本文信息来源：m13
定义 2026 年的关键因素：可衡量的 AI ROI、数据基础设施，以及将信任作为竞争优势
2026 年是“落地兑现”的一年。技术承诺与现实世界影响之间的差距将在 AI、基础设施和营销等领域不断缩小。潜力变为验证，炒作变为可衡量的价值。系统将经受压力测试，基础设施将追上雄心。而真正的领先公司，是那些正在构建持久底座的企业：高效的基础设施、新鲜的数据、可信的治理，以及可规模化的人类信任。
来自我们 M13 星座的创始人、合伙人和各行业专家分享了他们的判断，认为决定来年走向的将是：经济的双重性、监管与再对齐、基础设施创新以及可量化、可感知的实际成果。
TLDR
- AI 价值变得可衡量。企业终于将从生成式 AI、智能代理系统和自动化中展现出清晰的 ROI。
- 基础设施成为真正的护城河。从数据中心到开发者工具，再到物理 AI 模型，AI 的技术基础成为核心叙事。
- 新鲜且受治理的数据成为竞争优势。恰到好处的管道、统一的团队以及合规的上下文，将决定哪些 AI 系统能够规模化，哪些会停滞不前。
基础设施既是战场，也是机遇
2026 年可能是 AI 撞墙的一年——效率将成为新的竞争前沿。
AI 正在改变世界，但 AI 对全球基础设施需求带来的负担十分沉重。2025 年是奢侈投入的一年，大型公司彼此竞相砸钱，NVIDIA 在增长和估值上收获颇丰。然而，被忽视的是支撑这种颠覆所需的技术路径。在未来几年里，关注点将发生转移：效率、开发者工具以及成本降低将占据主导地位。
必须认真考虑的是，高昂的基础设施成本为 AI 初创公司带来的进入壁垒，以及其对长期商业经济性的潜在影响。我认为，2026 年将迎来一波旨在简化并降低 AI 业务开发成本的技术浪潮——包括提升 AI 与数据基础设施管理能力的开发者工具，以及在芯片层级解决效率与性能问题的基础设施方案。
随着预测到 2030 年全球 AI 数据中心需求可能达到 327 GW，行业已经无法再通过简单堆砌算力来向前推进。效率之争将定义下一波创新，并把幸存者与追风者区分开来。
AI 投资与价值之间的时间不对称即将结束
过去几年里，企业在 AI 上的投资与价值回报之间存在着不可否认的不对称：大量资金投入了 AI，但产出的价值却相对不足。
到 2026 年，这种不对称将发生改变：企业将利用生成式 AI 提升内部生产力，并应用于面向外部客户的使用场景。Agentic AI 的采用速度会相对较慢，但其影响力同样深远。到年底，企业将能够指明 ROI 的实质性提升，证明 AI 的现实世界价值——而这仍然只是 AI 全部潜力中的一小部分。
不对称的时代正在结束。2026 年将成为企业看到 ROI 实质性增长、并由此体现 AI 现实世界价值的一年。
陈旧数据将被暴露：AI 代理技术栈迫使数据“成熟起来”
AI 代理即将揭示一个事实：模型很强大，但陈旧的数据会让它们变“愚蠢”。到 2026 年，企业将从批处理和临时集成，转向实时、统一的数据管道，持续为 AI 系统注入可信的上下文。这一转变将重塑组织架构。数据、ML 和应用程序团队不再通过交接协作，而是围绕共享的声明式管道进行融合。其下游影响是绩效差距不断扩大。能够向 AI 代理持续提供新鲜、受治理数据的公司，将实现整个工作流程的自动化；而做不到这一点的公司，则会被幻觉问题、合规风险和运营摩擦所困。新鲜数据（而不是更大的模型）将成为真正的差异化因素。
AI 的下一次飞跃将来自物理模型，而不是更大的 LLMs
通往 AGI 的进程通过 LLMs 得到了快速推进，但大型语言模型正在触及其自然极限。它们几乎已经处理了人类产生的所有书面文字。尽管合成数据为持续改进提供了一定空间，但未来基础模型的进步可能会更多聚焦于效率和可靠性的提升。
下一个重大突破很可能来自物理 AI 模型：这类系统并非通过文本，而是通过传感器和摄像头从现实世界中学习，理解现实世界如何运作，就像人类通过经验学习一样。相较于 LLMs，其最大优势在于可用于持续学习的数据量几乎没有上限，能够不断学习与科学、医学以及人与人互动相关的概念，而这些正是 LLMs 的薄弱领域。
