MWC 2026的巴塞罗那Fira Gran Via的中央通道比往年空旷了一些但展台背后的算力比任何一年都密集。AI统治全场、6G抢跑、折叠屏成熟——这三个词不是媒体总结出来的口号而是走一圈下来最直接的体感。十年前大家看MWC是看手机五年前看5G今年看的是AI怎么把硬件重新做一遍6G怎么把AI再做一遍折叠屏又怎么从能折变成好用。这篇文章给没去现场的朋友也给自己留个记录。我不打算按官方顺序复述展位而是把看到的现象、背后的技术逻辑、以及回来后验证过的一些方法整理成十个亮点。无论你是做产品、写代码还是准备换折叠屏、关注6G进度应该都能在里面找到几条对你有用的信息。1. AI统治全场我理解的三个层次1.1 第一层AI不再只是聊天框而是端到端任务流在今年的展厅最明显的变化不是大模型参数量而是展商演示的重点从“你问我答”转向了“你交给它一件事它负责拆解并执行”。AI Agent不再只是回答问题而是能调用工具、操作应用、跨节点传递上下文。我看到的演示里有让手机端Agent自动比对多款套餐并直接提交订单的也有让PC端Agent自己整理邮件、生成周报并发送到协作群的。这类演示在几年前的MWC上几乎看不到因为当时大家还在解决“模型能不能听懂”的问题而今年已经进入“模型能不能办成事”的阶段。但我在展台前也注意到一个问题很多Agent演示是预设脚本的。判断一个Agent是不是真能干活不能只看主持人流畅的那一遍最好问一句“如果中途一个接口报错它会怎么处理”。现场有几家会把错误处理做成演示的一部分那种才是能进生产环境的东西只展示顺滑路径的大概率还在demo阶段。1.2 第二层端侧AI部署门槛被压到“6G显存级”这个变化对开发者冲击最大。往年想在本地跑一个像样的大模型起步就是16G甚至24G显存而这次展会上“6G显存跑小参数模型推理优化”已经成为一种常见表述。不是说6G显存能直接跑几百B的模型而是量化、剪枝、推理引擎优化这些技术把门槛拉低了一个档位。对我个人来说是真实利好我回来之后用一台6G显存的机器试着跑7B模型配合4-bit量化和CPU offload虽然生成速度不算快但已经能完成日常文本任务。这里最关键的不是显卡多强而是模型格式和推理框架选对。如果你也想在本地跑一版我建议优先看量化版本的小模型不要一上来就追大参数。显存只是第一道门槛内存带宽和推理框架的优化往往比显存大小更影响实际体验。等你能把“6G显存能跑”作为基准线去测试不同模型时你对端侧AI的理解会比看参数表深得多。1.3 第三层AI开始变成网络自身的一部分AI统治全场还有一个容易忽略的层面AI开始管理网络。我记得前几年谈AI加网络说的是“用AI辅助做网优”今年很多展台直接把AI写进了网络架构。比如用AI动态调度无线资源、预测业务流量并自动调整节能策略或者让网络具备感知能力为上层应用提供低延迟的智能决策服务。这个趋势其实比单个AI应用影响更大因为它意味着网络不再只是一条“管道”而会变成有感知、有决策能力的基础设施。对普通用户来说这种变化很难直接感知但对做网络、服务器、边缘计算的从业者来说这是最值得盯的方向。AI统治全场不只是终端上的表现而是从芯片、模型、框架到网络都在被AI重新定义。理解了这个层次再回头看MWC上的那些AI展台会清楚很多。2. 6G抢跑从概念机到产业时间表2.1 为什么2026年是6G必须抢跑的窗口按目前公开的时间表6G标准预计在2028到2029年冻结2030年前后启动商用。看到这个时间节点你就能明白为什么今年MWC上那么多厂商急着展示6G原型和预研成果。