先给一个数字：140 万亿。
这是今年 3 月中国日均 token 调用量的水平。作为对照，2024 年年初是 1000 亿，2025 年底是 100 万亿。两年多，涨了一千倍以上。发布这个数字的是国家数据局，场合是中国发展高层论坛。
一千倍这个增速本身不稀奇，任何早期技术都有类似的曲线。稀奇的是它背后发生的事：当一个国家每天要处理 140 万亿次推理请求时，它关心的就不再是"谁的模型更聪明"，而是"这套东西能不能便宜、稳定、大规模地跑起来"。
这个转向，是 2026 年中国 AI 最重要的变化。它不像发布会那样引人注目，但它决定了后面所有事情的形状——包括为什么国产开源模型开始把参数堆到万亿级，为什么一个万亿参数的模型可以完全跑在国产芯片上，为什么政策文件开始谈"数据基础设施"而不是"技术突破"，以及为什么百度的负责人会说"AI 的下一幕是智能组织"。
这篇文章按三幕来写：把智能的价格打下来、把算力的底座换掉、把会聊的模型变成会干活的智能体。最后再谈三条暗线和三处裂缝。
第一幕：先给智能定一个价
2026 年 4 月 24 日，DeepSeek 发布了 V4 预览版并同步开源。这份公告里最不像宣传的一句话，反而是最关键的：百万上下文成为所有官方服务的标配。
数字是这样的：V4-Pro 总参数 1.6 万亿、每 token 激活 490 亿；V4-Flash 总参数 2850 亿、激活 130 亿。两者都支持 100 万 token 上下文。支撑这件事的是一套全新的混合注意力架构——沿序列维度压缩 KV 缓存，再叠加稀疏注意力。效果是：在 1M 上下文的条件下，单 token 推理的浮点运算量只有上一代的 27%，KV 缓存只有 10%；Flash 版更极端，分别压到 10% 和 7%。
这组数字为什么重要？因为正常情况下，上下文从 128K 扩到 1M，负载要膨胀近八倍。而这套架构做到了能力扩张、单位成本下降——在 AI 行业里，这是反着来的。
五个月后，V4.1 Flash 又往前走了一步：5520 亿参数的 MoE，采用非对称的编码—解码结构，输入侧只激活 80 亿、输出侧激活 160 亿。对硬件的需求随之塌下来——相对上一代，KV 缓存对 HBM 的需求降到四分之一，对 SSD 的需求降到八分之一；相对于最初代模型，KV 缓存已经缩小了 437 倍。9 月中旬起，V4 Pro 的请求被全部路由到这个更小、更快、更便宜的模型上，因为它各项指标已经全面超越前者。
这条线索说明的不是"DeepSeek 又发了个新模型"，而是智能的定价方式被改写了：决定模型价值的，从"峰值能力"变成了"单位 token 的综合成本"，而这个成本由架构、缓存、硬件三者共同决定。
价格是最直白的证据。V4-Flash 缓存命中的输入是每百万 token 0.2 元、未命中 1 元、输出 2 元。这样的价格意味着，一个中等规模的代码库、一份几百页的合同、一部三体三部曲体量的文本，处理成本从"要不要做"降到了"为什么不做"。
而这件事不是一家在做的。2026 年国产开源模型的密集程度，在历史上没有过：阿里通义千问把 Max 级模型首次开源，Qwen3.8-2.4T 总参数 2.4 万亿、激活 950 亿、原生 26 万上下文并可扩到 100 万；智谱 GLM-5.3 在综合智能指数上拿到 60 分，编程能力在多个公开基准上位列开源第一，同时展现出可用的网络防御能力；腾讯混元 Hy4 preview 7700 亿总参、490 亿激活；阶跃星辰 Step 5 Preview 6000 亿总参、单任务成本约为顶级闭源模型的八分之一；蚂蚁百灵 Ling-3.1-flash 5600 亿参数却可四卡部署；科大讯飞星火 X2.6 是全国产算力训练出来的端云一体模型，端侧 4B 同步开源；百度文心 5.5 flash preview 2800 亿总参、140 亿激活，权重计划在 11 月 25 日向全球开源。
