的设计方法，而是思考如何影响和塑造模型输出的概率分布。
在张帆看来，产品的本质并非简单的交互界面，而是人与机器之间沟通的方式。过去几十年的产品演进，实际上都围绕两个核心问题展开：人如何更准确地表达意图，以及机器如何更准确地理解和执行。从早期的打孔机、命令行，到图形界面、移动端触控，再到如今的自然语言和多模态交互，技术不断降低人与机器之间的沟通成本，提高信息传递效率。
当前随着大模型出现，人机交互进一步演变为自然语言甚至多模态交互。张帆认为，人机交互的发展始终围绕两个核心因素：一是通信带宽，二是理解效率。正因为如此，AI 时代产品设计的重点正在发生变化。过去，产品更多关注如何帮助用户生产内容，而未来更重要的问题，是如何帮助用户验证内容。
他以内容生产为例指出，如今 AI 生成文章、图片甚至代码已经变得越来越容易，但判断这些结果是否真正有效，反而成为新的挑战。因此，AI 产品的价值不再只是降低用户输入成本，而是帮助用户判断 AI 输出是否符合目标，并通过产品设计提升结果的可靠性。
张帆认为，过去产品设计更像是在绘制一张确定性的地图，通过设计流程和规则覆盖用户需求；而 AI 时代，产品设计的核心则变成了“雕塑概率分布”。产品价值不再来自简单的界面设计，而在于能否通过模型、Agent、业务流程等组合方式，形成区别于通用模型的独特能力。他指出，当前很多 AI 产品的问题在于，将“使用 AI 做出一个产品”本身视为价值。但如果用户通过一句话就能获得同样结果，那么价值实际上属于模型，而不是产品。真正具备竞争力的产品，需要通过数据、流程、反馈机制等方式改变模型输出结果的概率分布，形成自身的业务优势。
进一步来看，AI 产品设计最 大的挑战，是如何在无法穷举所有场景的情况下，让模型持续产生可靠结果。这也是近年来 Evals Engineer（评测工程师）受到关注的原因。相比过去关注如何优化 Prompt，如今更重要的是建立有效的评价机制，通过持续反馈发现问题、优化模型表现。
张帆表示，模型自我进化能力的核心来自“生产”和“验证”的不对称。创造一个优秀结果往往需要大量探索，但判断结果好坏通常更加容易，而验证过程产生的反馈，能够反向推动生产能力提升。这一逻辑已经在 AlphaGo 等系统中得到验证：通过自我探索和自我验证，模型能够突破对人类经验的依赖，实现持续优化。
不过，他也指出，这套方法目前还没有大规模应用到商业场景。而核心原因在于，围棋和真实商业环境存在巨大差异。围棋有明确胜负，代码有测试结果，但营销、销售等复杂业务场景往往涉及多维目标和长期反馈。因此，未来 AI 产品的重要能力，不只是调用通用模型，而是在具体领域中构建有效的“验证器”，让 AI 能够围绕业务目标持续优化。
“AI 时代产品经理的角色也将重新定义”，张帆说道。机器更擅长探索和搜索，而人的价值在于设定方向和边界。“人的作用不是告诉机器每一步怎么做，而是给它设定围栏和指南针。”他表示，过度细化的 Prompt 会限制模型探索空间，而完全开放的环境又可能导致低效探索，优秀的产品设计需要在目标约束和探索能力之间找到平衡。
最终，AI 时代的产品设计，本质上是在模型、Agent、业务流程和交互方式多个层面共同塑造概率分布，让 AI 从一个通用能力变成真正服务具体场景的产品能力。
06、圆桌对话：AI 如何重构产品、组织与商业？如果说以上几位嘉宾的主题演讲，分别从 Agent、物理 AI、组织变革、AI 落地实践等不同角度分享了一线经验，那么随后的圆桌对话，则将讨论进一步聚焦到一个更具共性的命题——AI 正在如何重构产品、组织与商业？
