2026 年预测：中期训练、广告、产业政策……

本文信息来源：akashbajwa

大家好，

希望你在假期期间过得愉快！

我抽时间暂停写作来给自己充电。暂时远离源源不断的 AI 新闻，是一种无价的方式，让我在心理上重置自己，退后一步，去思考他们常说的「更大的图景」。

回到 2015 年 ，当时 OpenAI 刚刚成立。如今，全球经济增长的很大一部分依赖于 AI 及其配套基础设施的建设。没有任何基准是无法被超越的。

未来 10 年将带来怎样的进展？它既令人恐惧，又同样令人着迷。

我思考未来主要有两个载体：写作和社区。我很高兴能够重新投入写作，并继续开展 我们去年通过 “Gradient Descending” 系列活动启动的社区建设 。

一如既往，我感谢每一位读者的参与。

1. 训练中阶段：企业可选购模型检查点

模型训练将越来越成为一个连续体 。

企业客户将越来越能够选择其偏好的模型检查点，并将其内部数据注入其中。

正如 Ben Thompson 所写的关于 AWS 的 Nova Forge 产品：

目前，将公司数据纳入 AI 模型主要有两种方式：第一，可以使用 RAG，让模型在生成答案时搜索你公司的数据；第二，可以在公司数据上对模型进行后训练。这两种方法的不足之处在于，你公司的数据并未真正存在于模型之中，这可能导致结果不尽如人意。

Nova Forge 是一个构建在 AWS 内部自研 AI 模型之上的产品；由于他们拥有 Nova 模型，因此也拥有训练检查点。使用 Nova Forge，你可以选择一个检查点——例如模型训练完成 80% 时——并在该阶段注入你公司的数据，使这些数据被直接集成进模型本身，而不是事后再进行搜索或训练。

随着越来越多的从业者希望获得语言模型最纯粹的“ 认知核心 ”能力，而不受低质量互联网数据带来的副作用影响，这一市场将如何演进以满足这种需求，值得关注。

客户会在训练进度达到 80% 时就选择模型，还是会因为上述原因而希望获得更早的检查点？这取决于训练语料将被提供到何种透明程度。话虽如此，大多数所谓的“开源”模型提供方并未达到这种披露水平，他们通常只做到开放模型权重。

2. 广告终于到来

OpenEvidence 据传正以 120 亿美元估值进行融资，其 ARR 从 2024 年的 800 万美元增长至截至 2025 年 11 月底约 $1.5 亿（！）。

这一惊人的增长完全来自广告收入。该模式推动了临床医生的病毒式采用，目前该平台每月服务 1500 万名临床医生（占美国市场的 40%）。对于一家成立仅四年的公司来说，这个成绩相当亮眼。

OpenAI 最近因 Gemini 引发的 Code Red 模式推迟了其广告的推出，但正如 Ben Thompson 多次指出的那样，广告是不可避免的互联网商业模式。

xAI 在“马斯克经济学”（SpaceX/Starlink、Tesla、X）中的位置，或许最终会让其在消费级市场更具竞争力，但目前在我看来，这仍是一场 Google 与 OpenAI 之间的双雄竞赛。可以肯定的是，双方仍在激进地争夺市场份额，但随着代理型商业的兴起（以及记忆等更多能力被解锁和提升），参与度指标将持续改善。

广告主终于将能够占据宝贵的 ChatGPT/Gemini 展示位。

3. 欧洲工业政策势头增强

Kanishka Narayan（英国人工智能与在线安全部长）的 vibeshift 叙事非常必要。

人们很容易对欧洲的前景持玩世不恭的态度，但我选择以更乐观的视角看待，并相信政策制定者将会在整个 AI 供应链上进行大规模投资。

从更快的规划审批，到新的能源来源，再到 AI Growth Zones 中的数据中心建设，为了实现加速的 GDP 增长 ，必须解除 AI 所面临的这些物理层面、以原子为基础的约束。

欧盟的 AI 大陆行动计划提出了多项颇具前景的提案，其中包括《云与 AI 发展法案》，该法案旨在在未来五到七年内将欧盟的数据中心容量提升至原来的三倍。该计划还权衡了数据铸造厂的重要性，提出了一项数据联盟战略，“该战略将与其他措施一道，探索将数据实验室作为 AI 工厂的核心组成部分加以发展，以实现高质量数据的提供、汇聚与安全共享。”

