重塑 AI、软件与领导力的五大趋势：我们对 2026 年的投资者预测
本文信息来源：insightpartners
过去一年无论在世界范围内还是在 Insight 内部都异常忙碌——我们以宣布 125 亿美元的 Fund XIII 和庆祝 30 年软件投资历程 开启了 2025 年。我们与 NYSE 探讨了 IPO，重点介绍了我们与 Fortune 合作的项目来源策略 ，同时我们的创始人 Jeff Horing 也罕见地做客 Invest Like the Best，深入分享了公司的战略与发展历史。
今年，我们将与部分 Insight 投资人的超过七小时的思考、热烈讨论与辩论浓缩为五大主要趋势，并在其中提出了一些具体预测。
你可以通过链接回顾我们此前在 2023、2024 和 2025 年的预测。为 2026 年举杯。
AI 进展正在加速
尽管有关触顶的投机不断，但模型能力仍在以越来越快的速度提升。推理能力、持续学习架构以及代理型系统的进步，正在使复杂的长时任务成为可能，而这些在不到两年前还仿佛是科幻小说中的情节。整个行业正逐步逼近“百万 Agent 问题”，以及能够自主完成一整天工作的系统。
“墙”只是海市蜃楼
尽管越来越多的投机认为 genAI 正因数据或算力限制而撞上“墙”，但董事总经理 Lonne Jaffe 并未看到放缓的实证证据。确实有严肃的研究者在某些基准测试中观察到边际收益递减的迹象，但整体能力提升的速度依然快得令人咋舌；他认为，“平台期”的叙事更多是心理层面的。
“人们在情感上很容易被‘模型会突然不再变好’这种想法所吸引。如果实验室有几周没有重大发布，立刻就会出现‘哦，也许我们已经撞墙了’的声音。但到目前为止，从经验上看，事实并非如此，我也不建议对‘下周改进速度就会止息’下高确定性的赌注。”
如今，驱动进步的不仅仅是更大的预训练规模；新的技术正在开启全新的改进前沿，而像 Gemini 3 这样的模型发布也表明，预训练仍然存在实质性的提升空间。
Jaffe 再次表示：“我们迎来了全新的提升前沿：强化学习的后训练、更优的数据整理、多模态能力、改进的算法——再加上大量数据中心和芯片正在上线，因为人们早已开始着手建设。”
自主化与代理型系统的激增
Managing Director George Mathew 将这一阶段描述为大规模智能与迅速提升的推理能力的融合：“在下一波 AI 系统中，我们看到两条增长向量。一条是智能——拥有数万亿参数的模型，比如 GPT-5。另一条是推理能力。Agent 所处阶段的魅力在于，更长、更复杂、离散的任务如今可以端到端地完成。以往，Agent 可能只能在一个任务上工作五分钟；现在，它可以构建一个完整的网站。”
这不仅仅是更好的工具——而是数字同事的崛起。
Mathew 继续说道：“你现在可以构建数字化的自主工作者，来处理大量前台工作——外呼和内呼销售、商务拓展——这些任务重复、繁琐，非常适合由 Agents 来完成……我们正迈向这样的模型和 Agents：它们可以在几乎没有或完全没有人工干预的情况下完成一整天的工作量，而且在某些领域，我们可能已经实现了这一点。”
即便看似不大的改进，也能让 AI 从“不错的演示”变成“必不可少”，甚至“被外包的对象”。
Jaffe 表示：“即使看起来只是相对次要的能力提升，也可能产生重大的临界效应。一旦你在某项任务上达到并超越人类水平——再加上一点缓冲，因为我们往往对 AI 的要求比对人类更高——就会很快从‘这在现实世界中根本无法使用’，变成‘这很有用’，再到‘它好到已经没有理由再让人类做这件事了’，就像电梯控制计算机那样。”
协调数以万计——并且很快将达到数百万——的 Agents，将成为 2026 年及以后一个定义性的里程碑。
Mathew：“我们正在学习如何将大型任务集拆解为数万，甚至数十万的 Agents。我预测，第一个‘百万 Agent 问题’将在未来 12 到 18 个月内被提出并解决。”
一个关键的架构转变将是从需要不断重新训练的静态模型，走向能够更自然地保留记忆和上下文的系统。
