2026 年的 40 个预测：垂直 AI 中重要的赢家、输家以及趋势

本文信息来源：euclid

今天，我们很高兴分享一期特别版的 VERTICALS，为这一年画上句号。

本期节目汇集了完整的 Euclid 团队（Nic & Omar）、节目联合主持人 Luke Sophinos，以及多次做客节目、身兼创始人 / CEO 的嘉宾 Todd Saunders。和我们一起做每年 12 月都会做的事：展望未来，激烈争论，并且——不管结果好坏——把我们的观点提交到公共记录中。

请做好准备，迎接我们对 2026 年的预测。我们将涵盖多个类别：

• 垂直 AI 领域最大的赢家与输家
• 传统巨头中最大的赢家与输家
• 最成功的 IPO
• 最被低估的趋势
• 黑马因素
• # 垂直领域独角兽诞生

祝你度过一个美好的假期季，我们新年再见！

2026 年最大的垂直 AI 赢家

Open Evidence——2026 年将是这个由 PLG 驱动的垂直 AI 业务在变现上实现反转并持续大获成功的一年。在不到两年的时间里触达约一半的美国医生、却几乎没有任何收入，通常会被视为类似 C 端的模式，留存率和护城河存疑。但这是少有的案例之一，分发可能本身就是护城河。第二个重要方面是，Open Evidence 将不会向消费者变现，而是向制药公司变现。类似于上市的垂直软件公司 Doximity，制药行业拥有极其庞大的预算，用于在医生产生意图的关键时刻触达他们——而 Open Evidence 的产品在捕获这部分支出上具备完美的定位。更宏观的预测是，Open Evidence 将成为垂直 AI 公司的范本：通过指数级的 PLG 驱动增长，并迅速将其转化为过亿美元收入，从而重塑投资者对垂直 AI 中“先用量、后变现”策略的认知（Luke）。

Abridge — 鉴于 Epic 最近宣布推出一款竞争性的语音文书，这一观点多少有些逆势。但这是少数几个语音 AI 领域之一，其集成和合作伙伴关系的复杂性形成了其他切入点所不具备的防御壁垒。这一预测并不只关乎 Abridge —— 尽管其在企业级市场的布局使其具备尤为有利的定位。医疗健康约占美国经济的四分之一，这意味着有足够空间容纳多位赢家。正如节目中所讨论的，Ambience 和 Freed 等公司同样重要，同时仍有数十个拥有 1 万名以上从业者的临床细分市场基本尚未被触及。我们预计在 2026 年，Abridge 及其他公司将成功拓展到文书之外，而既有巨头则会在机构性惯性的影响下难以实现创新（Nic）。

EvenUp——这家垂直 AI 公司从一个不同的角度席卷了 legal tech：原告律所。它通过销售结果而非软件实现了快速扩张——自动撰写耗时但对营收至关重要的索赔函。在这一过程中，它或许赢得了成为该类别操作系统的资格，而此前他人多次尝试均告失败。这样的路径同时实现了两点：消解了买方的怀疑（“这个工具管用吗？”变成了“我拿到钱了吗？”），并将增长与席位数量解耦。对 2026 年的押注在于，这一打法能够被广泛复制，下一批爆发的垂直 AI 公司将看起来不再像 SaaS，而更像产品化的服务——并最终演进为与传统 SaaS 雄心一致的多元化操作系统（Omar）。

GCAI —— 这一预测反映了对“法律 AI”实际涵盖范围的一次更广泛的重新定义。目前大多数关注和炒作都集中在向大型律所（Big Law）销售，但更具可扩展性和可重复性的机会可能存在于其他地方——尤其是在企业内部的法律顾问团队（general counsel）。在公司内部，法律工作更少是定制化的，更偏向运营性，并且与核心业务流程紧密耦合。更重要的是，激励机制也不同：大型律所在按小时计费的模式下几乎没有提高效率的动力，而企业法务团队和原告方律师团队则能直接从更快、更低成本的结果中受益。这样的市场既可以通过效率提升来降低成本，也能增加收入，使其成为垂直 AI 的理想目标（Luke）。

