圖片來源：Unsplash
如果說2025?年是?AI?接受現實檢驗之年 ，那么?2026?年這項技術將走向實用化。業(yè)界焦點已從構建日益龐大的語言模型，轉向更艱巨的使命——讓?AI?真正可用。
實踐層面意味著：在適配場景部署輕量模型，將智能嵌入實體設備，并設計能無縫融入人類工作流的系統。
TechCrunch采訪的專家認為，2026?年將是過渡之年——從粗放式規(guī)模擴張轉向新架構研究，從炫酷演示轉向針對性部署，從空談自主的智能體轉向真正賦能人類工作的協作工具。盛宴尚未結束，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?系統如何通過分析數百萬張圖片樣本"學習"識別圖像中的物體。這種方法雖需巨大算力支撐，但?GPU?的出現使其成為可能。由此開啟了長達十年的硬核?AI?研究浪潮，科學家們持續(xù)為不同任務研發(fā)創(chuàng)新架構體系。
這一切在2020?年前后達到高潮，當時?OpenAI?發(fā)布了?GPT-3，它展示了僅僅將模型擴大?100?倍就能解鎖編程和推理等能力，而無需進行明確的培訓。這標志著?AI?進入了?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、更多的數據以及更大的?Transformer?模型必將推動?AI?實現下一個重大突破。
如今，許多研究者認為AI?產業(yè)正在接近 Scaling Law 的極限，并將再次進入研究探索的新階段。
Meta?前首席?AI?科學家?Yann LeCun長期反對過度依賴規(guī)模化，并強調開發(fā)更優(yōu)架構的必要性。Sutskever?在近期采訪中也表示，當前模型性能已進入平臺期，預訓練成果趨于停滯，這表明我們需要全新的思路。
“我認為在未來五年內，我們很可能會找到一種比?Transformer?架構有顯著改進的更好的架構，”Katanforoosh?說?！叭绻覀冋也坏剑蔷筒荒苤竿Ｐ陀卸啻蟾倪M?！?/p>
有時少即是多
大型語言模型在泛化知識方面表現優(yōu)異，但許多專家認為，下一波企業(yè)AI?應用的驅動力將是更小巧、更靈活的語言模型，它們能夠針對特定領域進行微調以提供解決方案。
“經過微調的?SLMs?將成為大趨勢，并在?2026?年成為成熟?AI?企業(yè)的標配工具，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的首席數據官?Andy Markus?告訴?TechCrunch?！拔覀円呀浛吹狡髽I(yè)越來越依賴?SLMs，因為如果微調得當，它們在針對企業(yè)業(yè)務應用的準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出色。”
我們之前已經聽過法國開源AI?初創(chuàng)公司?Mistral?的這一論點：該公司聲稱其小型模型經過微調后，在多項基準測試中的表現實際上優(yōu)于大型模型。
“SLM?的精密度、成本效益和適應性使它們成為精密度至上的定制應用的理想選擇，”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。
雖然馬爾庫斯認為?SLM?將在代理時代發(fā)揮關鍵作用，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備上，"這一趨勢因邊緣計算的進步而加速。"
通過經驗學習
圖片來源：World Labs
人類不僅僅通過語言學習；我們還通過體驗世界的運作方式來獲取知識。但LLMs?并不真正理解世界；它們僅僅是在預測下一個詞語或概念。正因如此，許多研究者認為下一個重大突破將來自世界模型：這類人工智能系統通過學習物體在三維空間中如何運動與交互，從而能夠進行預測并采取行動。
越來越多跡象表明，2026?年將成為世界模型的關鍵年份。
LeCun?離開?Meta?創(chuàng)辦了自己的世界模型實驗室，據報道正尋求?50?億美元估值 。谷歌?DeepMind持續(xù)深耕?Genie?項目，并于八月發(fā)布了能夠構建實時交互通用世界模型的最新系統。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器人與自主技術的長遠潛力，但近期影響很可能率先在電子游戲領域顯現。PitchBook?預測，游戲領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業(yè)，還有望成為下一代基礎模型關鍵的檢測場。
智能體時代
2025?年智能體未能達到市場預期，主要原因是難以將其與真實工作系統對接。由于缺乏獲取工具與場景信息的途徑，多數行動體被困在試點工作流中。
Anthropic?公司推出的?Model Context Protocol（MCP）被譽為“AI?領域的?USB-C?接口”，它讓?AI?智能體能夠與數據庫、搜索引擎及?API?等外部工具進行交互，這一方案恰好填補了關鍵的技術連接層空白，正迅速成為行業(yè)標準。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準化進程。與此同時，谷歌也開始部署自家的托管式?MCP?服務器 ，用以將?AI?智能體與其各項產品及服務相連接。
隨著MCP?降低智能體連接實際系統的摩擦阻力，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。
藍寶石風投合伙人拉吉夫·達姆指出，這些技術進步將推動智能體優(yōu)先解決方案在各行業(yè)承擔起“記錄系統核心角色”。
達姆表示：“當語音智能體能處理從信息錄入到客戶溝通等端到端任務時，它們也將逐漸構成底層核心系統。我們將在家庭服務、房地產科技、醫(yī)療保健等多個領域見證這一趨勢，同時滲透到銷售、IT?和支持等橫向職能中。”
這是能力增強，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?公司都預測他們將通過自動化技術取代人類工作。但技術尚未成熟，在經濟不穩(wěn)定的當下，這種論調并不受歡迎。Katanforoosh?認為，明年我們會意識到"AI?并未像預想中那樣自主運作"，討論重點將更多地轉向?AI?如何輔助人類工作流程，而非取代人類。
"我認為很多公司都將開始招聘，"他補充道，并指出預計人工智能治理、透明度、安全性以及數據管理領域會出現新的職位。"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，我認為?2026?年將是實現這一目標的關鍵年份，”德威特補充道。
走向實體化
圖片版權：David Paul Morris/Bloomberg?
專家表示，小型模型、世界模型和邊緣計算等技術的進步將推動機器學習在更多物理場景中落地應用。
“隨著機器人、自動駕駛車輛、無人機和可穿戴設備等新型人工智能設備開始進入市場，物理人工智能將在?2026?年成為主流?！盇T&T Ventures?負責人維克拉姆·塔內賈對?TechCrunch?表示。
雖然自動駕駛車輛和機器人是物理人工智能的典型應用場景，預計2026?年將持續(xù)增長，但其所需培訓與部署成本依然高昂。相比之下，可穿戴設備憑借消費者接受度成為更具成本效益的切入點。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備正推動全天候機身推斷成為常態(tài)。
Taneja?表示：“連接服務提供商將致力于優(yōu)化其網絡基礎設施以支持這波新設備浪潮，而那些在提供連接方式上具備靈活性的運營商將占據最佳優(yōu)勢?！保ㄞD載自Z Potentials）