核心内容总结
2026年世界人工智能大会（WAIC）上，AI大模型行业呈现两大关键趋势：一是头部企业集体向万亿级参数规模“摸高”，这条路径被验证可行且能打破行业垄断；二是多模态技术路线存在分歧，但行业共识是未来AI的核心瓶颈不在模态选择，而在学习范式、自主进化等底层能力的突破。
详细拆解
1. 大模型参数“卷”到万亿级：三重动力推着大家往大走
为什么现在大家都抢着做更大参数的模型？行业人士总结了三个原因：
- 缩放定律的共识：简单说就是“参数越大，模型性能越好”的规律，之前被Anthropic的Claude系列反复验证（从Sonnet到Opus 4再到Fable 5，每次参数跃升都带来能力明显提升）。
- Agent自动化需求：需要AI能像人一样自主完成一系列任务（比如写报告、处理复杂流程），大参数模型更能支撑这种“连续工作”的能力。
- 长任务刚需：AI从只能执行几秒的简单任务，进阶到能独立工作几十小时（比如阶跃星辰印奇提到的“跨越关键临界点”），大参数是基础。
例子：Kimi K3发布2.8万亿参数模型后，MiniMax透露下一代模型M3 Pro参数将超2万亿，科大讯飞也有万亿级模型规划，甚至行业里没明确发布新模型的厂商，都把“万亿参数”当成下一款的标配。
2. 大参数模型的“破局”意义：打破垄断+分工更清晰
大参数模型不只是“堆规模”，还能解决行业痛点：
- 打破垄断：美国投资机构Atreides的CIO Gavin Baker说，K3可能是行业转折点——之前2-3家前沿实验室垄断了90%的推理利润，现在大参数模型让更多公司有机会参与，对Anthropic和OpenAI不利，但利好大多数企业。
- 模型分工明确：科大讯飞负责人提到，现在行业形成了“高低搭配”：千亿级模型主打性价比，做日常通用任务（比如聊天、简单文档处理）；万亿级模型当“旗舰”，攻坚复杂推理、替代人工的高阶任务（比如复杂决策、长周期项目）。
3. 多模态路线“吵起来了”：语言核心还是多模态打底？
多模态（比如文字+图片+视频+声音）是大会讨论的热点，但行业分成两派：
- “语言为核”派：复旦大学邱锡鹏教授认为，语言是人类高阶推理的核心（比如逻辑思考、认知世界），多模态的作用不是替代语言，而是补短板（比如通过图片理解真实场景）。他还说，现在模型最大的问题是“不懂真实场景”，未来会是“基础大模型+多模态交互设施”的组合。
- “多模态为底”派：阶跃星辰张祥雨说，人类智能进化离不开多模态（比如看、听、摸），单一语言模型只是“文本知识的压缩包”，没法复刻物理世界的时空关系（比如杯子掉地上会碎）。新加坡南洋理工刘子纬更形象：语言数据是“化石能源”（快用完了），多模态数据是“新能源”，支撑AI长期进化。
商汤徐立则觉得，路线没统一反而好，行业才能百花齐放。
4. AI下一轮的“卡脖子”问题：不是模态，是学习范式和自主进化
跳出模态之争，阿里巴巴达摩院赵德丽点出了核心瓶颈：
- 现在语言模型的领先，只是靠“静态高质量文本数据”和“模仿人类学习”的阶段性红利。到了动态智能体时代（AI要在真实环境里自主行动），不管是语言还是视觉模型，都面临同一个问题——没法从稀疏的环境反馈中自己学习、进化（比如AI做错了一次，下次还会犯同样的错）。
- 行业共识：当前“语言基座+多模态外接”的架构有天生缺陷，未来要突破的是学习范式（怎么让AI自主学习）、记忆机制（怎么让AI记住经验）、自主进化能力（怎么让AI越用越强）这些底层问题。
一句话总结
AI大模型现在一边“堆参数”打破垄断、攻坚复杂任务，一边在多模态路线上探索，但最终决定未来的，是能不能让AI像人一样“自主学习和进化”。
（全文没有专业术语堆砌，用大白话讲清了行业趋势和核心问题，非财经人士也能轻松看懂~）