对这些建议能否得到充分落实保持怀疑是合理的，正如最近的德拉吉报告所呈现的那样。我天真地相信这一次会有所不同。

这是必然的。

4. 中国的消费者代理迎来突破

正如我之前写过 ，在 ChatGPT 之后，全球一些最大的消费者级 AI 应用来自中国。Meta 收购 Manus（最初总部位于北京）表明，中国正在构建处于前沿的代理编排与驱动体系。

中国高度竞争的市场环境的成因过于复杂，这里不再赘述，但其所形成的结果是：高度面向消费者应用，大型科技公司不断进入新的业务领域并相互竞争，商业模式高度依赖广告而非订阅。

像 Z.ai 和 Minimax 这样的实验室即将进行 IPO，以及小米等公司发布的具有竞争力的模型，都符合中国对高效模型的重视——这些模型能够在设备端运行（并且重要的是，在工厂中运行）。

段蕾 在 12 月撰文介绍了字节跳动令人印象深刻的豆包移动助手 ：

核心观点：“豆包与手机厂商之间的操作系统级协作。”
这意味着：它并不是一个独立的应用，而是一个内置于 ROM 的系统服务 ，能够像人类一样在不同应用之间驱动 UI，主要通过实时语音完成。

“比较京东、美团和淘宝上哪一款 KFC 辣味鸡腿堡更便宜，选择最低价，下单配送到 X 地址，备注‘放在前台’，然后截图订单并通过微信发送给 A。”

该智能体会实际打开并浏览多个购物应用、比较价格，并完成整个工作流程 。

围绕着 Google 是否会更加重视 Pixel，外界一直存在大量投机，因为他们同样具备交付这种体验的有利条件。随着 Apple 的困境持续，这一消费级智能体的新高水位或许将由一家中国公司来树立。

5. 记忆被破解与可移植上下文之战

“使用 OpenAI 登录”早就该到来了这一点并不令人意外 ，考虑到过去三年中收集的丰富语义和行为数据。

正如我的朋友 Antoine Moyroud 所描述的 ，这些“行为签名”有望在软件中解锁颠覆性的个性化体验：

登录一个新工具将不再像是从零开始介绍自己，而更像是选择一个能够随身携带你上下文的记忆提供者。你的偏好、语气、目标、个性，都可以通过一次简单的点击被导入。

关于记忆将如何被存储、更新和访问的具体架构仍在不断打磨中，不同的方法代表着不同的权衡 。

Google 于 12 月推出了 “测试时记忆（test-time memorisation）”，这是一种将新的“意外”输入存储到长期记忆中的方式。我预计会看到更多类似的发展，超越仅对过往对话进行更好总结的范畴。

上下文/记忆的可移植性存在争议，因为从理论上讲，它会降低消费者的切换成本。各大实验室将继续围绕其所收集的你的元数据构建围墙花园，允许你使用这些数据来引导你上手新的软件，但不允许导出原始数据。关于消费者如何管理其记忆仓库，新的 UI 范式将会出现。

2026 年的开放性问题

1. AI 应用市场会开始走向整合吗？ 法律、医疗、金融以及其他多个终端市场都已高度资本化，相关努力更多是在造王 ，却几乎没有限制更多资本继续涌入这些市场。客户支持和 go-to-market 软件等市场也是如此。对于多个已形成共识的赛道而言，我们才走过了 1–3 年——2026 年是否会成为出清之年，胜者开始明显拉开差距（这些胜者通常具备可持续的收入、人才漩涡，以及较早进入高端市场等特征）？
2. 信贷资金是否会继续为 AI 基础设施建设提供融资？ 当今的资本支出规模已经远远超过大型科技公司所产生的自由现金流。 已经出现了一些迹象 表明对外部资本的依赖可能难以为继。
3. 随着 2022/2023 届 AI 公司的持续扩张，运营杠杆还能否成立？ 截至目前，在 ARR per FTE、OpEx per FTE 等指标上，最优秀的 AI 公司已经全面碾压过去几十年的头部软件公司。随着规模扩大，这些数字还能否维持？
4. 新的分发渠道会获得势能吗？ 创始人主导的内容帮助像 Lovable 这样的公司在嘈杂的市场中脱颖而出，通过直接与用户和潜在招聘对象建立品牌。具有 prosumer 属性的产品或许仍会在如何更有效地利用 AI 上持续迭代，例如 用于演示 。在企业领域，如果 FDE 的角色仍将继续存在，它将如何演进并变得更加专业化？

你在思考哪些问题？给我留言。

信号

我正在阅读的内容

可移植记忆与行为特征：AI 个性化缺失的关键层

2025 年信件 作者：Dan Wang

2025 年信件 作者：Zhengdong Wang

TPU 狂热

业绩评论