AI 在 2026 年的发展方向
本文信息来源：foundationcapital
我为自己的 2025 年预测打分，并提出 8 个新的预测。
去年，我发布了第一组 AI 预测。现在是时候看看这些预测的表现如何，并为 2026 年制定一组全新的预测了。
特别感谢我们投资组合中的创始人——Jonathan（Turing）、Ram（Maximor）、Ashutosh（Viven 和 Eightfold 的创始人）、Animesh（PlayerZero）、Ishan（Oliv），以及 Mohit（SciFin、Cohesity 和 Nutanix 的创始人）——他们的视角在很大程度上塑造了以下内容。
让我们从 去年的预测 开始。
为我的 2025 年预测打分
🟢 我判断准确的部分：
推理模型和复合型 AI 系统将定义这一年。 事实确实如此。OpenAI 的 o1 和 o3 表明，测试时算力（让模型“思考更久”）能够解锁更大型基础模型也无法实现的能力。与此同时，关注点从单一模型转向编排式系统：多个模型、工具和核实步骤协同运作。
AI 将重塑软件经济学。 我们的“ 服务即软件 ”论点——以交付结果而非出售席位为核心的 AI——如今已成为 B2B 投资的默认框架。AI 初创公司正在瞄准服务市场，而不仅仅是软件市场。
OpenAI 的主导地位将被削弱。 Gemini、Claude 以及开源权重模型都在抢占市场份额。企业客户开始采用多模型策略。OpenAI 仍然是领导者，但已不再是默认选择。
NVIDIA 的近乎垄断地位将面临真正的挑战。 Cerebras 获得了市场关注，AMD 实现了规模化出货，Anthropic 在 TPU 上做出了战略性押注。芯片之战如今已成为多线作战。
Robotaxi 赢得公众信任。 如果以旧金山为例，那确实如此。Waymo 的白色 Jaguar 在这里随处可见，该公司计划明年将其服务区域扩大 4 倍。
原生 AI 初创公司将取代既有巨头。 还没有。尤其是 Google 强势反弹。但压力是真实存在的——既有厂商之所以采取防守姿态，自有其原因。
AI 界面将超越聊天框。 这一趋势已经在发生，只是比我预期的要慢。我将在 2026 年继续加码这一判断（详见预测 #8）。
10 条蓝色链接的终结。 AI Overviews 现已覆盖每月 20 亿用户，而外链点击量大幅下降。从长期来看，真正的颠覆并不是 AI 搜索，而是代理式商业（agentic commerce）——人在其中完全不再参与（参见我的预测 #5）。
❌ 我判断错误的地方：
LLaMA 会成为“AI 的 Linux”。 开放权重模型确实在蓬勃发展，但生态系统并未围绕 Meta 的单一标准整合，而是走向了碎片化。并不存在类似 Linux 的统治地位，只有一种健康的多样共存。
对 2026 年 AI 的 8 项预测
🏭 预测 1：企业级 AI 终于实现生产落地
在过去两年里，企业级 AI 一直给人一种“马上就要来了”的感觉。卡点并不在模型能力上，而在于 AI 无法看到企业内部真实的工作方式——这些工作分散在彼此割裂的工具中，被权限所限制，由未被文档化的例外情况塑造，并依赖于人类判断这种“软逻辑”来维系，而这些判断从未进入正式的记录系统。
2025 年的核心推动力是 让 agent 真正开始干活 ——不仅生成输出，而是端到端地执行工作流。这正是“services as software”理念的实际体现，也是演示与部署之间差距变得异常明显的地方。你可以用 20% 的投入做到 80%，足以完成一个试点；但真正的生产环境需要 99% 甚至更高，而最后那一小段往往要付出 100 倍的工作量。
到 2026 年，初创公司将追上这些雄心壮志，企业也会从试点走向全面生产落地。SaaS 的既有巨头在无意中起到了助推作用：随着 Salesforce、ServiceNow 和 Microsoft 推出各自的 agent 产品，它们正在为这一类别正名，也让企业更愿意押注那些行动更快的初创公司。