当 AI 从工具走向生产力，产品研发方式、团队协作模式乃至企业竞争逻辑都在发生深刻变化。产品经理是否还会是传统意义上的产品经理？AI 编程会带来怎样的组织重构？当开发门槛不断降低，产品真正的竞争壁垒又将建立在哪里？围绕这些行业普遍关注的问题，在 CSDN&《新程序员》执行总编唐小引的主持下，CSDN 创始人兼董事长蒋涛，驭势科技董事长兼 CEO 吴甘沙，快手用户体验部负责人徐欣，元理智能创始人、前智谱 COO 张帆展开了一场关于 AI 产品未来的深度讨论。
唐小引：第 一问，是大家经常关心的“AI 如何重构产品”。站在今天这个时间点，当人人都能做产品、代码成本趋近于零，未来什么才是真正稀缺的能力？AI 时代的产品经理、产品团队以及创业者，应该如何重新定义产品价值和竞争壁垒？
蒋涛：我认为，AI 正在彻底改变产品研发过程。过去，从想法到代码需要漫长的开发周期，而今天，代码 95% 可由 AI 生成，从思想到代码的创造性过程变得极快，想法的人可以快速进行 AI Coding 实验和验证。未来，一个公司可能只剩下两个人：一个是出想法、定义市场、对最终结果负责的人，也就是新时代的产品经理；另一个就是技术架构师，负责定义技术架构、输入与反馈机制。
不过，AI 改变的是研发效率，并不是产品方法论本身。无论是用户研究、用户故事还是产品体验，这些经典方法依然适用，只是 AI 大幅降低了实践门槛。特别是对于中小企业而言，AI 能帮产品经理补齐过去因资源不足而缺失的能力。
吴甘沙：在我看来，AI 首先降低了创新的门槛。对于大公司来说，他们往往不缺研发能力，而是缺真正有价值的 Idea；对于创业团队而言，AI 让一个好想法更容易变成现实，大幅降低了资源和成本门槛。
与此同时，产品开发流程也发生了巨大变化。过去，编码耗时最长；如今，代码生成越来越快，但验证却变得更加重要，特别是在自动驾驶这样的生产级系统中，真正的挑战是如何保证系统安全可靠。因此，研发资源和时间分配都会发生重构。
另外，当开发越来越容易，产品经理也必须重新思考“护城河”在哪里：界面可以生成，流程可以自动搭建，但真正难以复制的是长期积累的数据、行业经验以及客户沉淀，这些才是未来产品竞争最重要的壁垒。
徐欣：坦白说，我现在还猜不到接下来会怎样变化。但在我看来，未来岗位会逐渐分化成两类：一类是有技术背景的人，他们借助 AI 可以大幅提升研发效率，并解决系统稳定性、性能等更复杂的问题；另一类则是不具备技术背景的人，他们也能借助 AI 独立完成过去需要产品经理和研发共同完成的大量工作。
但无论岗位如何变化，有一件事情始终不会变，那就是产品经理必须始终围绕客户价值思考：用户真正的痛点是什么？怎样以最 低门槛、最高效率把价值交付给用户？AI 只是让从想法到 MVP、再到产品上线的过程越来越快，而最终交付给目标客户的东西，一定是他觉得有用、有价值的。
张帆：今天的产品经理和过去的差别越来越大，过去像“工程师”，而现在更像是“魔法师”。AI 能快速生成产品、代码甚至 Demo，但大家首先要想清楚：哪些价值真正来自自己，哪些只是模型能力的体现。
我认为，未来产品竞争的关键，在于理解通用智能与垂直智能的区别。通用大模型追求的是泛化能力，希望什么问题都能回答；而真正有商业价值的产品，更应该围绕具体场景，打造在特定环境下的最 优解，而不是追求“什么都会”。因此，产品经理真正需要思考的，不是如何与大模型比拼能力，而是如何利用 AI 在特定的业务环境中构建远优于通用智能的垂直能力。这也是 AI 时代产品最核心的竞争力。
唐小引：第二个问题，AI 如何重构组织？当 Agent 开始承担执行，人转向定义目标、提供反馈，传统围绕人际协作建立的流程、岗位和考核体系正在失效。那么，AI 时代的组织应该如何完成“基因改造”，重新定义效率、人才和管理方式？
蒋涛：先看一个现象：像 Cursor、Claude Code 这样的团队，人数并不多，却创造了过去数百人团队才能实现的价值。这说明生产力已经发生质变，一个优秀的产品经理加上 AI，就能够撬动巨大的生产力。
