9月12日，PEC 2026 AI创新者大会暨第三届提示工程峰会在北京召开。大会以“赢得Token，赢得世界”为主题，汇聚国内专家学者、企业代表与AI领域实践者，围绕大模型产业落地、Token经济、本地AI部署、前沿部署工程师等热点议题开展研讨。大会线下参会1600人，通过多家科技平台联合直播，线上观看总人数超350万。

  会上发布《2026全球Token产业全景图谱》《2026全球人工智能展望报告》两份行业研究成果，同时正式启动FDE加速计划及能力图谱调研，梳理产业现状，为行业发展提供参考。

  近两年，大模型迭代速度令人目不暇接，前沿模型密集发布，技术能力持续突破。但一个现实矛盾愈发凸显，模型能力快速提升，产业实际应用体验却未能同步跟上。

  在“2027，我们需要怎样的模型？”对话环节，中国信息通信研究院人工智能研究所所长魏凯表示，人工智能发展速度很快，尤其是模型进步日新月异，今年上半年平均每两三天就有一个前沿模型发布，可以说模型能力的进化速度远远超出了技术在行业扩散的速度，现有Benchmark分数只是模型能力非常稀疏的采样，无法穷举所有用户场景，加上用户的数据治理、知识库和使用环境没有准备好，造成模型能力与实际应用体感的落差，企业要深耕自身数据的储备与治理，推动流程变革，加快建设AI原生组织。

  清华大学人工智能学院助理教授&元环智能创始人兼首席科学家刘子鸣表示，模型的发展“分久必合、合久必分”，通用模型能够处理自然语言、代码、数学等符号世界，但它的边界正在显现。未来最重要的两个方向是世界模型和AutoResearch，但AI背后的科学还处在亚里士多德时代，需要人与AI合作，用巧劲缩短长期科研进程。

  在此背景下，Token不再只是大模型运行过程中的技术计量单位，正演变为人工智能产业的关键供给要素，Token工厂与Token经济走入产业前台。

  与会企业代表在圆桌交流中谈到，推理服务正在发生业态变化，市场需求从单纯采购算力硬件，逐步转向采购AI输出的业务结果。Token作为AI产业重要产出，其质量、时延、成本、供给稳定性直接影响千行百业的AI应用成效。

  “Token工厂不是简单的算力堆叠。”参与圆桌研讨的企业从业者认为，如同电网输出电力，Token工厂为各类智能体、AI应用提供基础能力支撑。未来企业级多智能体、视频生成等场景将带来Token消耗的大幅增长，大规模国产化推理能力建设，对保障AI产业稳定发展有着重要意义。

  大会现场，FDE即前沿部署工程师这一新兴职业群体引发关注。据介绍，FDE区别于传统IT开发与咨询岗位，核心任务是衔接大模型技术能力与企业真实业务。企业智能化转型过程中，大量业务需求模糊零散，FDE需要深入业务一线，完成需求拆解、原型验证、项目交付，将AI能力沉淀为企业可复用资产。

  嘉宾在交流中表示，大模型接口获取门槛持续降低，但AI落地的难点往往不在技术本身。企业推进智能化，除引入技术工具外，还需要同步调整数据权限、工作流程与组织协作模式，完成生产关系层面的适配改造。

  端云协同的落地路径同样成为现场热议焦点。随着硬件性能提升，端侧设备已经可以运行百亿参数规模的大模型。隐私保护、数据不出域、控制使用成本、降低响应时延，推动不少企业开始布局本地AI部署。与会嘉宾认为，云端模型追求能力上限，本地AI侧重安全与效率，二者属于互补关系。企业选型不能一味追求大参数模型，需要结合自身业务、数据安全要求，在云端、本地、边缘部署之间做好权衡。

  针对AI原生产品创业方向，参会从业者在对话中提示，仅对大模型接口做简单封装，难以建立长期竞争优势。底层模型迭代速度快，产品只有深度嵌入业务流程，积累行业场景资产，才能形成自身价值。

  除主会场议题研讨外，大会同步设置AI创作先锋对谈、FDE实战营、Harness工作坊三场平行论坛，围绕AI内容创作、项目落地实践、工作流搭建开展实战分享。展区集中展示算力、芯片、模型、行业应用等产业链相关成果，为参会者直观呈现人工智能产业的完整技术链条。（宋雅娟）