2026 年是通过物理模型迈向 AGI 的道路真正开始的一年。
行动系统通过企业级世界模型和具身 AI 实现智能化
LLMs 已经触及从静态文本中可学习内容的上限，暴露出在因果推理、多步骤规划以及现实世界可靠性方面的不足。下一前沿是具身 AI 和企业级世界模型。这些系统从由传感器、机器人、人类以及运营工作流生成的交互数据中学习，捕捉组织内部工作实际如何完成。
具身 AI 将模型锚定在企业的物理与流程现实之中。世界模型作为模拟引擎，映射公司的流程、约束、异常情况和决策路径，编码了人类通过经验积累的同样的隐性知识。二者结合，解锁了复杂的代理式决策能力，使真正的行动系统成为可能：能够预测结果、在模拟中测试策略，并自主执行多步骤工作流的智能体。
到 2026 年，智能将从“知道事情的模型”转向“理解并在环境中采取行动的模型”。胜出者将依靠世界建模，而非模型规模，来实现知识工作的自动化。
真实的 AI 采用：医生的推进速度正与软件一样快
AI 将改变每一个行业，其中受影响最大的莫过于医疗保健。过去十年里，数字健康的炒作大多未能兑现承诺，但这一局面终于在发生改变。OpenEvidence 在上线仅 18 个月后，已经被 40% 的美国医生使用——医生从未以这样的速度采纳过新技术。Vinod Khosla 关于 AI 将完成医生 80% 工作的预测，在 2026 年听起来不再只是理论。非临床的繁琐事务将被彻底消除，更重要的是，由 AI 提供的护理模式将取得实质性进展。AI 护士和 AI 医生——我们喜爱的临床医生的数字孪生——将在 2026 年变得普遍，实现规模化的个性化服务。医生将专注于其许可证允许的最高价值工作，全人群的高质量医疗覆盖也将随之提升。消费者已经在医疗健康领域信任 AI，并且将看到来自医疗系统和大型护理服务提供方的自上而下的推动指令。
有一点可以确定：每一个 AI 模型都需要鲜活的、持续生成的人类数据，才能不断变得更好。
随着 AI 和加密技术进入能源、金融和医疗保健领域，面向未来的布局正走向主流
我非常期待 2026 年“面向未来”的这一主题。世界已经意识到 AI 的真实存在，尽管迄今为止大多数用例仍然集中在相对封闭的科技圈。同样，crypto 也在持续获得采用，只是声量更为低调。2026 年将是 AI 和 crypto 扩展到现实世界的一年，用于解决影响社会的复杂问题——不再局限于科技领域。下一波采用浪潮将来自 SMB 以及那些历史上并非以技术领先著称的行业（例如能源 / 工业、金融服务、医疗健康），而真正的机会在于推动这种采用，同时对复杂性进行抽象和屏蔽。
AI 劳动力架构师是 CHRO，而不是工程师
到 2026 年，AI 将不再只是一个工具。企业会将 AI 嵌入其策略之中，把它视为其真正的本质：一种关于工作如何完成的全新架构。最优秀的公司将从零开始设计具备代理能力的工作流，明确哪些任务由人负责，哪些由 AI 系统自主执行，以及二者如何相互强化。要把这件事做好，需要一种不同类型的领导力个人资料：既要足够贴近一线工作，能够理解产品、运营和顾客反馈中的细微差别，又要有足够的经验来架构工作流，并判断在哪些环节必须有人类监督。这也要求所有权观念的转变。AI 的影响是组织层面的，而不仅仅是技术层面的。这些不是工程问题，而是 人 的问题。首席人力资源官（CHRO）和人才负责人将成为 AI 转型的管理者，定义在真正以 AI 为原生的公司中，工作应当如何完成。
M13 合伙人
Matt Hoffman
首个 ChatGPT 广告带来的数字营销变革
随着 OpenAI 跻身其他主要广告网络之列，ChatGPT 中将出现首个付费广告位。从许多方面来看，广告一直都是不可避免的，而最近公司也在推动其成为现实， 这里 、 这里以及 这里都能证明这一点。随着用户注意力和搜索持续加速向 OpenAI 集中——其活跃用户很快将突破 10 亿——OpenAI 广告将成为线上最有价值的库存之一。而如果你计划在未来十年投入 1.4 万亿美元的资本支出 ，高利润的广告收入无疑大有裨益。我不认为 OpenAI 会照搬前辈们的广告形式，因此我预测的第二点是，ChatGPT 的首个广告单元将与横幅广告或原生广告大不相同。
