圖片來源：Unsplash
如果說2025?年是?AI?接受現(xiàn)實檢驗之年 ，那么?2026?年這項技術(shù)將走向?qū)嵱没?。業(yè)界焦點(diǎn)已從構(gòu)建日益龐大的語言模型，轉(zhuǎn)向更艱巨的使命——讓?AI?真正可用。
實踐層面意味著：在適配場景部署輕量模型，將智能嵌入實體設(shè)備，并設(shè)計能無縫融入人類工作流的系統(tǒng)。
TechCrunch采訪的專家認(rèn)為，2026?年將是過渡之年——從粗放式規(guī)模擴(kuò)張轉(zhuǎn)向新架構(gòu)研究，從炫酷演示轉(zhuǎn)向針對性部署，從空談自主的智能體轉(zhuǎn)向真正賦能人類工作的協(xié)作工具。盛宴尚未結(jié)束，但行業(yè)已開始回歸理性。
Scaling Law 難以為繼
圖片來源：Amazon
2012?年，Alex Krizhevsky、Ilya Sutskever?和?Geoffrey Hinton共同發(fā)表的?ImageNet?論文展示了?AI?系統(tǒng)如何通過分析數(shù)百萬張圖片樣本"學(xué)習(xí)"識別圖像中的物體。這種方法雖需巨大算力支撐，但?GPU?的出現(xiàn)使其成為可能。由此開啟了長達(dá)十年的硬核?AI?研究浪潮，科學(xué)家們持續(xù)為不同任務(wù)研發(fā)創(chuàng)新架構(gòu)體系。
這一切在2020?年前后達(dá)到高潮，當(dāng)時?OpenAI?發(fā)布了?GPT-3，它展示了僅僅將模型擴(kuò)大?100?倍就能解鎖編程和推理等能力，而無需進(jìn)行明確的培訓(xùn)。這標(biāo)志著?AI?進(jìn)入了?AI?智能體平臺?Workera?創(chuàng)始人兼?CEO Kian Katanforoosh?所稱的"規(guī)模化時代"：這個時期的核心信念是，更多的算力、更多的數(shù)據(jù)以及更大的?Transformer?模型必將推動?AI?實現(xiàn)下一個重大突破。
如今，許多研究者認(rèn)為AI?產(chǎn)業(yè)正在接近 Scaling Law 的極限，并將再次進(jìn)入研究探索的新階段。
Meta?前首席?AI?科學(xué)家?Yann LeCun長期反對過度依賴規(guī)?；?qiáng)調(diào)開發(fā)更優(yōu)架構(gòu)的必要性。Sutskever?在近期采訪中也表示，當(dāng)前模型性能已進(jìn)入平臺期，預(yù)訓(xùn)練成果趨于停滯，這表明我們需要全新的思路。
“我認(rèn)為在未來五年內(nèi)，我們很可能會找到一種比?Transformer?架構(gòu)有顯著改進(jìn)的更好的架構(gòu)，”Katanforoosh?說?！叭绻覀冋也坏剑蔷筒荒苤竿Ｐ陀卸啻蟾倪M(jìn)。”
有時少即是多
大型語言模型在泛化知識方面表現(xiàn)優(yōu)異，但許多專家認(rèn)為，下一波企業(yè)AI?應(yīng)用的驅(qū)動力將是更小巧、更靈活的語言模型，它們能夠針對特定領(lǐng)域進(jìn)行微調(diào)以提供解決方案。
“經(jīng)過微調(diào)的?SLMs?將成為大趨勢，并在?2026?年成為成熟?AI?企業(yè)的標(biāo)配工具，因為其成本和性能優(yōu)勢將推動人們更多地使用它們，而非開箱即用的?LLMs，”AT&T的首席數(shù)據(jù)官?Andy Markus?告訴?TechCrunch?！拔覀円呀?jīng)看到企業(yè)越來越依賴?SLMs，因為如果微調(diào)得當(dāng)，它們在針對企業(yè)業(yè)務(wù)應(yīng)用的準(zhǔn)確度上能夠媲美更大的通用模型，并且在成本和速度方面表現(xiàn)出色。”