第二个现象是，各大公司 CTO 纷纷跳槽加入 AI 创业公司，为了 Token 自由。过去，科技公司最 大的成本一直是人，而未来真正的 AI 原生企业，核心资源会变成 Token 和算力。而判断一个组织是不是 AI Native，很简单——Token 消耗量要远远大于人员消耗量。未来 AI 原生公司的最 大成本不是人，是算力。
吴甘沙： 我们并不是一步到位成为 AI Native，而是逐步推进的。
首先鼓励管理者和各个部门分析自己的时间分配和核心业务，寻找最值得用 AI 提效的场景，并建立可量化的评估指标。在研发领域，我们正在推广 Harness 环境，让 AI 不只是辅助写代码，而是参与完整的软件交付流程。未来重要的是建立数据和反馈机制，知道 AI 到底在哪些环节产生了价值，并持续优化。除了研发，跨部门协同也是 AI 可以发挥巨大作用的地方。过去企业协作效率低，一个重要原因是知识分布不均、沟通成本高。现在通过统一知识库，每个人都能快速获取信息，并建立共同标准。
当然，目前我们只是迈出了第 一步。未来企业需要构建统一知识库，甚至建立企业运营世界模型，让 AI 更深入参与组织运行。同时，也需要思考如何平衡“超级个体”和“超级团队”之间的关系。
徐欣：我们主要从三个层面推进 AI 落地：
张帆：我想分享一个“反共识”观点：个体效率提升，并不一定意味着组织效率提升。
过去很多管理机制，本质上就是通过一定程度限制个体自由，来提升整体协作效率。例如填写 CRM、提交周报，看似降低个人效率，但保证了组织的信息同步和长期运行。因此，企业评价 AI 应用时，不能只看是否做出了一个炫酷 Demo，而要看是否真正被复用，是否实现了劳动力替代。如果一个 AI 工具不能让一个人完成过去两三个人的工作，或者成本高到无法推广，那再先进的 AI 也没有意义。
我认为，AI 时代组织最 大的挑战是控制“熵增”。过去一个部门建立自己的系统成本很高，所以企业还能保持一定统一性。但现在 AI 降低了开发门槛，如果每个人都随意创建工具、系统和流程，企业反而可能陷入混乱。
所以我极度反对人人都去学 Coding。组织要有明确边界，什么人在什么范围内做什么事。否则完全自由发挥，最终就是短期自嗨，无法转化成真正的效率。
唐小引：第三问，AI 如何重构商业？当 Token 成为新的生产要素，AI 从工具走向生产力，传统的产品形态、收入模式和价值衡量方式正在发生变化。企业应该如何找到 AI 商业化的突破口，并建立面向未来的新增长模式？
蒋涛：我先分享一下 AI 如何发挥作用：第 一个变化，大公司提效会相对慢一些，是因为它本身的内部优化体系已经比较完善了。所以现在 AI 真正能够带来的提升，更多是在过去做不到的事情上。第二个变化，是大模型正在改变企业协作方式。未来，效率的来源不再只是人的分工，而是 Agent 带来的协同效率。人与人的沟通往往需要按天计算，而 Agent 与 Agent 之间的沟通效率可能提升一个数量级。第三个变化，是围绕 Agent 底层能力和工具体系，也就是所谓的 Harness。现在大家关注 AI 带来的效率提升，但更重要的问题是，效率提升之后，最终产出和商业价值是否同步增长。未来，单纯完成任务不再是核心，更重要的是创造什么价值，以及如何将效率转化为业务结果。
从商业角度来看，人与人、人与组织之间的协同工具目前还远未成熟，仍处于持续演化阶段。因此，支撑未来协作方式的底层工具也需要发生变化。未来，原来人与人之间大量沟通和协调的方式，会逐渐转向人与 Agent 协同、Agent 与 Agent 协同。围绕这些新的协作方式，底层工具、组织方法和商业模式都会持续迭代。我认为，这就是 AI 带来的核心变化。