2026年正好处在标准冻结之前的关键研究期谁能在这一步积累更多技术验证和产业协作经验谁就能在后续标准制定中掌握更多主动性。所以“6G抢跑”本质上是产业界在抢时间窗口不是马上要商用。我在展会上看到的6G展示很少再有那种“放一块概念芯片在玻璃罩里”的做法更多是直接跑通了一个场景比如用超大规模天线阵列做波束跟踪的现场演示或者基于AI的编码调制实验。这说明6G已经过了纯概念阶段进入技术方案比选和样机验证阶段。虽然离真正商用还有好几年但技术方向已经明显收敛。2.2 现场最值得关注的六个6G技术方向6G展示内容很多我把它归纳成六个在现场能直接理解的信号。通感一体化通信和感知共用一个系统基站既能传数据也能像雷达一样感知周边物体的位置和移动。现场演示最常见的是用通信信号识别区域内的人员活动或无人机轨迹直观理解的话相当于给网络加了一双眼睛。AI原生空口不是用AI辅助某个模块而是把AI设计成空口协议的一部分让调制、编码、波束管理都能实时学习和优化。这可能是6G与5G最大的区别之一。太赫兹与超大带宽6G要用更高频段获得超大带宽现场很多展台展示了太赫兹频段的器件和链路。太赫兹的优点是速率极高但覆盖距离短更适合室内热点和短距离大容量场景不能理解为完全替代中低频。分布式自治网络网络节点更扁平不再过度依赖核心网集中控制而是本地决策、多节点协同这和AI Agent在端侧自治的逻辑有点像。网络数字孪生在数字世界里复制一张物理网络用AI在上面跑仿真、做故障预测、验证新策略再部署到真实网络。这是6G运维里落地较快的方向。语义通信传输的侧重点从比特正确变成语义正确也就是说网络只需要传递对方能理解的意思而不必把每个字节都原样搬过去。这个方向看起来远但它和AI压缩、多模态交互非常契合。这六个方向不一定都会最终进标准但它们是理解6G技术路线最常用的坐标。看展时遇到厂商讲6G先问一句“你们在哪个方向上有原型或实测数据”比听概念靠谱得多。2.3 6G和AI之间是互相成就的关系很多人把6G和AI分开看但展会上传递的信号很明确6G需要AIAI也需要6G。6G要支持超低延迟、超大连接、分布式智能靠传统协议栈堆复杂度已经很难走通必须让AI参与空口、资源调度和网络自治反过来AI要跨设备、跨云端协同也需要一张能提供确定性时延和安全传输的网络。用一句话概括我在现场的感受5G解决的是“连接更多设备”6G要解决的是“连接更多智能”。所以如果你现在做AI不必等6G商用后才开始考虑这个问题很多AI与通信结合的技术栈在5G-A阶段已经可以练手了比如无线AI算法、边缘联邦学习、网络感知这些方向现在投入并不亏。3. 折叠屏成熟从炫技到日用3.1 今年折叠屏给我的三个“不再”折叠屏在MWC上不是新鲜话题但今年它的状态明显变了。第一个变化是不再拼“能不能折”而是拼“折了之后像不像直板机”。在现场上手几款折叠屏展开后的折痕已经需要特定角度和光线才能看到手指划过中间也不会再有明显的凹陷感。这说明屏幕盖板和铰链的配合已经进入成熟期。第二个变化是不再追求“参数好看”而是追求“日用可靠”。厂商在展台上不再只讲展开多大多薄而是会演示闭合状态下怎么单手操作、展开后怎么悬停看视频、多任务分屏怎么不误触。甚至有几家直接展示了折叠屏的跌落和灰尘测试结果这在两三年前很难想象。第三个变化是价格不再高不可攀。虽然旗舰折叠屏仍然贵但已经有更多机型下探到常规旗舰手机的价位段小折叠更接近普通直板机价格。折叠屏从“富人玩具”变成“可认真考虑的品类”这个信号在MWC上特别明显。3.2 怎么判断一款折叠屏是否真的成熟在展台待久了你会发现判断折叠屏成熟度不需要看发布会参数上手几分钟就够了。