模型（2026 年）
规模与结构
它想解决的问题
DeepSeek V4 / V4.1 Flash
1.6T 总参 / 49B 激活；552B 总参 / 输入 8B 输出 16B 激活
百万上下文标配，单位 token 成本压到极致，缓存占用缩小 437 倍
Qwen3.8-2.4T-A95B
2.4T 总参 / 95B 激活，原生 26 万上下文
Max 级旗舰首次开源，把最强闭源能力放进开放权重
GLM-5.3
后训练 Scaling 提升智能上界
编程与网络防御双强，综合指数对标闭源旗舰
混元 Hy4 preview
770B 总参 / 49B 激活 / 100 万上下文
长上下文与多模态的统一底座
星火 X2.6
端云一体，端侧 4B 同步开源
在纯国产算力上完成训练与部署的完整验证
Hugging Face 的一份统计给这组现象提供了侧面证据：2026 年 1 至 8 月，该平台公开模型仓库从 243 万增至 296 万；而中国实验室月度最大开源模型的参数规模在 7540 亿到 2.78 万亿之间，同期美国实验室有七个月低于 1300 亿。换句话说，在开源这条线上，中国厂商选择的是"给最大的"，而不是"给最巧的"。
第二幕：把算力的底座换掉
第二幕比第一幕难得多，因为它不是在软件里改，而是在更换整个地基。
DeepSeek V4 发布时有一个几乎被跑分淹没的事实：这个万亿参数的 MoE 模型，全面运行在华为昇腾、寒武纪等国产芯片上，技术架构从 CUDA 迁移到了 CANN。据披露，它是全球首个在纯国产算力上部署的万亿参数 MoE 模型。华为方面的说法是，双方做了"芯模协同"，昇腾超节点全系列支持 V4 系列。
这件事的分量，要放在一个背景里看：过去所有人做模型，默认底座是 CUDA。换底座意味着重写算子、重调性能、重建工具链，还要接受"同样的代码跑出来可能慢一半"的现实。换底座的成本不是技术成本，是机会成本——你有几个月时间可以优化模型，也可以用来优化迁移，只能选一个。DeepSeek 花了十五个月，发布的模型比上一代晚了很久，官方的说法是"不诱于誉，不恐于诽"。
换过来之后，收益是结构性的。最直接的一条是：模型迭代不再受限于某一家 GPU 的供应。第二条是生态层面的——昇腾的 CANN 已全面开源，外部开发者占比达到 61%，月活超过 5200 人；PyTorch、Triton、vLLM 等 90 多个主流开源项目支持昇腾，Ascend 也被列为 PyTorch 官网上的中国计算后端。这些是"能不能被开发者用起来"的真正门槛。
底座侧的国家工程也在同步推进。截至 2025 年底，中国智能算力总规模达到 159 万 PFlops，其中八大国家枢纽与十大集群建成 138.8 万 PFlops，占比超过 80%。“东数西算"之后，2026 年 3 月"算电协同"被写入政府工作报告，要求枢纽节点新建算力设施的绿电应用占比达到 80% 以上，并把余热回收、绿电直供纳入考核。全国一体化算力网也进入"十五五"规划。
这三件事连起来，指向同一个判断：算力在中国已经不再被当成"设备”，而是被当成"基础设施"在规划。设备思维关心峰值，基础设施思维关心的是调度、能耗、绿电比例、跨域时延——也就是"这套系统能不能一直转下去"。
第三幕：从会聊天，到会干活
2026 年中国 AI 最直观的变化，是主角从"对话框"换成了"任务队列"。
10 月 31 日，DeepSeek 在 GitHub 上放出了 Super-Agent 的代码，MIT 许可。这个项目的起点不是模型能力，而是一个很具体的观察：一个人最多只能同时盯住三到五个活跃的智能体会话，超过这个数，瓶颈就不再是模型，而是人的注意力。
它的解法是把协调和执行分开：一个路由器负责和人对谈、分派任务，若干个工作智能体在隔离环境里写代码、跑测试、开 PR，等人来验收。智能体全天在线，从群消息、GitHub 评论、CI 结果里收集信号，需要决策时才开口。监督没有消失，只是从"盯过程"挪到了"验结果"。