吴甘沙： 其实我们还没有大规模推广这种商业模式，但我认为，十年以后，这会成为一个主要的商业模式。因为我们的目标是未来拥有一百万个 AI 司机，也就是一百万辆搭载 AI 司机的无人车。如果每个 AI 司机一年收取一万元服务费，对应的订阅收入规模可以达到百亿元。不过，这需要一个漫长的过程。今天的商业环境下，客户更习惯于“买硬件”的模式，买车后只承担维修保养成本，还没有形成持续支付订阅费的消费习惯。但我认为，未来商业模式会发生变化。
当然，实现这种模式仍然面临很多挑战。首先，无人车前期硬件成本必须降低，要尽量减少对昂贵传感器的依赖。这意味着供应链管理能力要足够强，要不断把成本打下来。
其次，订阅收入背后还对应大量运营成本。企业左手拿到订阅费，右手还需要投入硬件维修、保养，以及新场景部署等费用。订阅费收入减去这些成本，中间的“剪刀差”才是真正的利润。 所以，订阅费的锚点其实是人的成本，而企业投入的成本则可以通过技术持续优化。我们希望这两者之间的差距越来越大，最终形成更高的利润空间。
整体而言，未来无人车走订阅模式，核心就是两点：第 一，降低前期硬件成本；第二，降低长期运营和运维成本。只有这样，收入和成本之间的“剪刀差”才能不断扩大，最终形成一个更加健康、可持续的商业模式。
徐欣：放到今天来看，这件事已经容易很多了。因为现在模型部署的成本，相比三年前至少下降了十倍，甚至上万倍。大家也不会再执着于一定要做自己的模型，整体门槛低了很多。我觉得，未来商业模式的变化，或者说探索和重构商业最现实的路径，还是提高人的效率，以及降低探索和试错的成本。以前做一次探索，比如开发一个 App、验证一个小场景，至少需要产品、设计、研发三五个人协作。从产品设计到研发落地，即便团队配合顺利，也往往要一两个月才能完成。但今天，一个人就可以独立完成整个过程，实现过去一个十人团队才能达到的产出。
张帆：AI 真正的价值还是体现在商业价值上。大家经常问，AI 到底是泡沫还是革命？今天投入了如此巨额的资本开支（CapEx）和算力，判断标准其实很简单：如果这些 CapEx 所产生的 token 真正转化为业务价值，它就是革命；如果没有，就是泡沫。
那怎么看有没有业务价值？其实也很简单：看看标普 500、沪深 300。再看企业的财报，AI 是否真正影响了企业的核心业务指标。如果还没有进入核心经营环节，它带来的改变就还比较有限。不过，我相信这一切一定会发生。
AI 进入商业之后，很容易陷入一个误区：生产要素发生革命性变化时，商业模式往往不是渐进式升级，而是重构。很多人希望把 AI 当作更高效的工具，就像给马车装上一台更强劲的发动机。但真正的问题不是如何让马车跑得更快，而是如何发明汽车。
真正重要的是理解 AI 的第 一性，理解它会如何改变产业链，以及自己未来会处于什么位置。今天很多人还在原来的路径上借助 AI 不断加固自己的护城河，但回过头才发现，城墙已经变了，原来的护城河也失去了意义。所以，我认为更重要的，不是在旧世界里把事情做得更高效，而是提前判断地表会如何变化，找到未来价值所在的位置，等待那个时代真正到来。这样，才能真正抓住 AI 带来的机会。
唐小引：在变革的前夜，我们应该以怎样的姿态面对 AI？未来又该何去何从？请四位老师用一句话总结。
蒋涛：对结果进行交付，对结果负责。用好当前的 AI ，提升自己的效率。
吴甘沙：从“做以前做不到的事”，迈向“做以前想都不敢想的事”。
徐欣：拥抱 AI。它就像当年的互联网一样，正在全面提升效率。能够身处这样的时代是一种幸运，最重要的是享受技术发展带来的每一个当下。
