2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC）上，数百款大模型集中亮相，头部企业推动模型智能化边界拓展的趋势愈发显著。Kimi K3发布的2.8万亿参数模型成为焦点，其规模引发行业对参数与智能化关系的重新审视。多位参会者向媒体表示，更大参数量推动模型能力跃升的路径已得到验证，这一趋势正在重塑AI竞争格局。
美国投资机构Atreides Management首席投资官Gavin Baker指出，K3的发布可能打破头部实验室对AI生态的垄断格局。他认为，该模型将削弱2-3家掌握90%推理利润率企业的优势，为全球多数企业创造发展机遇。这一观点得到行业广泛共鸣，WAIC现场虽未密集发布新模型，但多家企业透露，下一代产品参数量突破2万亿将成为标配。
MiniMax的规划颇具代表性。其此前发布的4280亿参数模型M3因性能均衡未引发轰动，而下一代M3 Pro将参数量提升至2万亿级，重点强化复杂推理与多步骤智能体任务。公司负责人坦言，跟随Anthropic的技术路径是缩小差距的最快方式。Anthropic的实践印证了这一策略——从Claude Sonnet到Fable 5，参数规模与能力边界同步扩张的路径已被市场接受。
科大讯飞将模型分为两类：千亿级模型专注性价比，处理日常通用任务；万亿级模型作为旗舰，攻坚复杂推理与自动化场景。这种分层策略反映行业共识：参数量级差异决定模型应用场景，超大模型正成为技术竞赛的核心赛道。
技术路线分歧在商汤科技董事长徐立看来恰是行业活力所在。WAIC商汤圆桌论坛上，多模态与语言模型的争论成为热点。复旦大学邱锡鹏教授认为，语言仍是高阶推理的核心载体，多模态的价值在于通过模态对齐弥补信息缺失。他预测，未来通用智能将呈现“基础大模型+多模态交互”的架构，通过工程体系解决现实场景的交互认知难题。
阶跃星辰首席科学家张祥雨从进化角度提出，单一语言模型仅能压缩文本静态知识，无法复刻物理世界的时空关系。他强调，无论是生物智能还是AI机器人，多模态交互都是构建四维世界模型的关键。新加坡南洋理工大学刘子纬副教授将语言数据比作“化石能源”，认为其存量已近枯竭，而多模态交互数据是支撑AI长期进化的“新能源”。
阿里巴巴达摩院赵德丽指出，行业分歧本质是学习范式的滞后。当前语言模型的领先源于静态文本数据与模仿学习范式的红利，但在动态智能体时代，语言与视觉模型均面临从稀疏交互中自主进化的瓶颈。她认为，搭建在线进化范式比纠结模态路线更关键，多模态将成为智能体迭代的核心训练场。
当前主流的“语言基座+多模态外接”架构存在原生缺陷，难以支撑通用智能跃迁。行业逐渐形成共识：AI发展的下一阶段瓶颈将集中在学习范式创新、记忆机制优化与自主进化能力提升等领域，这些突破可能重新定义技术竞争的维度。