同一时期，类似的形态在国内密集出现：面壁智能与清华等联合开源的 PilotDeck 2.0 主打办公全流程交付与长任务；阿里推出 Qwen-UI-Agent，让模型真正"会用"每一块屏幕，覆盖移动端、桌面端、网页与深度搜索；腾讯把混元接进 WorkBuddy、CodeBuddy；智谱上线 ZCode，用 Goal、Subagents、Remote Control 和闲时任务四件套包装 GLM。字节的"豆包工作"则直接打通飞书生态，把固定流程封装成可反复调用的技能。
还有一个容易被忽略、但方向很值得记的尝试。9 月，APUS 开源了针对 Jev 决策模型的复现项目：不生成任何文字，直接输出带概率的结构化判定，跳过自回归解码。它把浏览器操作里"点哪里、选哪个"这类高频原子判断交给一个本地的 9B 模型做单次前向计算。实测在一台 M2 Pro 笔记本上全程离线完成真实维基百科检索任务，中位耗时约 18 秒，表单填报与站内导航约 3 秒，单任务打分仅 4 次，零云端调用。
这条线代表一种正在形成的分工：昂贵的大模型负责"慢思考"，高频、原子化的"快判断"交给轻量决策模型。它不是把模型做得更大，而是把任务切得更细。对于一个日均 140 万亿次调用的系统来说，这种切割比再涨几个跑分重要得多。
第四条线：身体
如果只看模型，会漏掉 2026 年中国 AI 最热的那一块——具身智能。
数字先摆出来：2026 年上半年，行业融资约 935 亿元，同比增长五倍；中国人形机器人出货量占全球的 97%；截至 2025 年底，核心零部件整体国产化率突破 75%；全国建成启用的具身智能训练场超过 70 家。北京一地就有产业链企业 940 余家，2026 年上半年重点人形机器人企业产量近 6000 套，同比增长近 10 倍。税务数据也能对上：2026 年 1 至 5 月，具身智能产业企业销售收入同比增长 22.4%，工业企业购进的具身智能机器人金额同比增长 2.3 倍。
政策端的动作更密集。“十五五"规划把具身智能列入六大未来产业，与量子科技、生物制造并列；6 月，工信部与国资委启动"人形机器人与具身智能实景实训专项行动”，要求在 2026 年底形成百个以上高价值场景、带动万台级落地能力；11 月 11 日，北京印发三年行动方案，明确到 2028 年培育不少于 5 家国际一流、10 家国内领先的整机企业，京津冀关键零部件配套率超过 60%，并在不少于 100 个真实场景采集超过 100 万小时高质量数据。
技术侧也有信号。苹果的具身智能团队开源了 HALO 系统，用宇树 G1 做验证，在完全陌生环境中取得单步任务平均成功率 91%、链式任务 70% 的成绩；谷歌 DeepMind 的 Gemini Robotics 2.5 在奔驰工厂做零件分拣，成功率 96%。宇树创始人王兴兴的判断更激进：物理 AI 已经看到"被击穿的苗头"，快则一到两年。
但我更愿意把这一块的价值放在"它逼着产业去解决一个最难的问题"上：数据。一个具身大脑基座要达到 GPT-3 的水平，需要一亿小时以上的有效数据；而截至 2026 年 6 月底，全球人形机器人真机数据约 100 万小时，国内合规的真实物理交互数据只有 50 万小时，距离商业化所需的数千万小时，缺口超过 99%。这就是为什么北京那份方案把"100 个场景、100 万小时"写成了硬指标——它知道瓶颈不在本体，在数据。
第四条暗线：从"用 AI"到"改组织"
11 月 12 日，百度世界大会上，李彦宏给了一个和往年明显不同的判断：AI 的竞争正在从"模型强不强"转向"组织接不接得住"，“智能组织将是企业最深的护城河”。
他提到一个一把手们普遍在问的问题：token 花得越来越多，收入利润为什么没跟着涨。他的回答是，没有一家公司会因为用了几个 AI 工具就一夜之间变得更有竞争力，新生产力只能从"AI 的流水线"里长出来。