张帆：「不要用战术上的勤奋掩盖战略上的懒惰」。我们不要盲目追逐每一个热点，也不要低效地停留在学习表层知识，而是真正去思考：AI 时代的第 一性是什么？人与机器应该如何分工？在这样的分工下，我如何才能比别人创造出更好的结果？我觉得，这些问题都需要我们每天不断地反思、不断地思考。
落地、增长与实践：AI 产品的关键命题都在这里
在主论坛之外，关于 AI 产品创新的讨论进一步延伸到不同产业场景。对于开发者、产品经理和企业负责人而言，AI 落地不再只是一次技术升级，而是一场围绕产品形态、研发方式、组织协作和商业模式的系统性探索。本次大会特别设置了 Agent 智能体产品与创新、AI 驱动的软件生产力革命、具身智能与硬件产品、人机协同的体验与交互设计、企业级 AI 产品从辅助到决策智能、AI 原生的组织与战略、多模态与生成式 AI 产品，以及 AI+行业应用落地实践等主题论坛，尝试拆解 AI 从能力到产品的关键环节。
07、Agent 智能体产品与创新
当 Agent 不再只是完成一次问答，而是需要持续规划、调用工具并交付结果时，下一代智能体产品究竟需要具备怎样的能力？ 从单轮交互到复杂任务执行，Agent 的产品化仍面临诸多挑战：如何构建稳定的上下文管理机制，如何解决长任务中的记忆与协作问题，如何在模型能力边界内保证执行可靠性，以及如何找到真正具备商业价值的应用场景。
本次论坛围绕 Agent 智能体产品与创新展开深入讨论，剖析智能体从技术能力走向实际应用过程中涉及的关键链条。来自久痕科技、北京大学、趣丸科技、云蝠智能、句子互动的五位技术专家，分享了在上下文基础设施、多智能体协同、企业级应用落地以及 AI 原生组织变革等方向的探索经验，探讨 Agent 如何从“能对话”进一步走向“能工作、能创造价值”。
智能体上下文基础设施
AI 的“空性”与商业的未来一体
重估一切，第四次文艺复兴——2026 AI 上半年观察
从员工提效到组织重构：VoiceAgent 背后的 AI 原生变革复盘
硅谷最火的岗位 FDE——按结果交付 AI 员工的三年实践
08、AI 驱动的软件生产力革命
软件开发正在经历一次生产方式的重构。从辅助编写代码，到参与需求理解、方案设计、测试验证乃至系统维护，AI 正逐步进入软件研发的完整链路。面对开发流程、协作模式和组织效率的全面变化，如何让 AI 真正融入研发体系，释放工程生产力，成为企业和开发者共同关注的问题。
在「AI 驱动的软件生产力革命」主题论坛中，来自 TRAE、百度秒哒、Qoder、蚂蚁灵光等 AI 应用与研发工具领域的产品负责人，围绕 AI 如何重塑软件研发流程展开分享。从企业工作流变革、AI Native 研发组织建设，到低门槛应用开发与 Coding Agent 的产品实践，嘉宾们结合真实案例，探讨 AI 如何推动软件生产方式持续演进。
TRAE WORK：面向企业工作流变革的产品实践
人人都是创造者，让想象力释放无限生产力
Qoder：企业研发效率跃迁与 AI Native 组织实践
灵光：打造人人会用的Coding Agent
09、具身智能与硬件产品
从人形机器人到 AI 眼镜，智能硬件正在成为大模型能力延伸的重要入口。但要实现从“会感知、会交互”到“能执行任务、创造价值”，仍需要突破技术成熟度、产品形态、应用场景和商业化落地等多重挑战。
本论坛中，来自宇树科技、智元机器人、李未可、科大讯飞、Rokid 等企业的产品负责人，围绕人形机器人商业化、AI 眼镜产品创新以及具身智能落地路径展开分享。他们结合实际产品研发经验，深入探讨机器人如何从展示走向应用，AI 眼镜如何构建新的交互入口，以及智能硬件如何在全球市场中寻找可持续发展的产品模式。
从“会动”到“能干活”：人形机器人商业化落地的真实堵点与破局
WakeeMemory——基于现实记忆为核心的 AI 眼镜 OS
人形机器人的「远征」之路