我们将看到初创公司与企业合作，构建让 AI 系统能够观察、练习并改进那些在任何训练集中都不存在的工作流的环境。对于许多任务来说，运行在企业基础设施内部的小型、定制化模型将优于前沿模型——它们更快、更便宜，并且能够在数据无法离开企业内部的情况下运行。安全和隐私方面的担忧将进一步强化这一趋势：随着智能体在核心系统中获得真正的权限，本地部署（on-prem）正再次升温（关于这一点将在预测 #3 中展开）。
这些都不可能在“三万英尺高空”完成。那些攻克企业级可靠性的初创公司，将把工程师深度嵌入到客户之中（加速今年出现的 FDE 趋势），以挖掘未被书面化的规则，并通过只会在生产环境中出现的成千上万个边缘案例，对 agent 进行持续迭代优化。这是一项极其繁琐的工作——也正因如此，我坚信具备深厚技术背景的创始人将拥有决定性的优势。
🧠 预测 2：决策轨迹成为新的数据护城河
我的第一个预测是关于让智能体进入执行路径。这一部分讨论的是它们一旦进入之后会发生什么。
当一个智能体执行工作流时，它会从多个系统中拉取上下文，应用规则，解决冲突，处理异常并采取行动。大多数 AI 系统在任务完成的那一刻就会丢弃所有这些内容。但如果你持久化决策轨迹——收集了哪些输入、应用了哪些策略、授予了哪些异常以及原因——你最终会得到一种企业几乎从未拥有过的东西：一段结构化、可重放的上下文如何转化为行动的历史。
我们将其称为 上下文图谱 ：一份跨实体、跨时间编织而成的、持续演化的决策轨迹记录，使先例变得可搜索。它不仅解释了发生了什么，还解释了为什么允许它发生。而且它会不断复利增长。你调解的工作流越多，捕获的轨迹就越多；捕获的轨迹越多，你在自动化下一个边缘案例时就做得越好。数据不再是新的石油；决策才是——组织实际如何运作的地图。
初创公司在这里具有结构性优势。因为它们位于执行路径中，能够在决策时看到完整的上下文。既有厂商要么被信息孤岛所限制，要么处在读取路径而非写入路径（数据仓库通过 ETL 在决策完成后才接收信息——到那时，决策上下文已经消失）。SaaS 既有厂商可以在其数据上添加 AI，但无法捕捉它们从未见过的内容。
🛡️ 预测 3：与 AI 相关的安全问题成为中心议题
执行工作流的 agent 持有极其敏感的东西：不仅是发生了什么的记录，还有业务实际如何运转的逻辑。威胁面覆盖模型、agent 以及它所接触的每一个系统。我们通过 MCP 等协议越是将“把 agent 接入一切”标准化，如果认证和访问控制未能同步跟进，就越容易构建出一个松散的前端，从而带来巨大的暴露风险。
Agent 从根本上改变了风险的形态。大多数传统安全框架都不是为能够自主行动的软件而构建的。这为新一代安全初创公司和类别赢家打开了机会窗口。
到 2026 年，我预计 AI 安全将成为与网络安全准备度同等标准的董事会级指标。零信任原则将被应用到 agent 上：最小权限访问、对超出狭窄范围的任何行为进行显式检查，以及能够标记异常模式的实时行为监控。这会放慢部分落地节奏，但也会让整个领域更加成熟。如今还对让 AI 触及交易感到紧张的银行，在经过验证的框架出现后，可能就会推进应用。
我也预计 2026 年至少会发生一起备受关注的 AI agent 事件，迫使问题浮出水面。它很可能表现为某个 agent 在执行合法工作的同时，悄然外泄敏感上下文，或采取本不应执行的行动。今年已经出现了早期预警信号：研究人员发现了 Salesforce 中的一个漏洞 ，该漏洞可能允许攻击者通过 prompt injection 提取顾客数据；此外，Mixpanel 发生的另一项独立数据泄露 暴露了与 OpenAI 平台相关的数据。
⚔️ 预测 4：SaaS 既有巨头反击
今年，大型 SaaS 平台不再把 AI 当作可以事后再加的一个功能。Salesforce 是最清晰的信号——甚至愿意将自己重新品牌化为“Agentforce”。ServiceNow 也在朝同样的方向推进。而且这不仅仅是头部玩家：中端市场的 SaaS 公司同样感受到了压力。
这种紧迫感有一部分是出于防守。既有厂商开始在边缘看到客户流失。他们也看到了新一代 AI-native 产品在做什么：它们叠加在现有系统之上，跨系统拉取上下文，并创造出平台本身无法捕获的价值。当这些价值来自既有厂商产品内部的数据时——比如 Glean 基于 Slack 数据构建 ——就很容易理解平台本能的反应是“这是我们的”。即便最终数据的所有权属于客户，既有厂商仍然掌控着管道。
