2026北京国际人工智能应用与机器人创新博览会撤展那天我站在视程空间的展位前看着工人把灯箱、展板和演示设备一件件装进运输箱心里突然冒出一个念头这三天的信息量可能比平时闷头调研三个月还大。我们这次去算力是核心关键词人工智能应用是方向机器人创新是焦点。三天的展会走下来最大的感触是——行业确实到了一个转折点算力不再只是后台资源而是直接决定了产品能做什么、不能做什么。这篇文章不是官方总结而是一份带着算力视角的现场记录。我会把视程空间这次参展的决策逻辑、现场观察、接待细节、踩过的坑以及回来后对产品线的修正建议全部摊开讲。如果你也在做AI应用或机器人相关方向或者正在犹豫明年要不要参加类似规模的博览会这篇内容可以当一份参考。1. 为什么必须去一场博览会背后的参展决策逻辑1.1 三个理由让视程空间今年必须进场视程空间的主业是空间感知与三维重建说白了就是让机器看懂物理空间的形状、位置和变化。这个方向听起来偏技术底层但这两年明显感觉到客户问的问题已经从你们能做多精确变成了你们跑起来要多少算力、成本能不能压下来。这说明市场成熟了也说明我们必须到行业现场去验证自己的判断。决定参加2026年这场博览会主要是三个理由。第一博览会的名字里同时有人工智能应用和机器人创新这正是我们客户群的两个大头。做机器人的需要视觉感知做AI应用的越来越多需要三维空间数据两个方向都跟我们的技术栈咬合。第二我们最近在推进一个边缘部署的项目把一个多路视觉重建模型从云端挪到本地设备上遇到了不少性能瓶颈急需看看行业里算力调度和端侧推理的最新进展。第三坦白讲人也需要被刺激一下。长期待在自己的产品闭环里容易产生我们已经够好了的错觉去看一看外面的方案能快速校准自己的坐标。1.2 展前准备时间、物料和演示环境的账很多人以为参加展会就是租个展位、拉个易拉宝、放两台笔记本。真到执行层面工作量远超想象。我们提前两周开始准备第一个砍掉的就是大屏循环播放宣传片的方案。原因很简单在满场都是大屏的展馆里观众对被动播放已经免疫了你放你的他走他的。我们确定的核心方向是可动手的演示。现场搭了一套实时重建环境来访者可以用自己的手机拍一段空间视频传到我们的设备上几十秒后就能看到生成的三维点云和平面图素。这套东西调了很久主要是为了在展会这种非受控环境里跑稳。展前我们做了三轮压力测试把连续运行时间、弱网环境、多用户并发都模拟了一遍。事实证明这个准备救了我们一命后面会细说。物料方面我们犯了一个典型错误——资料印多了。准备了六百份产品手册实际发出去不到两百份。更有效的是两张A4纸一张是我们解决什么问题一张是一个典型项目的算力预算表。很多观众本来只是路过看到那张算力预算表反而停下来问了不少具体问题。这就是内容设计的作用让人在五秒钟内判断这事跟我的工作有关。1.3 为什么选体验式展台而不是讲解式展台展位面积不大所以每一平方米都要发挥作用。我们最终的空间布局分三个区域最外侧是演示区一台设备加上一块屏幕用来吸引人流中间是洽谈区一张小桌两把椅子方便坐下来深聊最内侧是技术对接区摆了我们自研的边缘推理盒子供技术背景的观众亲手摸一摸。这个设计的核心逻辑是降低理解门槛。三维重建这个事你跟人说多视图几何配合深度估计对方不一定有概念但你让他亲手拍一段视频然后看着它变成可以旋转的三维模型他马上就知道你在做什么。三天下来这个互动演示完成了大约四百次很多潜在客户就是从咦这个有意思开始逐渐聊到了具体项目需求。2. 算力视角三条主线贯穿了整场展会2.1 算力从卖资源变成交付结果逛展第一天我明显感觉到一个变化算力厂商讲的不再是我有多少卡、多少P算力而是你的任务能在多长时间内跑完、成本是多少。这个转变很本质。过去算力是资源货架用户按需取用现在算力在往服务结果走厂商愿意承诺延迟和成本甚至有展商直接在现场演示从原始视频到可用三维模型的托管式处理。这对我们这种做上层应用的公司来说是个好信号。算力供给方的竞争越激烈我们做算法和产品的成本弹性就越大。但同时也要警惕一点不少一站式算力服务其实还是把API包了一层壳底层架构并没有真正针对特定任务优化。现场演示结果漂亮一上真实数据可能就打折。所以在展会上跟算力厂商聊我一般会追问一句你们的优化是针对我的任务类型做的还是通用优化这句话能筛掉相当一部分包装型方案。2.2 端侧智能的落地速度比预想快机器人创新区是这次博览会人流量最大的地方几乎每家机器人厂商都在讲具身智能或者端侧大模型。我在现场试了好几个机械臂和移动机器人的演示整体印象是端侧推理确实从能跑进化到了能用。有个团队展示了在本地设备上运行的多模态模型机械臂靠视觉语言模型的引导完成抓取从识别到执行差不多在一秒内完成这个速度放在两年前是不敢想的。