Mathew：“如今，我们依赖重新训练和检索增强生成来保持上下文。我认为，随着模型架构朝着持续学习和更强的原生记忆能力演进，这种方式将逐渐消退。”
Managing Director Ganesh Bell：“一种新的计算架构将会出现，用于管理数量超过人类的 Agents 在工作。问题不在于是否会发生，而是谁来构建它。”
运行时正迅速成为衡量进步的核心指标。
Jaffe：“在即将到来的一年里，你可能会看到由 genAI 驱动的 Agent 系统，在某些领域能够跨越更长的时间跨度进行运作。人们已经开始关注并追踪一个关键评估指标：‘一个有用的 Agent 在无需人工干预的情况下能运行多久？’当我们从半小时的深度研究或编码项目，迈向为期两天的项目——Agent 能够整夜持续工作，并在早晨交付真正具有新颖性的成果——这将是另一个重要的阈值效应。”
管理合伙人 Teddie Wardi 给出了一个更为务实的视角：
“ 被讨论得还不够多的是数据层。在企业级 AI 部署中，确实存在一个数据层瓶颈。如果企业真的去做他们所说的那些计划——比如将成千上万个 Agent 部署到生产环境中——那么在此之前，必须完成大量的数据层工作。”
投资者也在密切关注机器人技术的崛起，以及能够理解并模拟物理世界和 3D 环境的模型。
Jaffe：“机器人技术非常困难，但随着资本和人才不断涌入这一领域，我们开始在具身智能的某些方向上看到真正的临界效应，例如自动驾驶车辆和机器人。最初，汽车可以超越水平一般的人类驾驶员；要超越真正优秀的驾驶员则需要更长时间。由 AI 驱动的机械臂和抓取器已经发展到一个水平，叠衬衫做得比许多软件投资者还好。”
Bell 补充道：“世界模型之于物理 AI，正如基础模型之于数字 Agent——物理 AI 与数字 Agent 的融合速度将超出人们的预期。”
Mathew 表示赞同：“用于表示物理现实的世界构建模型——图像、视频、3D 场景——是即将到来的重要多模态机会之一。”
AI 将瓦解旧有的软件护城河，同时在整个技术栈中重新分配价值
AI 正在推动软件行业的根本性重新评估。它不会消灭 SaaS，但会削弱传统的 护城河 ，例如转换成本。持久性的优势正转向客户智能、深厚的行业领域专长，以及建立在卓越客户体验之上的声誉型护城河。与此同时，前沿模型实验室正积极进军应用层，挑战初创公司和成熟企业，并重塑价值的归属方式。
执行董事 Ryan Hinkle：“AI 对 SaaS 带来的影响并非全有或全无。它既不会全面利好，也不会全面利空。总体而言，AI 对 SaaS 市场是净正向的。真正的问题在于：哪些公司会输给那些在车库里从零开始、以 AI 优先重建产品的年轻团队，哪些公司又能通过 AI 解锁全新的收入来源？”
Hinkle 使用“记录系统”与“行动系统”的对比来解释 AI 在典型 SaaS 中能够在哪些方面成倍提升价值：“关键问题在于：什么是记录系统？如果它只是一个文件柜——一个数字化的存储系统——那就是个问题。如果它是真正的行动系统或工作系统，知识工作者离不开它来完成工作，那就完全不同了……我们预计，那些作为工作系统或行动系统的 SaaS 应用将成为 AI 的巨大受益者。而那些只充当文件柜的应用则面临威胁。”
代理式 SaaS 范式将成为新的标准
Insight Partners 董事总经理 Praveen Akkiraju 表示：“新的原型将是代理式 SaaS——依然是我们所熟知的 SaaS，但在底层通过代理式工作流，为原本静态的软件注入动态性和智能。软件的核心——业务逻辑——保持不变。但应用现在拥有更多上下文，能够自主执行任务，用户体验也变得更加动态。”
他以 Insight 投资组合公司 Stampli 作为具体示例：
“Stampli 专注于中端市场的应付账款处理——这是一个相当标准的工作流——但他们通过在架构的多个层面引入 AI 来改造了产品。他们能够更快地摄取数据，帮助用户 生产力提升 5 倍 ，通过更快地完成交易并促进更迅速的信用评估，从而加速实现价值的时间。”
关于价值积累的重大辩论
