38度的上海很热，一票难求的2026世界人工智能大会（WAIC 2026）也很热，与展馆里随处可见的机器人相比，交通场景的落地应用在这里显得较为“冷清”。

2026年7月17-20日WAIC 2026在上海举行，主题为"智能伙伴，共创未来"。作为交通行业媒体人，我更关注交通AI在WAIC里到底是什么样的角色。

一、WAIC交通参展企业动态

2026年WAIC的展区里，华为、百度、腾讯、三大运营商以及大批具身智能企业集中亮相，AI成果广泛赋能通信、电力、医疗、教育等众多领域，现场科创氛围火热。但如果专门去找交通赛道的参展企业，数量确实不算多。

交通管理与智慧公路方向，参展者寥寥。海康威视基于观澜大模型面向90多个行业提供解决方案，交通管理只是其中一小块，现场展示了大模型信号控制、交通事件检测等方案。

中城交科技是隧道股份孵化、2025年5月刚成立的新公司，国内首家专注于交通垂类大模型研发与应用的企业，这次全球首发"通达视觉大模型"，其表示在交通安全事件识别与风险预判方面的准确率较传统模式提升 50% 以上，落地场景覆盖高速隧道、综合枢纽、工程建设。联合创始人周赛赛说了一句实在话："交通行业是'慢热'的行业，但一旦技术真正解决了痛点，其释放的价值是巨大的。"

深城交旗下"城交国际"随香港贸易发展局联合展团参展，展示了自主研发"深研交通大模型"的全场景解决方案，强调数字AI与物理AI协同及出海成果，覆盖城市道路、高速、轨交和低空经济。

上海正先电子则重点展示"AI+城市家具"，展出智途AI向导，融合AI数字人、大模型交互、智能导览、语音问答、多语言服务等能力，为市民和游客提供路线指引、信息查询等智慧服务。

华为展区核心是硬件、生态、算力、算法，Atlas 950 SuperPoD超节点真机首次公开，为万亿参数大模型训练和自动驾驶仿真提供算力支撑。其展示的交通智能体中，高速公路领域则展示了与湖北交投合作的案例——基于昇腾超节点打造的交投数智底座，赋能应急指挥调度，响应效率提升20%。

万集科技随湖北机器人生态协会联合参展，展示智能感知技术在具身智能领域的应用。中国联通展示了面向交通运输行业的AI+交通解决方案，集和诚、中科创达等企业展示了智慧交通和车路协同相关边缘计算硬件。

自动驾驶方向，则是另一番光景——本届WAIC将其列为核心主线之一，参展阵容颇为整齐。百度展示"芯云模体"全栈矩阵，萝卜快跑入选"中国人工智能产业创新成果展"成为"国家队"代表，截至今年5月，已覆盖全球27座城市、累计超2200万次服务。WAIC前夕，百度与哈萨克斯坦企业签署战略合作，无人车首次进入中亚市场。

文远知行、九识智能、小马智行、如祺数据等也纷纷参展并发布了最新产品。

二、为什么交通企业参展的不多？

走在WAIC的展区里寻找交通场景的解决方案，有点像"寻宝"。为什么传统交通企业在WAIC里这么少？

第一，WAIC的底色是"底层能力"和"C端场景"，交通管理属于"应用层"。WAIC的展区核心是算力、算法、硬件、生态，是基础设施层的军备竞赛。交通AI是应用层的事，而应用层在这场大会上还没起来。华为、海康等企业展台的交通场景也仅占一小部分；百度除了自动驾驶之外，在H2展馆里核心展示的是通用智能体百度搭子以及诸多C端智能体产品和解决方案。

第二，交通AI不好"表演"。交通行业安全门槛高、体制属性强、落地周期长、展示性差。这些特征既让AI大会策展时自然偏向更"好看"的行业，也让机器人企业理性地选择更容易落地的制造、家庭场景。交通AI的价值在路口、在隧道、在高速路上，是那些"看不见的准确率提升"和"减少的人工复核量"——这些东西放在展台上，不够抓人。

