2026年算力、模型和AI应用后续关键方向预测

近日，复旦大学国际金融学院FMBA大师课暨2027级招生启动会在复旦大学邯郸校区举行。本次活动以“智汇无界科技致远”为主题，由复旦大学国际金融学院在职金融MBA项目主办，汇聚了学术权威、行业专家和优秀校友。

在会议主旨演讲中，申万宏源（HK6806）研究所计算机行业首席分析师黄忠煌分析了2026年中国AI发展在算力层面、模型层面和ai应用（886108）层面的趋势。

黄忠煌指出，在算力层面，互联网大厂为降本增效，正加速自研ASIC，国产替代与超节点技术正在重塑基础设施。

在模型层面，中美模型能力差距缩小。他认为，未来模型迭代方向将聚焦突破长上下文瓶颈、效率提升，从多模态理解走向世界模型，能模拟物理规则和预测未来状态，以及从过去的“预训练+后训练”两阶段变为“预训练-中期训练-后训练”三阶段。

在ai应用（886108）层面，他解读了Openclaw、Deep Research、Cursor、可灵等多个爆款应用，指出虽然Agent概念火热，但目前在复杂任务中的成功率仍有待提升。2026年的关键方向预测包括MAS多智能体系统、人-机劳动力重组、慢思考+端侧操作，以及具身智能。

会议上，复旦大学国际金融学院学术副院长、金融学教授张纯信聚焦金融科技（885456）产业生态链建设发表主旨演讲。他指出，金融科技（885456）的未来竞争关键在于“生态链建设”而非单一技术或企业。通过对比美国、英国和新加坡等全球金融科技（885456）中心的发展模式，他分析了中国几大核心区域的差异化优势与挑战，并总结当前中国的金融科技（885456）生态存在“营养成分”分散、协同不足的问题，未来竞争须从“单个企业或城市”的思维，转向构建“跨区域、多要素、共成长”的生态共同体。他认为应强化人才培养，激励产学研融合，突破技术瓶颈，维持政策与监管的平衡，以及引导资本赋能。