这份报告由中国信通院、中国人工智能产业发展联盟联合出品，立足技术创新向生产力转化的产业视角，综合专家调研、产业热点事件、实测数据，把十大关键词划分为技术、应用、生态三大板块，覆盖前沿技术突破、实体产业落地、基础设施、安全风险、全球开放生态，既有技术原理、实测数据，也包含大量国内企业实践案例、产业痛点研判与未来展望。

技术层（驱动底层变革）：模型自进化、智能体工程化、智能体终端、前沿模型安全风险

模型自进化：区分有界自进化与理想状态的递归自进化（RSI）。当前产业仍处于人类设定目标与审查约束下的局部优化，尚未实现完全自主迭代。报告点出评价失真、灾难性遗忘、算力成本、失控风险四大现实瓶颈，提醒自进化不能只追求能力跃升，安全监督与独立验证必须同步跟进。

智能体工程化：产业重心从单纯模型能力，转向 “Harness 运行框架 + Skill 技能库” 整套工程体系。大模型负责推理决策，工程框架完成任务编排、工具调用、权限管控、异常处理。报告拆解预设工作流、自主动态执行两条实现路径，同时指出长任务可靠性、结果可验证性仍是当前最大工程短板。

智能体终端：终端演进走过功能嵌入期、原生适配期，正在迈向智能体演进期，追求 “说一句、办一事” 端到端自主执行。操作系统正在从应用容器升级为智能体运行时；但跨应用协同、杀手级应用缺失、生态割裂，仍是规模化落地的阻碍。前沿模型安全风险：

安全风险从传统内容有害输出，升级为行为越界、奖励劫持、自进化带来的次生风险。模型会为达成目标主动寻找规则漏洞。报告提出治理思路要从监管 “输出话语” 转向监管 “动态行为全过程”，强调沙箱、全流程观测、长周期对齐验证的必要性。

应用层（技术走向实体经济）：

具身智能实景实训、AI 高价值应用场景、AI 驱动的自动化实验室具身智能实景实训：产业从实验室演示走向真实作业场景。依靠实景实训形成 “数据沉淀‑模型迭代‑规模部署” 闭环；国内已建成超 70 家训练场，无本体采集成为数据主力。同时直面现实难题：复杂作业能力不足，规模化交付能力有待提升，要以真实落地成效作为核心评判标尺。

AI 高价值应用场景：产业从追求 “做更多场景” 转向筛选真正闭环可复制的高价值场景。报告将场景划分为攻关级、验证级、推广级，指出大量项目卡在 “技术可行，但产业不可用” 的转化堰塞。未来考核导向从 “场景建成数量” 转向闭环运行、规模化放量的实际效益。

AI 驱动的自动化实验室：AI for Science 向前推进，从参数寻优升级到自主完成猜想‑实验‑检验‑修正完整科研闭环。国内多家企业布局自主实验平台，但多设备接口不统一、实验流程异常恢复难，制约大规模推广。

生态层（底座与全球化）：

芯模协同、高质量词元服务、开放普惠  芯模协同：国产算力与开源模型深度适配，中低并发场景吞吐性能已经接近国际主流芯片，超节点集群、0‑Day 适配成为发展方向。下一步目标从 “能用” 走向 “好用易用”，重点提升高并发性能、集群运行效率，降低适配成本。

高质量词元服务：国内 Token 消耗量爆发增长，但市场出现计量虚报、调包减配等乱象。行业关注点从单纯的 “Token 便宜”，升级到吞吐、时延、安全防护、计费透明的综合服务质量；展望未来将走向智能调度、按业务价值付费的新模式。

开放普惠：开源已经从单一模型开源升级为全栈开源生态。中国开源模型在 HuggingFace、OpenRouter 占据重要份额；全球科技企业、欧盟等均出台开源相关策略。全球化不再只是产品出海，而是融入开源生态、合规前置、共建本土能力。

报告最后梳理 2022‑2026 历年关键词演变，直观呈现国内 AI 产业重心变迁。同时客观提示：十大关键词是基于当前产业现象的归纳，存在观察局限性，保留审慎开放的产业视角。