当然水分也有不少。我的检测方法很简单让现场人员把同一个动作连续做三次观察结果是否稳定。有的演示第一次很惊艳第二次就开始卡顿第三次直接要求换个姿态再试。这种基本可以判断为针对性优化过的场景脚本离真实工况还有距离。从算力角度看端侧智能的真正瓶颈不是模型大小而是能效比。展会现场有很多机器人厂商把算力板卡规格印在宣传页上TOPS、瓦数、内存带宽这些参数堆得很高但一问到实际工况下的连续运行时间和温控策略很多人就含糊了。这里面有信息保密的成分但更多是因为他们自己也没有做完整的功耗测试。对做机器人本体的人来说这个坑一定要注意纸面峰值算力不等于持续可用算力散热和供电约束往往会砍掉一半以上的实际性能。2.3 一笔算力账一个空间重建任务的真实成本在展会上跟同行交流时我们经常被问到你们做一次室内空间重建大概要多少算力。这个问题其实没有标准答案因为分辨率、范围、精度要求不同成本差异很大。但为了给对方一个直观概念我算了一笔典型的账假设要重建一个一百平方米的室内空间采集两万帧图像在通用GPU上做离线重建大约需要四十分钟到一个小时如果用我们针对视觉几何任务做过算子优化的边缘设备可以压缩到十五分钟以内功耗控制在几十瓦。云端的成本主要花在GPU租用上按小时计费边缘端的成本是一次性的硬件投入跑得越多越划算。这张表格我在展会上给不少人看过发现大家最关心的不是总成本而是性能拐点——到底跑多少次任务买边缘设备才比租云端便宜。我给他们算了一个比较保守的等式如果每个任务在云端花费约几十元那么大约执行几百次任务边缘设备的投入就回本了。这对高频使用场景来说是很明确的信号。算力选型的核心从来不是谁更先进而是你的任务频率和实时性要求能不能匹配对应的成本结构。3. 展台运营实录高压三天里的成败细节3.1 布展的头一晚被低估的电气与网络布展那天晚上我们原计划两小时完成设备和物料调试结果硬是多花了将近三个小时。第一个坑是电力。展位分配的电源功率只有我们设备总需求的三分之二左右演示设备一开机立刻跳闸。布展团队临时去租借延长线和稳压设备算是补上了这个洞。第二个坑更隐蔽展会公共网络对高吞吐上传极不友好。我们的演示需要接收手机传来的视频数据量不小公网一堵整个流程就卡在上传中。解决方法是把演示设备组了本地局域网用一台自建热点设备做中转彻底绕开公网瓶颈。这次经历让我对展前一定要做弱网和断网演练有了刻骨铭心的认识。你要是也打算在展会上做实时演示请一定记住把演示环境做成离线可跑、局域网可跑的这比任何备用网络方案都可靠。3.2 接待话术先搞清楚对方是谁再决定讲多深展会现场什么人都有投资机构、媒体记者、潜在客户、技术同行、学生、纯粹好奇的路人。如果对所有人都讲同一套内容效率会很低。我们内部定了一个简单的分流原则观察对方前五秒的行为。直接掏出手机拍照录像的多半是技术同行或竞品调研上来就问这个能用在XX场景吗的是潜在客户先递名片再问你们融资到哪一轮了是投资人在做扫描。分流之后话术会完全不同。对潜在客户重点讲交付周期、精度指标、算力成本一定要落到他的业务场景里。对技术同行直接展示技术架构聊算子优化和数据标注不用绕弯子。对媒体和投资人更多讲市场空间和团队背景。这个分流看起来简单但需要现场人员对产品非常熟悉才能做到自然切换。我的建议是展前做一次角色扮演演练让大家把三套话术都滚一遍。3.3 线索不是名片是关键词每天撤展后我们团队的固定动作是把当天收到的名片和微信添加记录整理成线索表。重点是每一条线索后面必须跟三个要素对方所属行业、具体需求描述、对话中提到的关键约束条件。比如智能仓储集成商、想用三维重建做垛体检测、要求误报率小于千分之一这条线索的价值远超一张光秃秃的名片。整理线索的最大心得是当场记录。展会现场很嘈杂如果当时不写下来晚上大概率想不起来细节。我们给每位接待人员准备了手机备忘录交流结束后马上原地记三行关键词。有人会觉得这个动作不太礼貌实际上大多数客户反而觉得你专业、靠谱。三天下来我们积累了三百多条线索其中A类线索约占十分之一这个转化结构算是不错的。3.4 演示翻车现场一次内存泄漏给我的教训第二天下午我们那个跑了一整天的实时重建演示突然卡死了。屏幕定格在一半的点云状态怎么操作都没反应。当时围了七八个人场面一度很尴尬。事后排查原因是演示程序长时间运行后内存持续增长触发了系统保护机制。这是典型的内存泄漏平时测试很难发现因为单个演示只有几分钟但展会场景下从早到晚连续跑十几个小时问题就暴露了。当天晚上我们把程序加上了自动重启守护和内存监控之后两天再没有翻过车。