我整理了几条自己常用的判断标准。看折痕正面看、侧面看、亮屏和息屏状态下分别看折痕是否明显用手指横向滑过铰链区域感受落差。看闭合缝隙合上后上下两半是否完全贴合有没有肉眼可见的缝隙或异物感。看铰链悬停在任意角度停住时是否稳定开合过程中有没有异响或松动。看屏幕折痕区域的触控在折痕附近快速滑动看是否断触、误触这直接影响游戏和输入法体验。看重量分布折叠屏普遍超过两百克但重心是否均衡比单纯重量更重要否则单手拿一会儿就会累。看软件适配展开模式下关键应用有没有做自适应布局还是简单拉伸。多任务分屏是否能自由调整比例。这六条里头两条决定外观中间两条决定手感后两条决定日常使用效率。在MWC展台上一圈试下来符合全部条件的产品数量已经比想象中多说明这个品类确实成熟了。3.3 对应用开发者来说折叠屏意味着什么折叠屏成熟带来的不只是硬件机会还有适配成本问题。很多应用还停留在“手机屏幕等比放大”的思路上到折叠屏上就会出现布局过宽、文字过大、分屏不自然的问题。我在展会上和开发者交流时大家普遍认为折叠屏的适配不能靠简单响应式而要考虑“可变窗口”这个逻辑应用要能在展开和折叠两个形态之间平滑迁移并且充分利用新增加的面积。具体到落地可以先做两件事一是把关键操作路径在平板尺寸上测试一遍因为折叠屏展开后的有效宽度接近小尺寸平板二是把外屏通知和交互纳入设计范围因为很多用户合上手机后仍然希望通过外屏快速完成操作。折叠屏不是手机的等比例拉伸而是一个可以改变形态的新容器谁先想明白这一点谁就能在下一代终端体验里占住位。4. MWC 2026十大亮点逐项盘点前面几章已经把三大主题拆开了这一章我用一个更直白的清单来回看今年展会上真正值得记下来的十个点方便你没去现场也能抓住重点。4.1 亮点一AI Agent成为展台绝对主角今年几乎所有主流AI展台都在讲AI Agent而且不再是单轮对话。多步规划、调用工具、跨应用协作这些能力被当成基础能力来演示。现场有一类演示让我印象最深用户把一份会议纪要和一堆报表丢给Agent它自己完成信息抽取、数据核对和摘要生成再输出一份带建议的文档。整个过程不到一分钟。我的判断是2026年会成为AI Agent从演示走向生产环境的分水岭但前提是可靠性和错误处理能跟上。4.2 亮点二端侧大模型部署门槛降到6G显存级不只是手机电脑、汽车、摄像头都开始集成端侧模型。6G显存加上量化优化就能跑日常模型这个门槛让本地私有化部署从企业级下沉到了个人开发者。我在前面已经详细说了这里只提醒一句别只看显存推理框架和内存带宽同样关键。展会现场不少厂商会用“几秒钟生成一张图、几十毫秒响应一句语音”这类指标打动观众但这些指标背后往往是专用的NPU和内存优化纯靠显卡堆算力不一定能达到同样效果。4.3 亮点三多模态输入成为AI终端默认能力文本、语音、图像、视频、传感器数据这些不再是单独功能而是被统一成多模态输入交给模型处理。现场演示里拍一张照片、录一段环境声音、再加上文字指令就能生成一份结构化报告。这种交互方式的进步在于AI开始理解“真实世界”而不是只理解“文字世界”对普通用户的感知是原来说不清楚的场景拍一下、录一段就说明白了。4.4 亮点四AI编程工具进入开发者展区腹地今年开发者展区里AI编程的热度非常高自动补全、代码解释、测试生成已经不算稀奇更进阶的是让AI负责跨文件重构和维护技术文档。现场很多开发者直接开着IDE演示这种“用AI写AI”的氛围比任何宣传都有说服力。我自己的体会是AI编程工具最大的价值不是帮你敲键盘而是把你从“读别人的旧代码”里解放出来。代码审查、迁移、补充测试用例这些动作比生成新函数更费精力AI恰好适合先接手。