1. Agent AI 走向主流

能自主规划、使用工具和执行多步骤任务的 AI Agent 将从演示走向生产。预计更多编码 Agent、研究 Agent 和业务流程自动化。

2. 小模型更强

7B 和 70B 模型之间的差距持续缩小。知识蒸馏和改进训练数据使小模型可用于生产。

3. 边缘 AI 部署

在设备(手机、笔记本、IoT)上运行模型变得更实际。Apple、Google 和 Qualcomm 都在出货专用 AI 加速器。

4. AI 原生应用

围绕 AI 能力设计的新应用(而非后加)将定义下一波浪潮。比如 AI 原生的笔记工具、AI 原生的设计工具、AI 驱动的 IDE。

5. 监管加速

欧盟 AI 法案执行开始。更多国家引入 AI 专项法规。

6. 多模态成为默认

纯文本界面成为例外。大多数新 AI 产品同时处理文本、图像、音频和视频。

7. AI 安全产业兴起

红队测试、评估和护栏服务成为十亿美元市场。每一次企业级 AI 部署都需要安全测试。

8. 开源缩小差距

Llama、Qwen 和 Mistral 持续进步。到 2026 年底,开源模型在大多数任务上匹配闭源模型。

对开发者的意义

  • 深入理解 Agent 和工具使用。
  • 学会评估和微调小模型。
  • 从一开始就构建多模态。
  • 关注所在市场的监管动态。

2026 下半年值得关注

2026 年下半年可能由三大转变定义。第一,端侧 AI 将走向主流——手机和笔记本将运行能力强大的本地模型处理日常任务,减少对云的依赖。第二,AI 监管 将成型:欧盟 AI 法案开始执行,美国各州将通过自己的规则,形成拼凑式的合规要求。第三,垂直 AI Agent 将替代水平工具——不是通用聊天机器人,而是面向法律、医疗和金融工作流的专用 Agent。

制定你的策略

  • 投资评估基础设施:随着模型商品化,差异化在于评估和迭代能力,而非使用哪个模型。
  • 构建模型可移植性:抽象模型层,以便无需重写应用即可更换供应商。
  • 聚焦数据护城河:你的专有数据和领域特定微调将是使用相同基础模型的竞争对手面前的持久优势。

一个预测只有当它可能错时才有用

预测的价值不在于它成真,而在于它足够具体、可以被反驳。说「AI 会继续变强」是不可证伪的,因此毫无价值。说「一年内某一类任务会从托管模型迁到更小的本地模型」是可核查的主张,而核查它——即使失败了——也会让你学到东西。

对 2026 年剩下的时间,值得说出口的预测是关于成本与接口的,而不是关于能力的。能力预测被几次基准发布的噪声主导;成本与接口预测追踪的是移动缓慢且可预测的结构性力量。

大概率继续下降的东西

单位工作量的推理成本会继续下降,而且下降并不均匀:小模型在通用硬件上降得快,长上下文和多模态任务因为受内存压力主导而降得慢。上下文窗口的增长会持续快于「用好它」的能力,这意味着检索不会消失,它会从「弥补窗口太小」转向「筛选什么值得占据这个空间」。

大概率继续失败的东西

在长跨度上以真实权限自主行动的智能体。瓶颈不是模型智能,而是验证。没有人解决「如何便宜而可靠地确认一长串动作产生了预期状态」,没有这个,自主性就只能限定在失败代价很低的任务上。

半年后怎么回看这篇

给你依据预测做出的决定留一份带日期的记录。预测的意义不在于正确,而在于它今天改变了某个决定;而记录会告诉你它有没有。