2026 年垂直 AI 最大的输家

Salesforce —— 其 AI 策略仍在踉跄前行。尽管 CRM 早期大胆宣称将客户转向以 Agent 为核心、按使用量计费的模式，但近期的财报电话会议显示采用情况十分疲软。许多人认为这只是缺乏连贯性的品牌叙事。与此同时，来自垂直 AI 玩家 的压力正从多个角度不断加大，这些玩家正瞄准传统 CRM 体系。Salesforce 将成为“千刀万剐而亡”的经典案例，因为更为量身定制的垂直 AI 平台不仅在行业专用化方面更胜一筹，也在 AI 优先的产品能力上展现出更高的敏捷性（Omar）。

Reddit——随着机器人彼此对话、侵蚀信任，存在进一步堕落为互联网垃圾内容的风险。尽管对此存在分歧——Reddit 仍然是少数人们还能找到真实人类视角的地方之一——但 AI 生成内容显然对其商业模式有害。OpenAI 和 Google 对 Reddit 数据的兴趣凸显了其价值。悬而未决的问题是，管理层是否能不惜一切代价保护这一核心资产。让我们拭目以待（Todd）。

ServiceTitan——这一点在团队中引发了不小的分歧。Todd 认为 TTAN 正在受到双重挤压：下方是定价压力，上方是复杂性，中间则有太多高度聚焦的竞争者在进攻。他们已深度进入以并购驱动的外延式增长阶段，而在一个（技工服务）足够庞大、能够支撑多个更为专业化赢家的类别中，ServiceTitan 可能会显得过于“横向泛化”。与此同时，Omar 则强调了技工服务领域依然存在的巨大持续机会。即便是最基础的 SaaS 采用，在这个领域距离成熟仍有很长一段路要走，而 ServiceTitan 无疑是这里的领先品牌。（Todd / Omar）

2026 年的老牌输家

C3.ai——如果基本面不配合，借势 AI 热潮进行品牌重塑也只能走到这一步。尽管早期声量高涨、叙事定位强势，但生长、留存以及顾客集中度等问题依然持续削弱其故事的可信度。问题不在于公司缺乏 AI，而在于仅靠“AI”本身并不能解决产品与市场匹配度不足或使用场景过于狭窄的问题。随着竞争对手开始拆分功能并走向垂直化，风险在于持续压力可能导致被拆分、陷入困境的结局，或被迫进行战略性重新思考——这也提醒人们：品牌动能终究要向运营现实低头（Omar）。

DocuSign —— 正在漂向一场不可避免的收购，并非因为电子签名会消失，而是因为该类别的防御性已在不知不觉中被移除。签署文件已成为一个功能，而非一个产品：廉价、无处不在的内嵌能力，并且越来越“够用”。与此同时，该公司的规模、员工人数以及面向公开市场的姿态，与用户真正需要的东西显得并不匹配。品牌仍然具有分量（毕竟“DocuSign”依然是一个动词），但护城河已不存在。在经历更多公开市场的打击之后，它将成为一个显而易见的收购标的：拥有有价值的名称和可预测的现金流，但缺乏任何可信的独立增长故事（Todd）。

Blackbaud —— 一家增长缓慢、机构臃肿的企业，受制于陈旧的产品线，所处的非营利机构垂直领域正悄然被更现代、工作流原生的软件重新服务。这个商业画像没有任何方面适合接受公开市场的审视：低增长、有限的创新速度，以及更重视稳定性而非速度的客户群。这一预测并非戏剧性的颠覆，而是某种必然性 —— 被私募股权私有化，通过成本优化和渐进式现代化，远比勉强将其包装成一个增长故事更加合理（Luke）。