到 2026 年，我预计既有巨头将更为激进地强化这种控制。其中一部分会被包装成安全和隐私（有时也确实出于这些顾虑），但结果是相同的：更紧的访问控制、更高的摩擦以及更多的规则。可以预期 API 使用会受到更多限制，条款会更加严苛，集成门槛也会更高。与此同时，既有厂商会持续把原生 AI 助手推送到每一个界面，让用户无需离开平台也能获得“足够好”的默认体验——每一份 Google Workspace 文档里都有 AI，每一个 Salesforce 界面上都有一个助手。
对于初创公司而言，这使得依赖性成为一个真实的战略风险。如果你的产品需要另一家公司的数据访问或分发渠道才能运作，你就应该假设这种访问只会变得更难，而不是更容易。生态系统不会在一夜之间关闭，但在一段时间内很可能会变得更加混乱、也不那么开放。
🛒 预测 5：Agent 吞噬电子商务
消费者对 AI 的使用正逐渐成为一种习惯，而这种转变将最先在电子商务中显现。
上一轮“发现”的时代建立在以广告驱动的平台之上，通过点击和人口统计数据来推断用户偏好。AI 能以更直接的方式学习偏好。随着文本和图像在同一个发现界面中融合，以你现在开启一切事情的方式来开始一次购买变得顺理成章：描述你想要的东西。
将这种意图转化为交易的“轨道”已经开始成形。Visa 宣布 2025 年将是“消费者独自购物和结账的最后一年”。Mastercard、PayPal 和 Google 都已推出协议，让 AI 代理代表用户进行购买。
到 2026 年，我预计消费者使用将迎头赶上。这将从低风险、高频的消费场景开始，并扩展到 AI 系统能够验证的任何领域。一旦发生，这将改变互联网现有的权力格局。
如今，品牌主要围绕被人类发现来进行优化——SEO、付费搜索、网红营销、转化漏斗。在代理式（agentic）世界中，它们将越来越需要对代理而言“可读”，并被代理所选择。一个全新的付费参与层将出现，其中，曝光不再只是搜索结果中的排名，而是通过竞价、已完成交易的佣金、类别级合作等方式，在代理的决策流程中被呈现。
聚合平台将首先感受到冲击。当其所解决的摩擦（帮助人类理解分散的市场）被智能体自动化后，聚合的价值就会崩塌。旅游是最显而易见的类别（Expedia、Booking），但同样的压力也将落到各类金融产品、保险、汽车等领域的中间商身上。这些业务建立在赢得点击并完成转化之上。当智能体完成研究并做出选择时，就不再有可供争夺的人类点击了。
Amazon 和 Walmart 拥有更有利的战略位置，因为它们不仅在商品发现上占优——还掌控着物流、履约和退货环节。若智能体成为主要交互界面，这些既有巨头要么在自身生态中构建智能体，要么成为外部智能体接入的默认执行层。无论哪种方式，它们都能持续留在交易流转之中。
像 eBay 这样的市场平台则介于两者之间。智能体可以让 eBay 的使用变得容易得多，尤其是在长尾库存方面。但与此同时，它们也抬高了门槛——对商品列表质量、认证以及纠纷解决的要求都会更高。
Google 面临着最有意思的张力。目前，AI Overviews 正在推动整体查询量的增长 ，搜索收入也在增长。Google 也在积极将广告推向这些 AI 界面（并不断扩大规模）。从长期来看，更大的颠覆来自 agentic commerce：如果代理开始承担浏览工作（并学会绕开广告），在一个人类“搜索-点击-转化”漏斗不再是默认购买路径的互联网中，Google 将需要重新发明其变现方式。
🥊 预测 6：Gemini 超越 ChatGPT
在今年下半年，Google 展开了大幅追赶。ChatGPT 的全球 MAU 仅增长了约 6% ，从 2025 年 8 月到 11 月达到约 8.1 亿，而 Gemini 在同一时期增长了约 30%。而在网页端，Similarweb 的估算显示，过去一年中 ChatGPT 在 AI 聊天机器人流量中的占比 从 87% 下降至 68% ，而 Gemini 的占比则从 5% 上升至 18%。