从「大模型」到「具身化」：AI 眼镜的场景拆解与硬件重构思路
从准入到可持续：AI 眼镜海外产品从 0 到 1 实战
10、人机协同的体验与交互设计
当 AI 从一个隐藏在产品背后的能力，走向用户直接面对的“智能伙伴”，产品体验设计正在迎来一次新的范式变化。过去，设计师关注的是页面布局、操作路径和功能效率；而在 Agent 时代，设计需要回答新的问题：如何让用户理解 AI、信任 AI，并与 AI 建立高效协作关系。
为此，本专题聚焦“人机协同的体验与交互设计”这一主题，汇聚了来自微软、字节跳动扣子 Coze、NoDesk AI 的一线产品设计与管理专家，一同拆解人机协同的最新前沿。从 AI 时代设计者能力体系的重构，到 Agent Native 组织中的全新协作方式，再到 AI Team Agent 带来的产品交互升级，这些探索共同呈现了未来产品设计如何围绕“人机共创”展开，重新思考人与 AI 的关系。
产品设计者的 AI 全栈时代：观察、工具、框架
「扣子3.0」：开启新一代 AI Team Agent 协作时代
企业级 Agent 从“能用”到“好用”的产品实战
11、企业级 AI 产品：从辅助到决策智能
过去，企业关注的是如何让 AI 提升单点效率；如今，新的挑战在于如何让 AI 真正融入业务流程，具备稳定运行、持续优化和创造业务价值的能力——从“会回答”到“会行动”，再到“参与决策”，企业级 AI 产品正在迎来新的演进阶段。
在本专题中，来自京东、HeyBoss、AgentRun、360 的多位产品与技术专家，共同直面企业级落地的“最后一公里”难题。他们结合企业级 Agent、AI 原生消费体验、智能体工程化落地等实践，带来了 AI 产品从能力构建到规模应用的关键探索。这些真实业务场景中的案例与思考，系统性地回答了一个问题：当 AI 走出对话框，它如何真正成为企业运转的“决策脑”与“执行手”。
AI 原生购物：走向更接近真实的决策体验
Agent Native 组织：当 Agent 开始管理 Agent
Loop 不是终点：Agent 如何真正上线
从“会回答”到“会决策”：360 企业级 Agent 本体架构与落地实践
12、AI 原生的组织、产品与战略
AI 正在重塑企业的不只是产品，更是组织本身。当模型逐渐成为新的生产力，产品形态、团队协作方式和业务决策逻辑都在发生改变，而如何重新定义团队、产品与战略，也成为每一家企业迈向 AI 时代必须思考的问题。
基于“AI 原生的组织、产品与战略”这一主题，本专题邀请了来自 Ingora、OpenHex、YouMind、蚂蚁、北京小瞳咨询、360、金山办公等企业的一线实践者与产品负责人，他们结合自身实践，分享了 AI 时代组织变革、产品创新与战略升级的最新探索。从 AI 原生公司的构建，到智能体驱动的新型协作模式；从模型驱动的产品体系，到 AI 时代的数据决策与产品管理实践，这些分享共同勾勒出了一个清晰信号：AI 正在把“如何做产品、如何建组织、如何定战略”这三件事，重新拧在一起。
打造 AI 原生公司：从知识、战略到代码的持续闭环
从“帮你干活”到"替你出面"：能派出去的 AI 数字员工
当效率 10 倍提升后，一家 AI 创业公司的产研协作实践与反思
打造以模型为核心的 Model as Product（MAP）团队
AI 时代的数据决策：从业务直觉到因果推断
从 People Teams 到 Agent Teams，AI-Native 组织协作变革及产品实践
Token 烧得越多人越累？被困在 AI 提效运动里的产品经理
13、多模态与生成式 AI 产品