从同人圈到履约：文化商业是下一代基础设施级机会
娱乐正在成为新的门店。体育纪录片系列、游戏、收藏品、动漫以及微短剧，正在用同人圈飞轮取代传统的商业转化漏斗。到 2026 年，社区将成为分发渠道。成功不再以点击量衡量，而是以文化参与度衡量：留存、共同身份认同以及参与式行为。
对于基础设施投资者而言，产品与娱乐的这一融合创造了新的机遇。为身份、社区和互操作性提供支持的平台，正在成为真正的价值层。例如：
- 参与式商业工具，将粉丝转化为买家、将创作者转化为合作者。比如代币化忠诚度、嵌入式社交结账，以及以 UGC 作为转化管道。
- 将文化信号导入商业结果的社区与发现型基础设施。
- 帮助创作者和品牌像节目统筹人一样启动并实现规模化的媒体运营技术栈。
- 面向现代品牌的 AI 原生编排层，用于自动化产品采购、供应链运营、履约和营销。
文化商业正在崛起。基础设施让这一切成为可能，并且可被拥有。
当算法调解注意力时，你的故事就成为你的策略
到 2026 年，品牌将不再只是需要媒体：品牌本身就是媒体，而媒体的含义也不再局限于记者和新闻报道。媒体是人们形成看法并开始信任你的每一个触点：WSJ、LinkedIn、播客、活动走廊，甚至是 ChatGPT。我们将以类似编辑型特许经营的方式来运营传播，围绕一致的叙事、可重复的内容形式，以及在自有与赢得渠道中的分发。这是因为算法中介如今决定了什么内容会被看到、由谁看到，而它们在所有因素中最奖励清晰度和一致性。
这种转变意味着虚荣指标不再重要。一致性胜过数量，叙事的清晰度带来可被发现性。成功变得更加精确且可衡量：更优质的交易流、更高的留存率、更深度的参与。而这反而让人解放。当原创内容成为基本要求，真正的差异化来自人类的判断力：我们建立的关系、引发的对话，以及在算法无法触及的所有地方赢得的信任。
纽约超越硅谷
到 2026 年，纽约将崛起为领先的 AI 初创企业中心。关键领域的垂直 AI 初创公司希望与其客户身处同一地点，而纽约是在金融科技、广告、媒体、治理、合规和商业等一些关键垂直领域构建业务的理想之地。随着平台转型的成熟，身处基础技术被发明的地方不再那么重要，更重要的是身处这些技术被实际消费和应用的地方。
AI 治理开始具备执行力
- 州级 AI 执法即将启动。我们将看到第一波具有实质意义的州级 AI 执法行动，AI 治理将从理论框架转变为运营层面的必需品，企业将争相实现合规。
- AI 行业整合。战略型收购方和私募股权公司将开始系统性地整合那些在过去几年筹集了大量资金但未能实现可持续单位经济的 AI 公司，通过整合而非创新来创造价值。
- AI 媒体接管。AI 平台将成为陷入困境的传统媒体公司重塑其商业模式所需的新基础（例如通过授权版权费、制作流程、内容创作与分发），从诉讼对象演变为各大制片厂赖以生存、不可或缺的基础设施。反过来，媒体公司也将逐步让渡对整个媒体生态系统的控制权。
AI 负责筛选。人类做出选择。
随着 AI 成为筛选与分类的第一道防线，线下面对面的互动只会愈发重要。我们首先是社会性生物。模式识别的最后一公里仍然依赖于能够激发直觉与本能判断的面对面交流。这些是算法（至少目前）无法解决的人力资本变量——也是人们在遇到真正非凡的创始人或投资人时所识别到的那种难以言喻的模式识别能力。
GLP-1 的获取和覆盖仍将是 2026 年的战场
随着政府和制药公司宣布降价以及推出新的项目以提升消费者的可负担性和可及性，GLP-1 价格持续下降。雇主团体的覆盖范围和定价仍不均衡，但随着我们迈入 2026 年，情况很可能会有所改善。关于资格和保障范围的问题依然存在，尤其是针对 Medicare 和 Medicaid 参保者，而永无止境的新闻周期也在全方位制造混乱。获取方面正在改善，但可负担性和持续一致的保障仍然是主要障碍。有一点很明确：将肥胖视为一种慢性疾病，而不是一种生活方式选择，是取得进展的关键。