我們之前已經(jīng)聽過法國開源AI?初創(chuàng)公司?Mistral?的這一論點(diǎn)：該公司聲稱其小型模型經(jīng)過微調(diào)后，在多項基準(zhǔn)測試中的表現(xiàn)實際上優(yōu)于大型模型。
“SLM?的精密度、成本效益和適應(yīng)性使它們成為精密度至上的定制應(yīng)用的理想選擇，”位于奧斯汀的企業(yè)人工智能公司?ABBYY?的?AI?戰(zhàn)略師?Jon Knisley?表示。
雖然馬爾庫斯認(rèn)為?SLM?將在代理時代發(fā)揮關(guān)鍵作用，但克里斯利指出，小型模型的特性意味著它們更適合部署在本地設(shè)備上，"這一趨勢因邊緣計算的進(jìn)步而加速。"
通過經(jīng)驗學(xué)習(xí)
圖片來源：World Labs
人類不僅僅通過語言學(xué)習(xí)；我們還通過體驗世界的運(yùn)作方式來獲取知識。但LLMs?并不真正理解世界；它們僅僅是在預(yù)測下一個詞語或概念。正因如此，許多研究者認(rèn)為下一個重大突破將來自世界模型：這類人工智能系統(tǒng)通過學(xué)習(xí)物體在三維空間中如何運(yùn)動與交互，從而能夠進(jìn)行預(yù)測并采取行動。
越來越多跡象表明，2026?年將成為世界模型的關(guān)鍵年份。
LeCun?離開?Meta?創(chuàng)辦了自己的世界模型實驗室，據(jù)報道正尋求?50?億美元估值 。谷歌?DeepMind持續(xù)深耕?Genie?項目，并于八月發(fā)布了能夠構(gòu)建實時交互通用世界模型的最新系統(tǒng)。隨著?Decart、Odyssey?等初創(chuàng)公司的演示亮相， 李飛飛的世界實驗室也推出了首個商業(yè)化世界模型?Marble。十月新秀?General Intuition?獲得?1.34?億美元種子輪融資用于訓(xùn)練智能體的空間推理能力，而視頻生成初創(chuàng)公司?Runway?則在十二月發(fā)布了其首款世界模型?GWM-1。?
雖然研究者們看到機(jī)器人與自主技術(shù)的長遠(yuǎn)潛力，但近期影響很可能率先在電子游戲領(lǐng)域顯現(xiàn)。PitchBook?預(yù)測，游戲領(lǐng)域的世界模型市場規(guī)模將從?2022?至?2025?年間的?12?億美元，增長至?2030?年的?2760?億美元，這得益于該技術(shù)生成交互式世界和更逼真非玩家角色的能力。
General Intuition?創(chuàng)始人?Pim de Witte?向?TechCrunch?表示，虛擬環(huán)境不僅可能重塑游戲產(chǎn)業(yè)，還有望成為下一代基礎(chǔ)模型關(guān)鍵的檢測場。
智能體時代
2025?年智能體未能達(dá)到市場預(yù)期，主要原因是難以將其與真實工作系統(tǒng)對接。由于缺乏獲取工具與場景信息的途徑，多數(shù)行動體被困在試點(diǎn)工作流中。
Anthropic?公司推出的?Model Context Protocol（MCP）被譽(yù)為“AI?領(lǐng)域的?USB-C?接口”，它讓?AI?智能體能夠與數(shù)據(jù)庫、搜索引擎及?API?等外部工具進(jìn)行交互，這一方案恰好填補(bǔ)了關(guān)鍵的技術(shù)連接層空白，正迅速成為行業(yè)標(biāo)準(zhǔn)。OpenAI?與微軟已公開表示支持?MCP，而?Anthropic?近期更是將其捐贈給了?Linux?基金會新成立的智能體人工智能基金會 ，該基金會旨在推動開源智能體工具標(biāo)準(zhǔn)化進(jìn)程。與此同時，谷歌也開始部署自家的托管式?MCP?服務(wù)器 ，用以將?AI?智能體與其各項產(chǎn)品及服務(wù)相連接。
