Análisis en profundidad del Foro de Bund 2026: El AI pasa de ser un espectáculo a una herramienta práctica, donde burbujas y aplicaciones reales coexisten
Resumen del contenido principal
El tema del Foro de Bund 2026 en Shanghái fue “Crear juntos una nueva economía basada en el AI”. A diferencia de años anteriores, el enfoque cambió de “qué tan potente es la tecnología” a “si los negocios pueden tener éxito”.
El detalle más llamativo fue que, cuando el CEO de Ant Group, un ejecutivo de MasterCard, un ejecutivo de OPPO y el principal científico de Alibaba aparecieron juntos, solo el CEO de Ant Group, Han Xinyi, había realizado pagos reales utilizando un agente inteligente (Agent) de AI, lo que representa solo el 25% del total. Esto revela una realidad dura: aunque el concepto del comercio basado en agentes inteligentes (Agentic Commerce) es prometedor, la velocidad de su implementación es mucho más lenta de lo esperado, y la infraestructura y los mecanismos de confianza aún no están completamente desarrollados.
Al mismo tiempo, las ventas de hardware de AI (como gafas inteligentes) han disminuido, y la industria de la inteligencia corporal (robots) está comenzando a desinflar sus burbujas. El sector ya no es tan optimista y se plantea preguntas críticas: ¿realmente los usuarios lo necesitan? ¿Funcionan bien los modelos comerciales? ¿Son lo suficientemente fiables? Este es un período de selección severo, que pasa de proyectos teóricos a soluciones prácticas.
---
Desglose detallado: Cinco dimensiones para comprender la “reflexión fría” sobre la nueva economía basada en el AI
1. El “último kilómetro” en los pagos: ¿Por qué el AI aún no ha podido gastar dinero en tu lugar?
Fenómeno:
Han Xinyi utilizó el AI para comprar bocadillos por más de 40 yuanes, pero este es solo un caso muy excepcional. Jorn Lambert, ejecutivo de MasterCard, admitió que, aunque utilizó el AI para buscar productos, no se atrevió a dejar que el AI realizara el pago directamente.
Análisis en profundidad:
Esto no es solo un problema técnico, sino también uno de confianza y reglas.
- Los sistemas actuales no están adaptados a las necesidades del AI: Los sistemas de pago, las regulaciones bancarias y los procesos de control de riesgos están diseñados para personas. Los humanos dudan y verifican antes de comprar, mientras que el AI toma decisiones en milisegundos. Los sistemas actuales no pueden distinguir entre errores del AI y ataques de hackers, ni manejan las numerosas transacciones pequeñas generadas por el AI.
- Déficit de confianza: Los consumidores no quieren entregar completamente su dinero al AI, ya que no está claro quién asumiría la responsabilidad en caso de errores (por ejemplo, si el AI compra algo incorrecto o induce al consumo). Actualmente, faltan estándares claros para definir las responsabilidades.
- Conclusión: Los pagos con AI aún están en la “fase de demostración” y no en la de “pandemia”. Para que el AI controle realmente los pagos, es necesario reconstruir toda una infraestructura financiera y estándares de seguridad adaptados al comportamiento de las máquinas.
2. El “enfriamiento” del comercio basado en agentes inteligentes: De “todo puede ser AI” a “dificultades en la adaptación a escenarios reales”
Fenómeno:
En el cuarto trimestre del año pasado, la industria estaba extremadamente optimista sobre el comercio basado en agentes inteligentes, pero la velocidad de implementación ha disminuido significativamente este año. Aunque el servicio “Abao” de Alipay puede pedir café o llamar un taxi, todavía está lejos de ser ampliamente utilizado.
Análisis en profundidad:
- Funcionar no significa ser útil: En las exposiciones, usar el AI para pedir café puede parecer genial, pero en la vida real, a los usuarios les importa más la **rapidez y la precisión*. Si el AI es más lento que ellos o entiende mal sus necesidades, lo descartarán.
- Ecosistema fragmentado: Solo unas pocas grandes plataformas (como Alipay y Taobao) han completado la adaptación al AI. Muchos pequeños comerciantes y servicios offline aún no han integrado interfaces de IA. El AI puede ayudar, pero los lugares donde se realizan estas tareas no están preparados para recibirlo.
- Desafíos a largo plazo: Los fabricantes deben encontrar formas de proporcionar al AI un contexto más completo (como conocer tus gustos, presupuesto y ubicación) y establecer ciclos de transacciones seguros y fiables. Esto no se puede lograr con un solo modelo grande; requiere la colaboración de toda la cadena industrial.
3. La “recesión” del hardware de AI: La verdad detrás de la disminución de ventas de gafas inteligentes
Fenómeno:
En julio de este año, las ventas de gafas inteligentes en las principales plataformas de comercio electrónico disminuyeron un 15.3% en comparación con el año anterior. El inversor Yan Qianhang señaló que el hardware de AI no ha creado nuevas formas de interacción; la interacción visual sigue siendo superficial.