PowerSchool —— 一个更具前瞻性且偏防御性的判断。PowerSchool 处在一个日益令人不安的中间地带：它是一个记录系统，拥有真实的分发优势，但随着以教育为重点的 AI 产品不断逼近核心工作流程，这种优势正逐渐暴露风险。尽管向学校销售仍然异常艰难，AI 原生工具已不再满足于停留在边缘层面（课堂规划、辅导、行政协助）。随着时间推移，它们会持续向内渗透——进入排课、评估、报告以及数据流等 PowerSchool 历史上所掌控的领域。风险并非一夜崩塌；Vista 的所有权可以买到时间，但并非免疫力，而到 2026 年，这种压力将开始变得可见（Nic）。

2026 年的老牌赢家

Apple — 一些人认为 Apple 的消费级产品未来只会有有限的提升（iPhone），或者干脆未能成功推出（Vision）。他们在 AI 研究方面相对低调，Apple Intelligence 和 Siri 也没有像同行那样引发重大反响。与此同时，他们却拥有全球最大的边缘推理部署规模。预测认为，这将在 2026 年成为一项重大战略优势，即便目前尚未体现在明显的产品胜利上（Todd）。

Veeva — AI Agents 通过向根深蒂固的生命科学客户群进行交叉销售，悄然增加了可观的 ARR。Veeva 的垂直行业特异性，尽管其 CRM 起源防御性较弱，仍然构建了稳固且具防御力的护城河。在工作流程密度高、真实付费意愿强的垂直领域内进行自律执行，再加上显著强劲的管理团队，使得 Veeva 很可能在 2026 年继续成为赢家（Luke）。

Autodesk——其产品处在建筑、工程、施工和制造等领域关键性工作流的绝对中心。问题在于，Autodesk 能否追上内部孵化的 AI，还是会开始面临被颠覆？我们认为 ASDK 在 2026 年仍将维持其杠杆优势，主要有三个原因：(1) 低 ACV 叠加庞大且全球化的用户基础，使其在价格上极难被竞争；(2) 产品复杂度高且以视觉为主，仅通过 NLP 接口难以复刻；(3) 具备出色的 M&A 直觉，过往在新领域成功收购相关新兴公司并加以整合，有着成熟的历史记录。（Nic）

Google —— Gemini 基本已经追上，Waymo 是自动驾驶领域的领导者，而他们在将 AI 融入 G-Suite 方面也只是浅尝辄止。悬而未决的问题在于，Google 是否能够推出 全新 的 AI 产品并真正实现突破。这可能是团队中最具共识的观点之一，尽管时间点仍不确定（Nic）。

NVIDIA——在众多其他进展中，其庞大的规模在 2025 年助长了“AI 泡沫”的讨论。我们的观点是，NVIDIA 在 2026 年仍将保持强势。公司产生了可观的现金流，相对于其所处地位而言可能并未被高估，并且位于 AI 价值链的最顶端，具备极强的锁定效应。无论哪些应用层公司胜出或失败，NVIDIA 依然是 AI 领域中定位最优的“卖铲子和镐子”型投资之一。他们也已证明了自己能够推出新的、市场需求旺盛的产品，为前沿模型之战提供动力。这并不意味着他们会永远保持统治地位。Google 的 TorchTPU（由 Meta 支持）正在认真尝试削弱 NVIDIA 的 CUDA 护城河 1，通过让 PyTorch 原生运行在 TPU 上，从而有望接管部分 AI 工作负载。不过，现实来看，此类举措的影响更可能在 12 个月以上的时间跨度内逐步显现——与此同时，我们并不认为数据中心需求会放缓（Nic / Omar）。

2026 年将跑赢大盘的 IPO

Anduril —— 可能是这批公司中最具炸裂性的 IPO。国防开支、自主系统与地缘政治交汇，形成一个零售投资者也能轻松理解的故事。如果上市，它将同时依靠叙事和真实收入进行交易——这在现代科技 IPO 中是极为罕见的组合，尽管对监管的长期依赖仍令人担忧（Luke）。