4.5 亮点五6G原型机不再锁在玻璃柜里和前几年只摆概念不同今年不少6G原型机可以直接看链路、看波形、看性能指标。现场最受关注的是一套超大规模天线阵列的演示天线实时跟踪一个移动终端把波束方向调整的过程直接画在大屏上。这说明6G已经从愿景进入验证阶段。对通信行业来说这个信号的意义不亚于当年5G原型机首次公开。真正有技术含量的展台会给观众看测量结果而不是只给一张“愿景图”。4.6 亮点六通感一体化给了网络“眼睛”通感一体化的展示密集出现基站既能通信又能感知面向低空经济、智慧交通、安防巡检都有实际场景演示。它可能是6G里最早形成商业闭环的方向之一因为感知能力本身就有独立价值。展会现场有一家做灯杆站方案的厂商把基站和交通感知设备合在一起用一个硬件同时做通信覆盖、车流统计和异常事件识别。从成本角度看这种融合方案比单独建设感知网络划算得多所以我很看好它在局部场景的提前落地。4.7 亮点七折叠屏的折痕控制与耐用性成为显性卖点折叠屏在MWC上不算新但今年大家敢把折痕和耐用性做成公开演示了。我特意在几款主力展品上连续开合多次手感和新机基本没区别。屏幕中间区域在亮屏状态下的波浪感已经控制得很弱甚至有些机型在息屏状态下都看不出明显折痕。这说明铰链结构和屏幕盖板的配合已经进入稳定期。我判断接下来折叠屏的竞争会从“哪家折痕更浅”转向“哪家用了一年之后折痕还浅”。4.8 亮点八折叠形态继续分化场景比参数更重要除了传统左右折三折叠、小折叠、卷轴屏都出现在展会上。形态分化的意义是场景分化大屏看文档、小屏随身带、卷轴灵活变。用户不再需要“一部手机适应所有场景”而是可以选择更适合自己使用习惯的形态。展台上不少演示都是拿折起来之后的小尺寸做主打卖点比如放到口袋里、单手回消息、当相机取景器。这种思路比单纯比展开面积更聪明因为只有真正影响用户使用习惯的变化才有持续价值。4.9 亮点九AI开始长在机器人身上具身智能是今年最拥挤的展区之一机器人不再只是按预设轨迹运动而是能通过大模型理解自然语言指令并拆解成动作。我看到一个桌面机械臂的演示用户说“把这堆零件按颜色分好再摆到托盘里”它自动完成视觉识别、路径规划和抓取出错之后还会重新规划。现场给我的感触是AI和硬件的边界正在模糊软件定义机器人正在成为主流叙事。这个领域的门槛不在机械本体而在把大模型的推理能力稳定地桥接到真实物理世界。4.10 亮点十隐私保护成为AI功能的新卖点隐私不是新话题但今年它直接绑定在AI功能上。端侧处理、联邦学习、数据不出域、一键删除这些能力被当成宣传重点。多家厂商都在强调“你的数据不需要上传也能有智能体验”这不只是合规要求更是产品差异化。AI越强大用户对数据边界的敏感度越高厂商必须把隐私设计前置而不是事后再补。实际操作中这意味着AI产品从需求阶段就要定义清楚哪些数据必须上云、哪些留在本机、用户如何控制。5. 从业者视角这些趋势对实际工作意味着什么5.1 做AI应用的与其追新模型不如优化部署我在展会上遇到不少同行聊下来发现大家最大的焦虑是“模型更新太快刚适配完又被颠覆”。但真正立项落地的项目几乎都不是靠追参数赢的。以本地部署为例先把模型量化、缓存、流式输出、工具调用这些工程链路跑通哪怕用一个中等参数的模型也能做出体验稳定的产品。6G显存门槛降低之后很多原本只能用云端API的场景其实可以退到本地既省成本又保隐私。建议你把“最小可用显存”作为项目约束而不是“最大可用参数”。5.2 做终端产品与应用的折叠屏适配越早越好折叠屏已经过了看热闹阶段用户买回去是当主力机用的。