Análisis en profundidad:
- El atractivo inicial se ha desvanecido: Los primeros compradores de gafas inteligentes eran principalmente geeks tecnológicos o personas curiosas. Cuando esta novedad pierde su frescura y el producto no resuelve problemas frecuentes o esenciales (como lo hace un teléfono móvil), las ventas disminuyen.
- Experiencia de interacción insatisfactoria: Las gafas inteligentes actuales son principalmente una extensión de la pantalla del teléfono y no ofrecen una experiencia de interacción revolucionaria. Los usuarios siguen mirando la pantalla en lugar de interactuar de manera natural con el mundo.
- Regreso a la lógica de la electrónica de consumo: Los inversores están evaluando el hardware de AI según los estándares de la electrónica tradicional: ¿resuelve algún problema real? ¿Tiene un público amplio? ¿Puede generar lealtad al marca? Si las respuestas son negativas, el producto fracasará, independientemente de lo popular que sea el concepto de AI.
4. La “desinflación” de la inteligencia corporal (robots): Del “bailar” al “trabajar”: La brecha entre promesas y realidad
Fenómeno:
Más de 40 fabricantes de robots participaron en el evento, pero la industria está discutiendo la existencia de burbujas. Han Zheng, CEO de Sudu Technology, señaló que el público exige una fiabilidad del 100% en los robots, algo que los robots actuales solo logran en un 5%-10% de las tareas.
Análisis en profundidad:
- Fiabilidad es crucial: En el laboratorio, los robots pueden ser impresionantes, pero en escenarios reales (como el manejo de medicamentos en farmacias o la fabricación en fábricas), un error puede causar daños significativos. Los usuarios no aceptarán robots que solo sean “80% fiables”; necesitan una fiabilidad del 99.9%.
- Expectativas exageradas: Se esperaba que los robots reemplazaran gran parte del trabajo humano, pero en realidad solo pueden manejar tareas muy específicas y repetitivas.
- Burbuja de capital: Se esperaba que surgieran cientos de empresas líderes en este campo, pero solo unas pocas sobrevivirán. Esto significa que muchas startups enfrentarán un proceso de selección.
- Enfoque práctico: Los emprendedores inteligentes están abandonando la visión ambiciosa de robots “útiles para todo” y se centran en la alta fiabilidad en escenarios concretos. Por ejemplo, prefieren desarrollar robots que solo se encarguen de clasificar paquetes en lugar de intentar hacer todo de manera mediocre.
5. Consenso en la industria: Optimismo a largo plazo, cautela a corto plazo
Fenómeno:
A pesar de las disminuciones en ventas, la lentitud en la implementación y las controversias sobre las burbujas, muchos inversores y emprendedores siguen creyendo que la inteligencia corporal y la nueva economía basada en el AI tienen un gran potencial a largo plazo.
Análisis en profundidad:
- Una oscuridad antes del amanecer: Wang Xiaogang, de Daxiao Robotics, dice que la industria está en la “etapa previa al amanecer”. Con la acumulación de datos (centrados en las personas) y el surgimiento de leyes de escala, se avecinan avances tecnológicos.
- Flujo de capital constante: Aunque hay burbujas, el volumen total de capital sigue siendo alto. Esto indica que el capital no se está retirando, sino que se está reorientando hacia empresas que ofrecen datos reales y capacidades de implementación en escenarios concretos.
- Diferenciación en la industria: En los próximos años habrá una gran diferenciación entre empresas que resuelvan problemas de fiabilidad en escenarios específicos, tengan ventajas de datos únicas y modelos comerciales claros, y aquellas que solo se basan en promociones conceptuales y tecnologías homogéneas.
- Lógica clave: Bajar las expectativas no es ser pesimista, sino volver a la realidad. La industria está separando las “visiones a largo plazo” de las “realidades a corto plazo”. A largo plazo, el AI remodelará la economía; a corto plazo, es necesario abordar problemas específicos, pequeños y fiables.
---
Consejos para el público general:
1. No te apresures a entregar tu dinero al AI: Los pagos con AI aún no están maduros; ten cuidado y verifica personalmente cada transacción importante.
2. Compra hardware de AI con cautela: Solo compre productos que resuelvan problemas específicos para ti (como traducción en tiempo real o asistencia al manejo del vehículo).
3. Foca en la fiabilidad, no en la apariencia: Al evaluar productos o servicios de AI, pregúntate: ¿funciona realmente de manera fiable? ¿Es mejor que los métodos que ya utilizas? ¿Quién asumirá la responsabilidad en caso de problemas?
4. La industria está en proceso de reestructuración: Si estás pensando en invertir o emprender, no es el momento de seguir tendencias exageradas; observa qué empresas pueden implementar sus ideas y generar ingresos reales.
En resumen: La nueva economía basada en el AI de 2026 ya no es un espectáculo de tecnología, sino una prueba de capacidad técnica y de aplicación práctica. Aquellos que logren transformar el AI de un juguete en una herramienta efectiva ganarán el futuro.