隨著MCP?降低智能體連接實際系統(tǒng)的摩擦阻力，2026?年很可能成為智能體工作流從演示階段真正融入日常實踐的元年。
藍(lán)寶石風(fēng)投合伙人拉吉夫·達(dá)姆指出，這些技術(shù)進(jìn)步將推動智能體優(yōu)先解決方案在各行業(yè)承擔(dān)起“記錄系統(tǒng)核心角色”。
達(dá)姆表示：“當(dāng)語音智能體能處理從信息錄入到客戶溝通等端到端任務(wù)時，它們也將逐漸構(gòu)成底層核心系統(tǒng)。我們將在家庭服務(wù)、房地產(chǎn)科技、醫(yī)療保健等多個領(lǐng)域見證這一趨勢，同時滲透到銷售、IT?和支持等橫向職能中?！?/p>
這是能力增強(qiáng)，而非簡單替代
圖片來源：Unsplash
雖然更智能的工作流可能會引發(fā)裁員隨之而來的擔(dān)憂，但Workera?公司的?Katanforoosh?并不確定這就是未來的主旋律："2026?年將是人類之年，"他表示。
2024?年，每家?AI?公司都預(yù)測他們將通過自動化技術(shù)取代人類工作。但技術(shù)尚未成熟，在經(jīng)濟(jì)不穩(wěn)定的當(dāng)下，這種論調(diào)并不受歡迎。Katanforoosh?認(rèn)為，明年我們會意識到"AI?并未像預(yù)想中那樣自主運(yùn)作"，討論重點(diǎn)將更多地轉(zhuǎn)向?AI?如何輔助人類工作流程，而非取代人類。
"我認(rèn)為很多公司都將開始招聘，"他補(bǔ)充道，并指出預(yù)計人工智能治理、透明度、安全性以及數(shù)據(jù)管理領(lǐng)域會出現(xiàn)新的職位。"我非?？春妹髂晔I(yè)率平均值會低于4%。"
“人們希望能夠駕馭?API，而不是受制于它，我認(rèn)為?2026?年將是實現(xiàn)這一目標(biāo)的關(guān)鍵年份，”德威特補(bǔ)充道。
走向?qū)嶓w化
圖片版權(quán)：David Paul Morris/Bloomberg?
專家表示，小型模型、世界模型和邊緣計算等技術(shù)的進(jìn)步將推動機(jī)器學(xué)習(xí)在更多物理場景中落地應(yīng)用。
“隨著機(jī)器人、自動駕駛車輛、無人機(jī)和可穿戴設(shè)備等新型人工智能設(shè)備開始進(jìn)入市場，物理人工智能將在?2026?年成為主流?！盇T&T Ventures?負(fù)責(zé)人維克拉姆·塔內(nèi)賈對?TechCrunch?表示。
雖然自動駕駛車輛和機(jī)器人是物理人工智能的典型應(yīng)用場景，預(yù)計2026?年將持續(xù)增長，但其所需培訓(xùn)與部署成本依然高昂。相比之下，可穿戴設(shè)備憑借消費(fèi)者接受度成為更具成本效益的切入點(diǎn)。例如雷朋?Meta?智能眼鏡已開始配備能回答實時視覺問題的助手，而?AI?健康指環(huán)與智能手表等新型設(shè)備正推動全天候機(jī)身推斷成為常態(tài)。
Taneja?表示：“連接服務(wù)提供商將致力于優(yōu)化其網(wǎng)絡(luò)基礎(chǔ)設(shè)施以支持這波新設(shè)備浪潮，而那些在提供連接方式上具備靈活性的運(yùn)營商將占據(jù)最佳優(yōu)勢。”（轉(zhuǎn)載自Z Potentials）