这个教训让团队达成了一个共识演示程序不追求最新功能追求的是在连续高强度运行下依然稳定。有时候把自动重启的定时器设得短一点比堆任何优化都管用。4. 走访方法论从三天的现场交流里提取有效情报4.1 逛展路线按目标排优先级按人流分配时间参展和观展是两回事。参展的身份意味着你得留人在自己展位逛展的时间其实是碎片化的。我们内部排了一个时间表上午十点前和下午三点后人流相对没那么拥挤是跑去深度交流的黄金时段午饭后到下午两点之间适合快速扫馆记录各展位的主题为后续重点拜访做准备。路线安排上我给自己定了三个必看方向算力基础设施厂商、机器人本体厂商、AI应用工具链厂商。每个方向再列两三个重点展位宁可少看一点也要聊深一点。那种走马观花式的逛法收获很有限。碎片时间同样可以利用比如排队的空当就去翻官方会刊看看有没有遗漏的重要展商。4.2 判断技术实力的五个问法面对同一领域的展商有一套快速判断实力的提问方式这五个问题在展会实践中非常有效你们的演示是实时推理还是预先缓存这个问题能区分大部分表演型演示。现场运行的设备是什么功耗级别如果对方答不上来说明没有做实际的部署优化。你们的模型多久迭代一次迭代频率能反映研发节奏和投入力度。数据标注是怎么做的自建数据闭环的团队,往往比纯靠公开数据集的团队更扎实。如果把任务规模扩大十倍瓶颈在哪这个问题最能看出对方是否真正理解自己的系统。问题不需要多高深关键是让对方现场思考而不是背诵宣传词。有些人会在这时含糊其辞这时候你就知道对方的方案大概处于什么成熟度了。4.3 从对方问我们什么反推行业关注点走在展会上我越来越觉得别人问我们的问题比我们自己准备的答案更能反映市场趋势。第一天有不下十个人问你们和激光雷达方案的区别是什么这提示我们在不少潜在客户心里视觉重建和激光测距的边界是模糊的我们以为的常识市场并不熟悉。还有很多人问你们的算力能在普通的盒子上跑吗这让我们意识到客户对边端部署的标准正在从专业服务器转向低成本盒子。这个需求反推回产品侧意味着我们的模型压缩工作得再加码。展会不只是展示自己的舞台更是一个低成本的市场调研场。每一次被问住都是下一次产品迭代的信号。5. 展会之后的动作线索转化与产品修正5.1 三十条A类线索的跟进排期展会结束后的节奏很重要。我们给自己定的规则是A类线索在展后五个工作日内完成首轮技术沟通B类线索在两周内发送产品资料和案例文档C类线索统一进入月度产品简报的发送列表。这个节奏是踩过坑之后总结出来的——跟得太紧客户会觉得有压力跟得太松热度一过对方可能已经找了别家。首轮沟通的目标不是立刻签单而是让对方记住我们做过什么。我会让技术负责人直接参加电话会现场解答一些初步的技术疑问。很多客户反馈说愿意跟一家展会后马上就安排技术沟通的团队聊这至少说明对方重视需求。销售层面的推进可以往后放先建立技术信任后面的路会顺畅很多。5.2 对产品线的三个修正方向结合展会观察和线索反馈回来后我们开了两天的内部复盘会定下了三个产品修正方向。第一个方向是强化边缘推理工具链。太多客户问能不能跑在小盒子上这已经是一个明确的信号。我们准备把轻量化模型和推理框架打包成一套开箱即用的套件目标是把部署时间从两三周压缩到三天以内。第二个方向是增加对机器人感知场景的适配。过去我们主要面向空间测绘和工程场景但展会上机器人厂商对视觉感知三维理解的需求量远超预期。我们决定把产品接口往机器人开发框架上靠减少机器人团队集成三维能力的成本。第三个方向是做一个算力估算工具。我们在展会上反复被问到跑你这个要多少算力、多少钱与其每次都靠人工测算不如做一个在线估算工具让客户自己输入场景参数得到粗略的算力需求和成本区间。这既是获客工具也是一个行业教育工具。5.3 参展预算复盘哪些钱花得值最后聊一个现实问题参展到底值不值。我们把这次博览会的总投入拆成了五类展位费用、搭建物料、运输物流、人员差旅、现场活动物料。结论是展位和搭建是最大支出但没有办法省。真正觉得浪费的是印刷品前面说了六百份手册发出去不到两百份主要是大家已经不习惯拿纸质资料了。反而是一笔小投入带来了明显回报我们准备了一批小型三维扫描纪念品扫码注册就能领成本不高但帮助我们把很多留下联系方式的人变成了有实际兴趣的线索。如果你预算有限我建议把宣传册的预算砍掉一半挪出一部分做现场可带走的、跟产品相关的互动小礼品效果会好很多。这次参展的具体数字不方便透露但按线索转化率和后续项目意向来估算是一次收回成本且收益明显的投入。更重要的是团队在产品方向上达成了很多原本需要开很多次会才能达成的共识。有些判断坐在办公室里永远得不到必须到现场被真实的市场问题撞一下才能被真正接受。这大概就是博览会最大的价值。