大模型时代，打造一款 AI 产品早已不只是接入模型这么简单。从 Agent 的效果如何量化，到复杂工作流如何稳定运行，再到多个智能体如何协同治理，产品竞争正从模型能力延伸到工程能力、运营能力和企业级落地能力。真正优秀的 AI 产品，不仅要回答"能不能做"，更要回答"如何持续做好"。
为此，本专题聚焦多模态与生成式 AI 产品的关键实践，并邀请了来自昆仑万维、阶跃星辰、阿里云的三位产品专家，分享 AI 产品从设计到落地的核心经验：既有 Agent 度量体系的构建方法与踩坑复盘，也有 Loop 工程在真实业务中的最 佳实践，以及企业级多智能体治理与协作体系的探索。这些分享可以帮助开发者与产品团队理解，如何让 AI 产品从单点能力走向稳定、可扩展、可持续演进的智能系统。
如何打造好的 Agent 度量框架及踩坑指南
Loop 工程在阶跃的最 佳实践
企业级多智能体治理与协作实践
14、AI+ 行业应用落地实践
当 AI 真正走进企业，竞争比拼的已不只是模型能力，而是谁能率先将 AI 转化为业务价值。但如何让 AI 深度融入业务流程，真正提升效率、创造增长，并形成可持续的竞争优势，依然是企业落地过程中最关键的课题。
围绕“AI+行业应用落地实践”这一主题，本专题邀请了来自度小满、网易有道、京东、平安科技的四位产品与技术负责人，围绕金融、教育、零售、企业服务等典型场景，分享 AI 落地的真实经验。从 Agent 自进化驱动智能客服升级，到教育产品构建 AI 竞争壁垒；从 AI 人机共创激发零售创新，到智能服务体系的全面重塑，这些实践展现了 AI 将如何从技术能力走向产业价值。
Agent 自进化与度小满智能客服的探索落地之路
教育产品的 AI 应用三层演进：从工具突破到竞争壁垒的构建
AI 创新商品——人机共创，驱动零售增长
AI 重塑服务范式：平安的探索与实践
两日思想碰撞，共探 AI 产品创新新方向
至此，2026 奇点智能产品大会圆满结束。在此特别感谢乐奇 Rokid、人民邮电出版社异步社区、清华大学出版社、电子工业出版社博文视点等合作伙伴对本次大会的鼎力支持。
两天时间里，来自 AI、企业软件、硬件及产业一线的实践者齐聚现场。从主论坛对 Agent 时代商业逻辑与产品范式的宏观探讨，到八大分论坛对智能体基建、软件生产力革命、具身智能以及企业级 AI 落地的微观拆解，大会完整呈现了 AI 从底层技术走向实际产品价值的演变过程。
贯穿全场的一个清晰共识是：AI 产业的竞争逻辑已经发生转变，正式进入注重落地实践与长期商业回报（ROI）的新阶段。不论是 Agent 如何突破单体局限真正承担复杂任务，企业如何从“打磨效率工具”转向“按结果交付数字员工”，还是智能硬件如何跨越数据瓶颈连接物理世界。未来的行业护城河不再仅仅取决于模型能力本身，更考验产品设计、任务编排、工程稳定性以及对垂直产业的深度理解。
面向未来，AI 产品创新仍有广阔的探索空间。随着模型能力的持续演进、基础设施的不断完善，以及更多真实业务场景的开放，如何打造真正解决用户痛点的 AI 产品，如何让 AI 深度重塑现有组织与业务流程，依然是全行业需要持续攻坚的核心命题。2026 奇点智能产品大会所汇聚的一线实践与思考，也将为从业者继续探索下一代 AI 产品的演进方向提供扎实的参考。
贯穿全场的一个清晰共识是：AI 产业的竞争逻辑已经发生转变，正式进入注重落地实践与长期商业回报（ROI）的新阶段。不论是 Agent 如何突破单体局限真正承担复杂任务，企业如何从“打磨效率工具”转向“按结果交付数字员工”，还是智能硬件如何跨越数据瓶颈连接物理世界。未来的行业护城河不再仅仅取决于模型能力本身，更考验产品设计、任务编排、工程稳定性以及对垂直产业的深度理解。
现场花絮
在此特别感谢乐奇 Rokid、人民邮电出版社异步社区、清华大学出版社、电子工业出版社博文视点等合作伙伴对本次大会的鼎力支持。