Gemini 3 让这一转变变得不容忽视。在 Google 发布它两周后，OpenAI 进入“code red”状态，并将团队重心重新聚焦于提升 ChatGPT。
这就是为什么我认为 2026 年将成为 Gemini（以及在较小程度上，Grok）在消费者使用场景中从 OpenAI 和 Anthropic 手中真正夺取市场份额的一年。Google 可以将 Gemini 直接嵌入 Search、Chrome、Workspace 和 Android。Grok 的优势更为狭窄，但依然意义重大：它存在于一个高频的消费者入口（X）之中，几乎无需任何摩擦就能尝试使用。
一旦“足够好”的智能无处不在，使用就会流向最方便的地方。这种优势会不断叠加：分发推动使用，使用产生反馈，反馈改进产品。OpenAI 和 Anthropic 不会消失，但那种由单一实验室充当消费者 AI 入口的时代正在结束。到 2026 年末，这看起来将不再是垄断，而更像是一场三到四个玩家之间的竞赛。
💰 预测 7：一家 AI 实验室上市
2026 年很可能会看到至少一家——甚至可能两家——领先的 AI 实验室提交 IPO 申请。在这些公司当前承诺投入的资本支出规模下，公开市场最终将成为唯一足够庞大的资金池，用以资助接下来的发展阶段。
Anthropic 已聘请 Wilson Sonsini，为潜在的 2026 年上市做准备。其营收增长极为惊人：2025 年初年化收入约为 10 亿美元，8 月达到 50 亿美元，10 月升至 70 亿美元。内部预测显示，2025 年底将达到 90 亿美元，2026 年甚至高达 260 亿美元 ——这使 Anthropic 成为历史上增长最快的科技公司之一。
OpenAI 正在走一条平行轨道。预计其今年的年化收入将达到 200 亿美元 ，高于前一年的 37 亿美元——12 个月内增长了 5 倍。路透社报道称，OpenAI 正在为 IPO 做准备，估值可能达到 1 万亿美元，相关申报或将于 2026 年下半年提交。过去一年中，该公司已与 Oracle、Microsoft、Amazon 和 CoreWeave 达成超过 1.4 万亿美元的基础设施交易承诺。在这种规模下，即便目前 5000 亿美元的估值和 500 亿美元的私募融资，仍然存在显著资金缺口。
如果这些上市最终成行，它们将成为历史上规模最大的科技 IPO 之一，但过程可能并不平稳。
OpenAI 以极高的估值筹集了巨额资金，但其烧钱速度也高得惊人。公司预计到 2029 年的累计亏损将达到 1150 亿美元 。与此同时，Google 已经拥有 OpenAI 斥巨资构建的那些能力：定制的 TPU、庞大的分发能力，以及互联网中最强大的变现引擎。（ 我此前写过关于 Google 基础设施和现金流的优势。）Google 的单次查询边际成本远低于 OpenAI。在价格战中，Google 能够承受的亏损，对于一家独立的实验室而言将是生死攸关的。
Anthropic 面临着不同的盘算。它筹集的资本要少得多，这降低了向投资者回馈资金的门槛。但其最近一次估值可能会被证明是一个高水位线——尤其是在市场降温或增长放缓的情况下。
上市意味着需要遵循 GAAP 会计准则、接受季度审视，以及面对一个与私募支持者行为方式截然不同的股东群体。前沿 AI 领域的私募投资者是长期持有的信徒；他们买的是对未来的愿景，并且有耐心。公开市场的投资者则希望看到一条近期实现盈利的路径，而不仅仅是一条通往 AGI 的路径。
✍️ 预测 8：类似 Cursor 的界面成为默认形态
我们正在触及聊天机器人 UI 的天花板。下一波价值将来自深度嵌入工作流之中的 AI，而不是存在于侧边面板里的 AI。
对如今的大多数用户而言，AI 仍然存在于一个独立的窗口中。你需要在实际工作的地方收集上下文，把内容粘贴到 ChatGPT 里，编写一个 prompt，等待响应，然后再将输出复制回原始环境。除了流程摩擦很高之外，这种“复制-粘贴”模式还切断了 AI 获得最大效用所需的上下文，并破坏了人类与 AI 之间的反馈循环。用户成了本应融为一体的两个系统之间的翻译者。