董事总经理 John Wolff：“在过去三年中，早期的大部分经济上行收益都集中在硬件层。随着时间推移，我们相信更多价值将向应用层转移。软件将把 AI 转化为真正的业务成果，但我们仍处在这一转变的早期阶段。”
Wolff 继续说道：“许多表现最好的公司正在从单点解决方案迈向完整的平台和基础设施，这也是我们对 Databricks 极度看好的原因。它位于推动这一颠覆的软件基础设施层，而不仅仅是在应用程序层面。”
像 OpenAI、Anthropic 和 Google 这样的实验室，已经不再满足于仅仅作为模型提供方。
Jaffe 表示：“很多人曾以为，这些前沿实验室只会把模型放进‘烤箱’里‘烘焙’，然后拿出来交给世界，让其他人去构建中间件以及其上的应用……但实际上实验室的思路并不是这样。他们的心态更多是，‘如果我们自己来构建中间件和应用，而且还能做得更好，那我们很乐意这样做。’”
Jaffe 进一步说道：“我认为我们将会看到前沿实验室在金融、法律、医疗保健、教育等多种不同领域交付更多开箱即用的应用，并且直接投入生产环境。这可能会让市场中的一些参与者感到意外。”
切换成本的下降
Hinkle：“过去你还能靠‘最不讨厌’混过去。目标不是被喜欢——而只是比其他人没那么糟。这让你有权赢得竞争并留住客户。随着 AI 让切换变得更容易，‘最不讨厌’反而成了问题。客户留存往往只是‘最不讨厌’的代理指标，而不是‘满意’。这必须转向‘最受喜爱’。”
管理合伙人 Rebecca Liu-Doyle 强调，在切换成本不断被侵蚀的情况下，客户的重要性只会更高。
“如果说有什么真正的护城河，那就是客户智能——了解人们实际在做什么、什么真正有效，并基于这些洞察不断加深你与客户之间的连接……[对于创始人来说] 我不认为存在‘花太多时间和客户在一起’这回事。”
AI 热潮将由真实需求所定义——而 2026 年将把具备持久竞争力的公司与其他公司区分开来
市场正处于一个“两个事实同时成立”的时刻——一方面被过度炒作，另一方面其价值又远超大多数人的认知。与互联网泡沫时期不同，当下的 AI 建设呈现出产能被充分利用的特征，更接近于云计算时代。然而，大规模的资本流入和相互关联的风险也带来了脆弱性。战略性并购正在加速，而 2026 年的续约将检验哪些 AI 初创公司和扩张期公司真正具备持久生命力。
Wolff：“在互联网泡沫时代，我们建设了大量从未被真正使用的基础设施。如今几乎完全相反。主要的瓶颈在于电力。每一块通上电的 GPU、TPU 以及定制加速器（XPU）都会立刻投入使用。”
Bell：“GPU 并没有闲置。你可以争论基础设施的构建速度，但这不仅仅是‘更快的云’——而是一种从根本上不同的计算模型。忽视这一点，就等于错过了整个变革。”
Hinkle 表示认同：“在 21 世纪初，我们拥有的是寻找收入来源的产能。而如今，所有这些产能都已被过度利用。这一次，需求显然是存在的。”
Wolff 再次说道：“这波 AI 浪潮看起来就像被快进播放的早期云计算时代。需求不断攀升，人人都想要 AI。限制因素不是兴趣，而是算力。”
现有企业越来越意识到，收购 AI 原生产品——以及团队——是保持相关性的最快方式。
执行董事 Matt Gatto 表示：“仅在今年，我们的投资组合中就看到了 Google 收购 Wiz、Siemens 收购 Dotmatics、NiCE 收购 Cognigy、SAP 收购 SmartRecruiters、Roper 收购 CentralReach……这股战略性并购浪潮很可能会持续下去。市场领导者的交易表现足够好，资产负债表上坐拥大量现金，并且他们清楚正在发生平台级转移。当内部创新在规模化下变得更困难时，他们会通过并购来跟上节奏。”
续约周期的现实情况以及竞争节奏，可能会在 2026 年及以后给试图实现规模化的 AI 公司带来真正的挑战。
Akkiraju：“这是一场淘金热，但其中有大量的黄铁矿。现在一切看起来都很闪亮，但到 2026 年，将是许多初创公司首次进入真正的续约周期。到那时，我们将看到它们的营收究竟有多可持续。”