他给的内部数据比观点更有说服力：过去一年，百度日均活跃智能体数从 0.5 万涨到 3.7 万；智能体完成的有效任务数从每周 8.4 万个涨到一周超过 100 万个；已建设 4300 个 workspace，沉淀组织级技能超过 2 万个。
这组数字解释了"140 万亿 token"到底花在哪——不是花在聊天上，是花在任务上。当调用量从"对话次数"变成"任务次数"，衡量 AI 价值的单位也就从"回答得多好"变成"完成了多少件可验收的事"。
国家层面的口径也在同步。2025 年 8 月印发《关于深入实施"人工智能+“行动的意见》，2026 年 3 月"十五五"规划纲要提出全面实施"人工智能+”，政府工作报告进一步要求"打造智能经济新形态"“促进新一代智能终端和智能体加快推广”。国家数据局的预测是，到"十五五"末，中国人工智能相关产业规模将突破 10 万亿元。
三处裂缝
如果只写到这里，这篇文章就成了通稿。2026 年的真实情况里，至少有三处裂缝必须一起说。
第一处，开源繁荣里有很多是噪声。Hugging Face 的数据很冷静：2026 年前八个月，85.6% 的模型下载量不足 200 次，1.5% 的仓库占据了 99.2% 的下载量。也就是说，“中国开源模型数量全球领先"这句话成立，“中国开源模型被广泛使用"这句话不成立。开源是一场注意力竞争，绝大多数仓库只是存在过。
第二处，能力的差距是厂商自己承认的。DeepSeek 在 V4 的技术说明里写得很直白：模型能力仍落后 GPT-5.4 与 Gemini-3.1-Pro 约三到六个月。这句话的分量在于，它把竞争的位置说清楚了——不是"我们已经追平”，而是"我们在用更低的成本，提供差半年的能力”。这是一个诚实的定位，也是一个需要持续投入才能守住的定位。
第三处，生态层面的摩擦在加剧。2026 年 10 月，美国 NSA、FBI 与 CISA（WWW.ZUQIUZHIBOMIANFEIGUANKANZHIBO.ORG） 联合发布公告，指控 DeepSeek、月之暗面、阿里、MiniMax、阶跃星辰与 Z.ai 自 2024 年底起对美国前沿模型进行"工业规模"的知识提取。这类指控涉及访问授权与使用边界的争议，相关公司未作回应。无论最终如何认定，它都会影响两件事：一是海外开发者对中国开源模型的使用意愿，二是国内厂商在数据与训练流程上的合规成本。
再叠加上前面提到的具身智能短板——高端传感器、精密减速器的性能仍不及国际一流，具身大模型泛化不足，仿真与真实工况匹配度不高，“演示好看、落地难做"仍然普遍——可以得出一个比较稳的判断：2026 年中国 AI 的领先，集中在"成本、规模、闭环"三项，落后集中在"数据、器件、原始创新"三项。这两组词不能互相替代。
结语：换的不是名次，是计量单位
回到开头那个数字：140 万亿。
它真正的含义不是"中国 AI 用得很多”，而是"衡量标准变了"。过去我们比较模型，看的是榜单；2026 年比较的是另外几样东西——每百万 token 多少钱，一个万亿模型能不能跑在非 CUDA 的芯片上，一个智能体一天能完成多少件可验收的任务，一套系统能不能在 80% 绿电的约束下持续运转。
这四样东西凑在一起，恰好是一个基础设施的评价体系，而不是一个产品的评价体系。
所以"不再比赛跑分"不是说不比了，而是比的东西换了维度。跑分是可复制的，一个模型领先三个月，下一个模型就能追平；而底座不是——它由芯片、框架、数据、场景、组织共同构成，每一层都要花时间，且彼此咬合。这也是为什么 2026 年最值得关注的进展，大多不发生在发布会上：一次架构级压缩、一次从 CUDA 到 CANN 的迁移、一个把人的注意力从三五个会话扩展到几十个任务的调度器、一百个真实场景里采集的一百万小时数据。
这些东西不好讲，也不好看，但它们决定了三年后的格局。用一句话收尾：2026 年中国 AI 做的事，不是把自己变成更强的选手，而是把自己变成更难被替代的场地。