Waymo —— 在一个体量巨大的类别中拥有清晰的市场领导地位，也不太可能永远隶属于 Alphabet。核心问题不在技术，而在于分发：如果来自 Tesla 的非 LiDAR 自动驾驶被证明具有可比性，这是否会改变其长期优势？尽管如此，一旦消费者亲身体验过 Waymo，想要持有其股票的需求几乎不可避免（Todd）。

Canva（如果上市）——如果真的发生，将是一场稳定、对零售投资者友好的 IPO。该产品已深度嵌入用户工作流，品牌无处不在，即便 AI 执行有所滞后，用户也不会流失。最终关键在于管理层： 确实还有时间在 AI 上追赶，但时间并非无限。零售投资者将希望看到一个可信的 AI 增长叙事（Nic）。

Stripe（如果它最终上市） — 这是终极的“完全不需要市场”的 IPO。若选择上市，那是因为它主动选择如此，而不是被迫如此。其基本面不言自明。真正的问题只有时机和定价（Luke）。

2026 年的低调趋势

AI 元主题：访问、记忆与 Inception — 尽管更智能的模型仍将是关注重点，但今年会逐渐清楚地看到， 访问同样是 AI 的一个重大瓶颈：如何让 AI 原生系统获得正确、干净、持久且具备权限的数据。我们将看到更优质的访问层带来实质性进展，这些访问层可能以 Parallel 这样的数据聚合器、像 MCP 这样的 Agent 数据协议，以及内置的 AI 驱动工具的形式出现，从而让用户更轻松地利用自身数据（更不用说，构建集成所需时间将持续缩短）。

其次，我们将通过全新的 记忆 方法，看到 AI 性能出现大规模解锁。LLMs 之所以有效，是因为它们会对整个对话进行“注意”——它在“上下文窗口”中容纳的 token 越多，推理成本就越高。我们都经历过这样的情况：ChatGPT 编造内容之后才发现，它实际上“已无法访问”你在 20 轮往返对话之前上传的那份文档。然而，人类大脑并不需要对我们学过的每一个事实都进行即时回忆，也能运作得很好。新的记忆管理和选择性回忆方法正在推进中：检索原生模型、虚拟上下文管理器、长上下文注意力等。到 2026 年，我们预计这些 AI 记忆方面的改进将在不增加训练规模的情况下，带来阶跃式的性能跃升。

最后，AI 开启了一个 “盗梦空间式” 软件的时代。这里所说的 “inception”，我们指的是 克里斯托弗·诺兰语境 ，而非创业阶段的含义。历史上，为特定客户进行产品定制对 SaaS 提供商而言并不具吸引力，通常只能归于两种路径：(1) 面向超大型企业、价格高昂、咨询式的高端服务（Palantir 是少数主动拥抱这一模式的例外），或 (2) 外包给第三方咨询顾问（例如专注于 SalesForce 或 ServiceNow 的 SI 和 MSP）。然而，AI 将基础开发的边际成本降至零——我们已经在 Lovable、Replit、Framer 等产品中看到了这一点。既然如此，初创公司为何不在平台内、默认就启用这些“创造”功能？从个性化 UI 到自定义集成，再到全新的子应用，嵌入软件平台的 AI “构建器”可以让客户自助完成定制（甚至实现创新）。 设想一下，如果企业可以在业内最佳方案之上进行构建，在内部创建完全专有的组件， 而无需 向 Accenture 等公司花费数百万美元。我们设想，2026 年可能是同质化软件开始走向终结的一年。（Nic）

模仿型垂直 AI 的衰退 —— 到了 2025 年，“copilot-for-X”“scribe-for-X”“receptionist-for-X” 已经不再足够。具体来说，我们指的是那些解决了真实问题，但缺乏成为（或深度集成到）系统记录（systems of record）的清晰路径、因此无法构建持久护城河的点状楔入式产品。与此同时，实施一个基础的 RAG 或语音代理的难度将大幅下降。最后，那些不掌控数据的点解决方案，将面临来自现有系统记录的即将到来（在某些情况下已经发生）的反击——这些现有者会通过封锁 API 访问、提起诉讼、建立竞争性合作，甚至进行批发式产品复制，来强硬阻挡潜在的颠覆者（Omar / Luke）。