Akkiraju 继续说道：“你会看到一些公司在一年内从零增长到 600 万或 800 万美元的 ARR。然后你会问，‘你们明年的增长是多少？’如果这一下降到大约 30%，这些公司可能会非常快地变得无法再融资。”
Jaffe：“自 2023 年初以来，我们看到某些原生 genAI 初创公司的生命周期非常短。压力无处不在，你赖以构建的地基就像流沙一样，因为模型实验室每隔几个月就会发布大量能力，彻底改变竞争格局。”
AI 要想生存并实现规模化，需要一种全新的领导力范式
传统的软件规模化打法正在迅速过时。AI 时代需要一种全新的领导力原型：高度适应性强、具备技术构建能力、能够快速迭代、与客户保持不舒服地紧密联系，并且愿意重新思考“可规模化”真正意味着什么。胜出的公司将重新架构内部运营，利用 AI 提升速度，实现数据驱动的决策，并进行持续性的自我重塑。
领导者必须将自我革新视为常态，而非例外。
董事总经理 Rachel Geller：“Insight 投资组合中的一家公司专门用整整一个季度投入到 AI，并且问每一个人，‘你正在如何改变自己的工作方式？’那就是他们的工作——主动演进自己的工作流程。这正是当下所需要的那种自上而下的变革力度。”
AI 时代的规模化看起来截然不同
Bell：“决定前生成式 AI 公司的能否转型的，可能是领导力，而不是类别。过去的思维模型阻碍了进步。下一代公司是借助算力和 Agents 实现规模化，而不仅仅依赖人力。”
Jaffe：“多年来，规模化意味着在有效的事情上持续加码，从而高效增长。但在变化速度更快的时期，情况已经不同。未来几年里，你可能需要每年重塑一次产品——打造高度适应性的产品策略和组织结构将成为关键。”
Akkiraju 表示认同：“感觉旧有的模式已经被打破，如何打造成功公司的规则正在被实时重写。”
Liu-Doyle 从 AI 时代的视角对规模化提出了不同的看法：“AI 正在挑战人们长期以来对哪些事情无法规模化的既定认知。创始人应该思考，某件事是否真的无法规模化，还是 AI 已经让它具备了足够的规模化能力，使他们能够更快前进并更贴近客户。未来的 CEO 不会再以过去 CEO 的方式来思考。”
垂直化和细分领域的 AI 将创造不成比例的价值——尤其是在那些“看似不性感”的赛道中
尽管法律和营销等横向 AI 赛道正变得日益拥挤，但真正的重要机会在于垂直领域的专用应用。AI 正在通过让软件能够从服务和工作流自动化中捕获价值，使一些此前“无法获得风险投资支持”的细分市场成为可行选择，从而大幅拓展总体可服务市场。从食品生产到房地产审批，这些“看似乏味”却至关重要的应用正蓄势待发，有望创造巨大的价值。
“无聊”是否标志着新独角兽的最佳指标？
Gatto：“下一波独角兽将会很‘无聊’。工作流软件、基础设施工具、合规、自动化——这些类别听起来并不令人兴奋，但却绝对是关键任务级的，并且有能力创造超额回报。”
他指出了一些具体的例子：
“想想像 [Insight 投资组合公司] Flovision 这样的解决方案，用于衡量、优化和控制食品生产——乍一看，这听起来并不令人兴奋。但它将 AI 和计算机视觉应用于一个真实且高价值的问题，并且为足够多的客户创造价值，因此可以成为一门非常有意义的业务。”
“[Insight 投资组合公司] Litmus 是另一个很好的例子。它在某种意义上是横向的，因为它能够支持多个行业，但同时又与制造业深度绑定。它获取产线层级的生产数据，对其进行规范化处理，并使其可用，从而让工厂真正能够推动洞察和改进。”
Geller 是这样说的：“AI 不只是添加功能——它让全新的产品成为可能。它使你能够重新构想用户体验，并以可能被低估却极其庞大的市场规模来满足顾客需求。”
多位投资者指出，垂直领域和细分应用中正在涌现出具有吸引力且可持续的机会。
Wardi 解释了 AI 如何改变小型垂直领域的商业逻辑：
“Historically, a lot of small vertical subcategories just weren’t venture-backable. AI is changing that. You’re no longer limited to the existing software budget in a niche — you can now tap into“从历史上看，许多小型垂直细分领域并不具备风险投资的可行性。AI 正在改变这一点。你不再仅仅受限于某个细分市场现有的软件预算——现在你可以触达实际的人力成本和外包服务支出。