第三，AI还没真正进入交通行业。正如交通领域某位资深研究AI的负责人所说："现在AI技术本身主要还是在AI圈子里面，走向应用的也主要是C端通用的。这一波AI还没真正进入行业，并不是调个DeepSeek的API接口就是做了交通大模型。AI在交通以及其它垂域，都还没有实质性能N倍提升生产力的代表性技术产品。"

第四，直接甲方客户不在WAIC的观众里。交通行业的客户以政府、交管部门、高速公路运营方为主，采购决策链长。WAIC的观众构成更偏向技术圈、投资圈、学术圈和C端体验者。对于以B/G端业务为主的交通企业来说，参加WAIC投入不小，但获客效率远不如行业垂直展会。海康交通业务展台的情况也印证了这一点："客户来的比较少，更多是其他行业或者是学生、媒体等来了解。"

还有一点，现场一位交通企业负责人告诉赛文交通网“通用大模型还没厮杀完，交通等垂类的大模型比较少。”

三、交通行业到底需要什么样的AI？

最后一个问题，也是最核心的：交通行业到底需要什么样的AI？

视频处理与事件识别，让AI替代"人海战术"。在交警日常工作中，视频调阅和图像事件识别是巨大的工作量黑洞。湘潭市公安局交管支队指挥调度大队大队长蔡小柯直指痛点："在视频处理以及视频图像事件的识别及筛选上，应该大力用AI，这样可以大大提高效率。"更进一步，他还提到了从数据中发现规律的价值——"从交警内部数据来说，要能有AI通过历史数据分析来形成对未来勤务及管理的建议就最好了。"

大模型+小模型：不追求"一招鲜"，要的是务实工程。

在交通这类高可靠性的行业，纯大模型路线并不现实。某地方交警的观点很有代表性："任何大模型都有误报，我们更期待与交安设备和业务系统深度融合的智能体，而非大模型。最近几年我们一直在以'大模型+小模型'模式做智能体——普遍性问题以小模型为主，成本低；大模型承担纠偏扫尾等小批量高复杂性工作。"

OD数据分析：AI最该发力、却最缺产品的"硬骨头"

如果说视频识别已经有产品在尝试落地，那么OD（起终点）数据分析，则是交通规划管理领域一块几乎未被AI啃动的"硬骨头"。一位交管工作者如此描述这个困境——"AI比较厉害的是海量数据分析能力，OD调研一直是我们搞规划设计人员的一个短板。现在做OD分析的手段和精准度都太差了。如果AI有成熟的产品，能把用户端的高德、百度地图导航数据、车机定位数据都抓取整合，我们直接问AI'这个片区里有多少车是从哪来、要去哪'，它能精准输出结果——这对片区规划调流的支持就太大了。"

他举了一个真实场景来说明：一个片区几条主干路堵，次支路分流效果不好。要针对性改造，就必须拿到片区的OD数据——"知道走主干路的这些车都是从哪些地方出来、要去哪些地方、晚高峰要回哪些地方"。有了OD数据，就可以对次支路采用区域微循环等措施改造，提高周边路网的分担和疏解能力。

但现实呢？"没有数据，这项工作就很难开展。靠人工站在主干路上，只知道主干路堵，并不知道这些车从哪来到哪去；站在次支路上又没有车走。"

如果能进一步拿到路径数据，他说，"我们可以操作的空间就大了很多。"

这可能是最真实、也最能代表一线交通从业者心声的一段话。AI在交通领域的"杀手级应用"，未必是多模态大模型、未必是数字孪生大屏——可能就是一个能回答"这些车从哪来、到哪去"的工具。

最后，借用一线管理者的一句话："大家都需要深度匹配场景、真正能解决问题的AI，不是悬在天上炫技的系统和画饼的PPT。"

写在最后

WAIC 2026上，交通AI的存在感虽然不强，但交通行业对AI的需求是真实的。它不在展台的炫酷Demo里，而在路口的信号灯前、在高速隧道的监控画面后、在交管工作者"这些车从哪来、到哪去"的日常追问中。

展台上的AI很热闹，但真正能落到路口、落到隧道、落到监控中心的交通AI，从来不是一个自选项——它是必答题。

道阻且长，行则将至。