“深度科技”作为一个类别正在发生碎片化 ——尤其是从 VC 视角来看。这里也存在一些例外，比如生物技术，它一直以来就与软件截然不同。人们往往并不清楚“深度科技”究竟涵盖哪些内容。在此我们的理解通常是指“原子 vs. 比特”的商业模式，即通过基础性 IP 突破来实现差异化，而非依赖商业模式或分发渠道的创新。在某种程度上，这一观点相当激进，因为某些类别背后确实存在真实的监管推动力（例如国防，尽管它或许更合理地应被视为一个独立的类别）。但总体而言，我们认为“深度科技”是一个由创投狂热所催生的合成类别，其内部高度异质、缺乏清晰认知：大多是资本密集型项目，流动性路径不明，对监管高度依赖，且结果高度二元化。预计随着部分子类别表现不佳、而另一些仍具吸引力，该类别将进一步碎片化（Nic）。

逆风开始在 roll-up 面前聚集 —— 预测认为，随着越来越多的资本涌入这一 Strategy，roll-up 将面临日益加剧的结构性压力。从本质上看，roll-up 是一种金融工程玩法：收购分散的资产，将其整合，并进行估值倍数套利。随着风险投资和 crossover 资本的涌入，资产价格上涨，回报被压缩，容错空间随之消失。曾经依靠纪律与耐心运作的模式，在竞争和过度资本化的冲击下开始失效。核心判断并非 roll-up 完全不再奏效，而是在充分计入资本强度、执行风险以及复利放缓之后，许多 roll-up 无法再产出具备风险投资规模的结果（Omar）。

零售 AI 蓬勃发展 —— 对于 AI 而言，零售具备一个极具吸引力的三重优势：高度碎片化、巨大规模，以及 LLM 的明确适用性。我们认为，到 2026 年，至少会出现一家零售领域的 vertical AI 公司，从几乎零收入以惊人的速度跃升至九位数营收。这并非因为零售是“简单”的，而是因为 LLMs 解锁了此前不可能实现的工作流程：通过更顺畅的语音和文本交互来抽象供需意图，并以全新的方式解决发现问题。零售商早已处于低利润、高周转的环境中，因此当某个解决方案能够实质性提升转化、库存周转或采购效率时，采用速度往往会非常快。卖家本身也是买家，采购直接驱动收入与成本。在 B2B 零售领域，规模数字可以变得非常庞大——Shopify、Faire、Doordash、Whatnot 等都展示了当技术开启全新的买卖渠道时会发生什么。未来的赢家很可能比这些前辈更加专业化、更加垂直化……也正好为我们的下一个预测铺垫（Nic）。

子纵向领域爆发 — 不是“餐厅”，而是披萨；不是“家庭服务”，而是翻修；不是“行为健康”，而是 ABA 或成瘾。预测认为，创始人终于会把市场切分得足够精细，从而实现真正的密度、分发能力和产品深度。预计在极度狭窄的细分领域中，将出现 50+ 个 pre-seed 和 seed 轮融资，这些领域起初会让在位者觉得“规模太小”而不屑于竞争——直到为时已晚（Luke）。