Wardi 继续说道：“ 一个过去可能只有 2 亿美元规模的市场机会，如今可能变成原来的数倍，因为你不只是出售软件——你是在自动化原本由人或外包服务商完成的工作。”
他以 Insight 投资组合公司 Apricot 作为一个真实案例：
“以 Apricot 这家从事家庭医疗文档的公司为例。表面上看，它似乎只是一个很小的类别。但有了 AI，你就不再只是一个记录系统。你每天可以为护士节省数小时的工作时间，并减少后台数据录入服务。这些原本用于服务的资金会转移到软件上——于是，这个看似很小的细分领域突然就具备了风险投资价值。”
最后一公里领域专业能力的力量
垂直 AI 应用的成功通常取决于深厚的行业领域专业知识。这种能力会成为对抗横向平台和通用 copilot 的可防御护城河。
Bell 强调了“最后一公里”理解的重要性：“真正能在激发用户意图方面取胜的公司，必须非常贴近用户体验。仅仅想出巧妙的文案，并不意味着你理解了最后一公里。”
Bell 继续说道：“如果你是为设计师构建产品，你就必须会说设计师的语言。律师、开发者、医生也是如此。了解你的受众——他们的语言、工作流程以及限制条件——在这一层面上至关重要。”
Gatto 指出 Insight 投资组合公司 Filevine 是一个典型的垂直领域范例：
“Filevine 是一个很好的例子。在 AI 出现之前，他们就拥有强大的软件业务。借助 AI，他们创造了大量新的价值——为律师带来了效率和生产力的提升——并有效地重新构想了整个业务。”
Gatto 继续说道：“这是投资者所寻找的一种典型模式——一家拥有真实客户、基础扎实的垂直行业业务，可以通过 AI 实现转型和扩展，而不是被取代。”
行业聚焦：医疗健康
执行董事 Scott Barclay 对问题和机遇都直言不讳：“过去，将软件引入医疗领域往往只带来渐进式的改变，并让行动缓慢的市场领导者受益。现在，AI 软件已经足够出色——包括在临床层面——以至于创始人可以有更宏大的想法，我们也将看到为患者带来彻底更优的体验。系好安全带吧。”
他用 Webvan 到 Instacart 的类比来形容数字健康：
“会出现新的独角兽，你会说，‘等等，这不是之前就有人做过吗？’而你是对的。这些都是 2010 到 2020 年间的数字健康想法，当时行不通——但有了生成式 AI 和更好的工具，现在它们将会奏效。”
关于个人健康记录和纵向数据：
“我们预计会看到全新的企业，将机构级记录和患者的持续生物标志物进行整合。如今引擎已经足够成熟，感觉就像在口袋里随时带着一位医生——一个真正陪伴你走过一生的 PHR。”
关于多种慢性病护理：
“我们见过数百家公司宣称将陪伴患有多种慢性疾病的患者。最终会有人真正把这件事做成，而且是以 2026 年一代生成式 AI 深度嵌入其中，从而打造出一家真正具备规模化能力的公司。”
关于下一代初级医疗：
“你将看到一种全新的初级医疗形态——初级医疗 + 私人医疗管家 + 健康教练——在线与线下融合，通过一个装在你口袋里的超级智能医生，来优化你的下一个问题、下一步最佳行动，以及下一步最合适的去向。”
行业聚焦：网络安全
代理型系统的激增也正在重塑另一个“不性感”但至关重要的类别：安全。
董事总经理 Thomas Krane 认为我们在尚未保障已构建系统安全的情况下就匆忙前进：“在过去的 18 个月里，我们看到企业运营中对生成式 AI 和代理型系统的采用被大幅提前，但几乎没有关注其安全影响。我们正处在‘糟了’的觉醒时刻。”
“当前大多数 Agent 都使用静态密钥进行身份验证。这些凭证可以被无限期重复使用——一旦你劫持了某个 Agent，基本上就等同于掌控了整个组织。”
Krane 认为，这一问题最终将汇聚到动态身份与凭证管理上。