如果你的应用在展开形态下体验稀烂用户换机之后第一个卸载的就是你。这里给两条实操建议一是把平板适配经验迁移到折叠屏展开态不要在手机布局上做简单拉伸二是针对外屏场景做轻量化任务设计比如查看通知、快捷回复、支付码这些高频行为在外屏上的权重比想象中高。5.3 做网络与运维的别等6GAI优化现在就能用6G商用还早但网络运维中的AI优化是现成的。流量预测、故障根因分析、节能调度这些能力在5G和5G-A网络上已经能落地不需要等到6G。你在规划技术路线时可以把6G当成一个演进方向同时把AI加网络自动化作为当前投入点。这样既能积累数据也能锻炼团队等6G真正来了不会手忙脚乱。6. 现场避坑指南与常见问题速查6.1 怎么快速看穿一个AI展台的成色在MWC这种展会上AI概念被稀释得很厉害。我建议你看三个细节第一演示是不是录屏录屏的一律先打五折第二能不能现场随机提一个不在脚本里的问题能现场试错并恢复的才是真本事第三问一句模型跑在本地还是云端如果对方强调“端侧AI”就追问具体延迟和显存占用。这几个问题问下来很多展台会从“震撼”变成“了解”。6.2 折叠屏现在能不能当主力机如果只看展会答案是可以但你要结合自己情况。经常需要长时间握持、打字、看文档的人挑重量低于240克、厚度控制好的机型在意折痕的选最新铰链方案的机型到现场多试几次预算敏感的小折叠已经能当第二台设备。唯一建议是不要只看首销评测等真实用户用三个月后再决定。另外要确认维修成本折叠屏结构复杂摔一下的维修费可能比想象中高。6.3 6G相关岗位和方向值得投入吗值不值得主要看你现在的岗位能不能跟“智能”沾边。如果你是做通信算法、嵌入式开发、测试仪表的6G会带来新一轮技术升级机会如果你是做应用开发其实不用等6G在5G-A阶段先把低延迟和边缘计算用好更现实。我自己的判断是AI原生网络、通感一体化、网络数字孪生这三个方向的软件和算法人才缺口会最先出现因为它们依赖现有技术栈不用等标准冻结就能开始积累。6.4 没去现场的人后续怎么追重点如果这次没去成也不用焦虑。MWC结束后各家会把白皮书和演示视频发出来你优先看三样东西标准组织的技术趋势报告、芯片厂商的路线图、终端厂商的实际产品演示。看的时候带着问题去这个技术解决什么问题成本代价是什么预计什么时候能用。把这三个问题回答清楚比刷十条展会新闻都有用。7. 回来后我做的三件事7.1 给本地AI环境做了一次“减配实验”回来后第一件事就是找那台6G显存的旧机器重新搭了一遍本地推理环境。我选了一个7B量级模型用4-bit量化配合CPU offload和流式输出实际跑下来虽然生成速度不算快但已经足以做文档摘要和结构化提取。这个实验让我对“AI部署门槛下降”有了具象认知现在要跑通本地AI难点确实不在显存而在模型选型和推理框架调优。如果你也想做类似实验记住先把显存占用和内存带宽同时看只看显存会踩坑。7.2 把折叠屏适配清单发给了团队我把展会现场总结的六条判断标准整理成一份适配自查清单发给做终端的同事。重点不是追求所有机型完美兼容而是先保证最核心的展开态布局和外屏高频操作不出问题。折叠屏用户的换机成本高、忠诚度也高适配做得好是最划算的口碑传播。7.3 重新排了6G学习优先级对照展会上看到的方向我把自己的技术学习表重排了一下通感一体化和网络数字孪生放最前面因为它们和现有的信号处理、AI运维技术栈衔接最紧太赫兹器件暂时放后面因为偏硬件且周期长。这样安排不是为了跟风而是让自己在接下来两年内的积累能真正派上用场。MWC教会我的不是看哪个技术更热门而是看清楚哪些趋势其实已经被验证到了什么程度然后选择自己够得着的部分先做起来。