世界模型进入主流词汇 —— LLMs 能理解人类语言，但它们真的“理解”世界如何运作吗？如果你让一个前沿模型解决一道人类学院层级的工程数学问题，它几乎肯定会表现出色。但如果你要求它设计一座经工程师证明为不可能实现的建筑，它很可能仍然会给出一个设计——因为尽管它对所有构成性概念和术语都拥有嵌入表示，但它并未被训练去在非语义的基础层面理解物理规律……然而，它确实被训练成能够给出表面上看起来可信的答案。有人认为，随着规模的进一步扩大，世界模型（或者至少是在有充分文档记录的上下文中实现的神经-符号理解）将成为 LLMs 的一种涌现属性。下一波 Vertical AI 很可能需要能够编码符号化理解的、面向特定领域的模型 / 工具（例如科学、医疗、工程、金融）。 许多公司已经在这一领域推动前沿发展：Google（DeepMind 的 MuZero 与 Genie）、Wayve、NVIDIA（Isaac），以及一家由 Yann LeCun 创立的 TBA startup。我们预测，到 2026 年底，“world models”、“symbolic AI” 或该技术的某个等价术语将进入主流讨论（Nic）。

宗教 AI ——这是一个规模庞大却高度碎片化的市场，仍在使用过时的工具运行，幕后隐藏着极其复杂的运营。捐赠、支付、编程、社区管理和合规都涉及真实资金流动，但软件渗透率却低得惊人。它不性感、被误解，也正是 SaaS 机会仍然存在的原因。我们尚未看到 Vertical AI 在这一领域出现明显落地，但预计这种情况将发生改变（Todd）。我们中也有人猜测，宗教本身将在 2026 年更多参与到 AI 中：要么围绕 AI 交互或道德发布教会层面的指导；要么认可某些以 AI 赋能信众的应用（Nic）。全新、以 AI 为中心的宗教？我们明年再来讨论这个。

AI 流失末日 —— 快速增长掩盖了采用 PLG 模式的垂直 AI 和非垂直 AI 在毛留存率上的薄弱现实。到 2026 年，市场将开始意识到，如果客户不够忠诚，收入就无法实现复利增长——而可供切换的选择将比比皆是。定价将陷入白刃战，一些市场会演变为价格一路下探的竞赛。非关键任务的实验性预算将逐渐枯竭，续费模型的严酷现实将无法回避（Omar）。

GovTech 走到临界点 ——团队一致认为，2026 年将是 GovTech 的关键节点，但对最终结果存在分歧。利好因素：公共部门 AI 将迎来爆发，并非因为政府采购突然变得更容易，而是因为在亲身体验到 LLMs 如何在职业和个人生活中实现无缝交互后，公民将不再容忍破损的数字化体验。AI 抬高了服务交付的最低可接受标准，形成政府无法忽视的外部压力。此外，采用私营部门解决方案的监管动能相对强劲。赢家不会行动迅速，但一旦落地，留存率和持久性将无可匹敌。总体而言，我们都认同这些价值主张。但问题在于，它们是否真的会在 2026 年实现？反对观点主要归结为众所周知的分发问题：政府采购 notoriously 缓慢，而该领域的赢家（如 OpenGov）通常是通过并购（M&A）取得成功，而非快速的有机增长。基于本次预测，我们将国防科技单独划分为一个类别（Todd / Luke）。

AI UI 的复兴 —— 到 2026 年，初创公司将重新构想 AI 的界面 。首先，我们仅仅触及了语音应用的表面。如今，这些用例仍受限于延迟缺陷以及受损的 iPhone 原生通话功能。其次，我们将开始放弃一种幻想，即一切都应该发生在一个单一的文本框中。我们都非常熟悉 SaaS 时代的“仪表盘疲劳”；AI 有能力动态生成合适的可视化、界面和防护机制，引导人类完成多步骤的 AI 工作（正如我们上文提到的“inception”主题）。UI 永远不会回到菜单/按钮过载的时代；但它将从沉寂中重生，并以前所未有的强大姿态回归。（Omar）

幻觉问题被证明是可克服的 — 到 2026 年，新型“混合堆栈 ” 将逐步削弱阻碍企业采用 AI 的幻觉问题。这并不是通过“修复”LLMs——因为 LLMs 由于其训练方式以及缺乏神经符号式的“理解”而天然会产生幻觉——而是通过在架构层面绕开这一问题。我们将看到 LLMs 被用于抽象、工作流推理以及演示 / 表达；同时与确定性的企业搜索和“结构化记忆”本体相结合，以实现可靠检索。此外，LLMs 可以原生引用的工具，以及其所处的开放生态系统，也将持续扩展。综合来看，开发者将看到更多初创公司在无需依赖繁重的 RPA 式工作流构建的情况下，突破关键任务、低容错场景的用例（例如合规、金融、医疗）。这或许会让 n8n 或 UI Path 感到担忧。无论如何，对 AI 的信任将成为 2026 年的一个重要主题（Nic）。