“这个问题领域将会围绕面向 Agent 和代理型系统的动态身份与凭证管理而逐步成型。”
关于证书作为新的基础轨道：
“证书将成为驱动这一切的底层轨道。[Insight 投资组合公司] Keyfactor 立足于动态 PKI 和证书生命周期管理——这正是我们所需要的那类基础设施示例。”
在可见性和特权方面：
“SpecterOps 可以为具有基于身份连接的实体——机器和人类——提供 Tier Zero 级别的可见性。他们能够定义动态特权区域，并在最关键资产前设置真正的障碍。”
Krane 还预测，我们将看到 AI 安全点解决方案即将经历一轮洗牌。
“如今有数十个由 AI 驱动的安全运营自动化平台，也有数十个由 AI 驱动的渗透测试平台。它们规模都很小、尚未验证，而且在尚未获得真正牵引力之前就已经获得了大量资金支持。我预测，清算时刻即将到来。”
但价值未必会在新进入者身上累积。
“我们预计，许多[初创公司]将因其 IP 和专业知识而被收购，而大型平台既有厂商将在大规模部署这些系统方面保持显著优势……以最近一波纯粹‘为 AI 提供安全’的初创公司为例。它们或许更适合与已经拥有终端 Agent 或网络代理的既有 Extended Detection and Response（XDR）或 Security Service Edge（SSE）平台联手。”
结语：给 2026 年创业者和构建者的建议
Lonne Jaffe
“要预见底层技术将以令人瞠目结舌的速度进步，并构建能够经受快速变化和护城河不断被侵蚀的战略与组织。”
George Mathew
“快速迭代和构建。一切都在变化。Boyd 定律在这里至关重要。”
Praveen Akkiraju
创始人需要考虑为速度而设计他们的团队和产品。鉴于底层 AI 模型的快速演进，他们需要构建合适的抽象层，以利用新的能力并持续提升客户价值主张。
Ganesh Bell
“大胆构建，超越模型。Next Stack 正在浮现——而赢家往往坐落在最接近最后一公里的位置。”
Matt Gatto
“除非产品与市场的契合度已经清晰、单位经济模型被充分理解，否则应在加速扩张前采取更为审慎的增长方式。让收入和市场牵引力来引领支出。”
Teddie Wardi
“良好的生长并具备用户粘性，往往胜过依赖试点的超高速增长。”
Rachel Geller
“我们认为，最有可能取得成功的公司，是那些持续以更快速度进行创新的公司。”
Ryan Hinkle
“随着这些转换成本的下降，客户满意度需要成为你的北极星。声誉护城河将成为成功的关键要素。”
Thomas Krane
“要批判性地思考你长期作为独立公司的潜力，以及你所在的领域是否可能被现有的网络安全平台所吸收。即使这是最可能的结果，你仍然可以实现一次出色的退出——只是不要以会让你无法行使这一选择的估值去融资。”
Rebecca Liu-Doyle
“紧密贴近顾客。不要忘记如何亲自完成成交。每周留出时间参与顾客对话。”
Scott Barclay
“在找到产品-市场契合度之前，要快速、高效、并且不带自我地前进。”
John Wolff
“这是一次教科书式的创新者困境时刻，但同时也是一个不可思议的机会。最终胜出的创始人，将是那些愿意重新审视自身业务、剔除不再服务于自身的部分，并为即将到来的世界进行重建的人。如果你拥抱这种再造，你不仅能够在变革中生存下来，还将引领变革。”
*编者按：Insight Partners 已投资于 Stampli、Databricks、OpenAI、Anthropic、Wiz、CentralReach、SmartRecruiters、Flovision、Litmus、Apricot、Filevine、Keyfactor 和 SpecterOps。
本文包含有关 AI 未来的前瞻性陈述和预测。这些陈述基于我们当前的预期和假设，实际结果可能与本文中明示或暗示的内容存在重大差异。本文所提供的信息仅供参考，不构成任何财务、投资或专业建议。本文不应被视为对购买、出售或持有任何特定投资或证券的建议。对 AI 及相关技术的投资具有内在风险，过往表现不代表未来结果。