Cursor 想明白了这一点。它的 AI 可以直接访问你的代码库：它能看到你的文件，理解你的项目结构，并在代码所在的位置直接编辑。你高亮选中一段代码，要求修复，它会以 diff 的形式提出修改，你只需按一下按键就能批准或拒绝。当代码出错时，它能看到错误并不断迭代。对话不再与工作分离，而是被编织进工作发生的界面之中。
到 2026 年，我认为这一模式将扩展到编码之外。“某某领域的 Cursor”将成为知识型工作的默认架构：法律、金融、市场、销售、运营。这些工具不会让人感觉像聊天机器人，也不会像传统的 SaaS 仪表盘。它们将融合两种模式：在需要探索的地方是开放的，在需要精准的地方则更加受约束。
今天，大多数 AI 界面都在等你提问。但最优秀的员工并不是这样工作的：他们会观察情境，提出解决方案，并请求批准。AI 界面将迎头赶上这一标准。我们将不再主动去找 AI，而是开始批准它的建议。智能将嵌入到工作的发生之处。
我预计将从 2025 年持续下去的 3 大趋势
上述预测都是有时间限制的赌注：我认为将在 2026 年发生的事情。而这三大趋势则是更为广泛的结构性转变，已经在发生之中，不会在一年内得到解决。正是因为这些趋势的存在，我才提出了以上几个预测。
✖️ 趋势 1：规模定律变得乘法化
在过去十年中的大部分时间里，AI 的进展都遵循着一条清晰的规则：更多数据 + 更多算力 + 更大的模型 = 更好的效果。预训练的 scaling laws 依然成立——Gemini 3 是它们持续带来能力提升的又一个数据点。但预训练正日益成为能力的下限，而非上限。最大的模型正逐渐变成用于进一步差异化的原材料。
现在我们拥有的不是一条，而是三条 scaling laws。预训练仍然是成本最高的路径。后训练优化从一个具备能力的基础模型出发，通过微调、强化学习和蒸馏来对其进行专门化。这些技术并不新，但 2025 年揭示了它们能够释放出的巨大能力。测试时算力让模型在推理阶段投入更多计算：生成中间步骤、探索替代方案，并验证自身的工作。
对 2026 年而言，关键在于这三条定律是乘法式叠加的。一个更强的基础模型，在良好后训练的前提下，给予更多推理时间，会带来复利式的增益。这也正是资本开支叙事变得更加微妙之处：效率与规模并非对立策略，而是相辅相成。前沿实验室既在更聪明地扩展规模，也在扩大整体规模，在加大训练集群和基础设施投入的同时，也持续加码优化。
✅ 趋势 2：核实是瓶颈
进展最快的领域是那些可以对工作进行验证的领域——编程、数学、会计。其反面如今已成为实现自主性的一个硬约束：如果无法验证一项任务，就无法可靠地将其自动化。
这也是为什么 AI 的能力仍然让人感觉不均衡——研究人员将其称为“锯齿状前沿”。在成功标准清晰可定义的领域，模型表现得很强；而在“优秀”取决于人类判断的领域，模型则显得要脆弱得多。在这些场景中，你仍然需要让人类参与其中——并不是因为模型无法给出答案，而是因为你无法证明它是正确的。
想办法让一个主观任务变得可验证，你就打开了一个 AI 可以占据的新领域。
📊 趋势 3：定价正转向以结果为导向
因为“是 AI”就购买 AI 的时代正在结束。随着系统从试点走向生产环境，买方正变得更加理性。在接下来的一年里，他们将要求明确的 ROI，仔细审视定价，并关闭那些无法为其支出辩护的部署。
一旦推理成本进入损益表，这种转变就是不可避免的。在试点阶段，只要能打动管理层，演示燃烧多少 GPU 小时并不重要。但在生产环境中，对每个任务都使用前沿模型开始变得昂贵。初创公司将不得不适应这种变化，许多已经在行动。定价将持续从基于活动（按使用量付费）演进为基于工作流（按任务付费）、基于结果（按产出付费），以及为“AI 员工”定价的按代理计费模式。
对初创公司而言，更深层次的一点在于：定价策略就是产品策略。如果你希望按照结果收费，就必须具备可观测性、归因能力，以及足以让你把收入押在其上的可靠结果。那些能够走进顾客并量化自身价值的初创公司将实现复利增长，而那些用模糊承诺售卖 AI 工具的公司将最先感受到预算压力。
感谢大家在过去一年里与我一同阅读和思考。2026 年再见！
发布于 2025 年 12 月 30 日
作者：Ashu Garg