通配预测

OpenAI 失去叙事控制权 — OpenAI 在努力将自己定位为一家可持续的消费者公司之际，还必须为高昂的前沿模型路线图辩护。与此同时，Anthropic 正通过可靠的 API 和在编程能力上的优势持续赢得开发者市场份额，逐渐成为默认的“企业级模型”。而 Google 则在两个正交方向上推进：一方面深度整合进 G-Suite 工作流，另一方面持续保持在基础 AI 研究上的领导地位。到 2026 年，“最佳模型”不再与“最有价值的 AI 公司”清晰对应，随着市场意识到这或许并非一个赢家通吃的格局，热情开始分化（而非消退）。（Nic）

小规模的 AI 市场回调，而非崩盘 — 估值降温，资本变得更加挑剔，但真实的使用场景和采用率依然稳固。这更像是在消化阶段，而不是泡沫破裂（Omar）。

旧金山和纽约的持续集中 — 湾区到 2026 年时在初创公司融资规模和公司创建数量方面进一步扩大其排名第一的领先优势；AI 人才密度和不断增长的流动性，加上旧金山的城市复兴，共同放大了其优势。 纽约市依然稳居第二，并在投资数量上成为增长最快的城市，凭借其无可匹敌的能力吸引雄心勃勃的年轻人才。无论好坏，到了 2026 年，美国的初创公司动能仍将持续向这两大枢纽集中。（Nic）

HubSpot 收购 Day.ai —— 通过一位前 CPO 以及一个可信的 AI-native CRM 切入点，实现了干净利落的叙事重置。与其说是 M&A 规模扩张，不如说是重新夺回产品领导力并提升内部执行速度（Todd）。

联邦加密项目推出；Bitcoin 突破 15 万美元 —— 通过政府支持的加密或加密相关基础设施，监管层面的正当性正式到来，解锁更广泛的机构参与。Bitcoin 随之飙升至新高（Nic）。

佛罗里达迎来新一轮人口迁入热潮 —— 财产税改革的测算结果适度改变了激励结构，重新启动了人口流入，尤其来自高税负州。旅游税和消费税则在不经意间弥补了缺口（Luke）。

一款由 AI 驱动的游戏真正走红 —— 而且不只是类似 Character AI 的 头像 。它传承自 Infinite Craft，但更深度、更具社交性。拥有持久化的世界与能记忆的 NPC，创造出完全独一无二的瞬间，让人们愿意剪辑并分享（Nic）。

数字

2026 年将诞生多少家新的垂直 AI 独角兽？

• Omar：100
• Todd：101（刻意的小心眼）
• Luke：65–70
• Nic：72

新年快乐！

如果要从这大约 40 条预测中提炼出一个连贯的主题，那就是：2026 年将是一个分化与筛选的时期。展示效果出众的产品，与真正嵌入实际业务并持续产生复利效应的 AI 之间的差距将进一步拉大。模型层面的基础能力在向前推进，但一切并不只关乎规模。分发能力、工作流深度、数据获取以及留存率，将重新成为限制 AI 平台增长的关键因素——正如以往每一个软件周期中所发生的那样。一些既有厂商展现出超出预期的韧性；而另一些则发现，曾经的增长势头并不构成护城河。少数 Vertical AI 公司通过踏实、低调却艰难的工作，在规模化层面赢得了信任，从而实现突破。我们将在明年回顾这些判断，看看结果如何。

感谢阅读——我们期待在 2026 年与您一起写作与阅读！

— Nic & Omar