[加州] 硅谷大佬:機器人泡沫雪崩 人類正被強推入能源霸權
在最新壹期《No Priors》中，硅谷頂級投資人 Sarah Guo 與?Elad Gil，聯手?黃仁勳、Aaron Levie、Dylan Patel 等行業巨擘，共同撕開了未來壹年的殘酷真相：這不僅是技術的狂飆，更是壹場關於資本泡沫、硬件幻覺與人類物種存續的終極博弈。
觀點壹：機器人領域的情緒雪崩與巨頭收割
Sarah Guo 提出了壹個預測：2026 年，人形機器人領域將迎來壹場情緒層面的大崩塌。盡管 Optimus 等項目備受矚目，但 Sarah 認為，當市場意識到硬件供應鏈的極端復雜性與實際交付時間表的錯位時，投資人的信心將迅速瓦解。而 Elad Gil 則指出，機器人領域是典型的巨頭主場，擁有資本、制造能力和供應鏈優勢的 Tesla、Google 以及中國車企將占據默認席位，而大多數初創公司將在這壹年撞上現實的南牆。
觀點贰：從“復讀機”到“推理者”，AI 開始主動介入現實
2026 年 AI 將實現從被動工具到主動 Agent 的跨越，具備自我改進能力的推理系統將重塑每壹個行業。Dylan Patel 則給出了更具攻擊性的預測：明年是認知翻轉之年。那些原本討厭 AI、認為 AI 沒用的人，將會在 AI 爆發出的、無法反駁的實用性面前徹底失語。從醫生的大規模采用到法律文書的自動化，AI 正在從“替代重復勞動”轉向“吞噬智力勞動”，那些今年還在親手寫代碼的工程師，明年可能將不再觸碰鍵盤。
觀點叁：資本的被迫博弈與 IPO 狂熱
在資本市場，壹種詭異的邏輯正在蔓延。Sarah 透露，許多對沖基金即便看不懂基本面，也必須買入 AI 公司的 IPO，因為散戶的狂熱讓機構無法承擔錯過下壹個 NVIDIA的風險。這種由恐懼和貪婪驅動的集中度，正在將 AI 資本推向壹個“Microglastics”（微型玻璃化）的危險境地——即所有風險都高度集中在少數幾家芯片和模型巨頭身上，壹旦需求不及預期，整個 CAPEX 周期可能面臨底部塌陷。
觀點肆：科學的“假性突破”與能源的生死時速
Elad 預測，明年科學領域將出現幾次軼事式的突破，比如發明新材料或證明數學猜想，引發科學已被 AI 解決的假象。然而，真正的瓶頸將轉移到物理世界：能源。數據中心的擴張核心已不再是錢，而是電。2026 年將是高能效 AI的生死戰，每壹瓦特電能產出的“智能密度”將決定誰能在這場燒錢競賽中活下來。
觀點伍：YOLO 的終結與“Don’t Die”運動的崛起
最令人震撼的觀點來自 Joshua Meier，他認為 2026 年將標志著 “YOLO（你只活壹次）”文化的終結。隨著 AI 藥物發現從研究轉向部署，人類將發起壹場名為“Don't Die”的集體反抗——拒絕用劣質飲食和生活方式毒害自己，利用 AI 實現精准的生命守護。這壹年，長壽科技將從硅谷精英的小眾愛好，演變成壹場關於“生命神聖性”的社會運動。
AI技術落地提速Sarah Guo：歡迎收聽No Priors。今年到底該怎麼總結？AI領域徹底走向主流，不僅進入大眾視野，也站上了政策制定者的舞台中央。ChatGPT的用戶規模爆發式增長，同時也帶來了對巨額資金的需求。Gemini和Google強勢反擊。在應用層面，AI編程正在從工具階段轉向Agent形態，幾乎吞噬了所有推理算力。醫生正在大規模采用臨床決策支持系統，在法律和客戶支持領域，企業級落地正在明顯加速。
研究層面同樣競爭激烈，多方選手仍在賽道中奔跑，開源模型也在迅速縮小差距。今年有少數Neo Labs、新研究實驗室獲得融資，整體敘事正在發生變化。Ilya將其稱為“研究的時代”。人們開始嘗試各種不同路徑，包括Diffusion、自我改進、數據效率、EQ、大規模老化協作、持續學習、能量相關的Transformer等方向，AI領域從未像現在這樣開放。
與此同時，我們也看到AI再次試圖進入真實世界，機器人領域重新燃起樂觀情緒。明年，這些公司將真正開始接受現實世界的檢驗。從預測角度看，我個人認為，明年壹定會有人用LLMs在交易市場上賺到數億美元，這幾乎是不可避免的。我們現在大概還處在第贰或第叁局的階段。市場有點過熱，也有些波動。Elad，這真的是不平凡的壹年。
Elad Gil：沒錯，2026年要來了。
Sarah Guo：你現在更有AGI臨近的感覺，還是壹種“良性的AI寒冬”？AI本身現在處在什麼階段？你最興奮的是什麼？
Elad Gil：技術真正擴散、產生影響往往需要10年時間。但現實是，人們已經從AI中獲得了巨大的價值，而且未來還會更多。每壹個技術周期都會出現兩種聲音：壹邊是被誇大的泡沫論，另壹邊是“其實沒那麼好用”的唱衰論。明年我們肯定還會再聽到壹輪這樣的爭論，大量時間會被浪費在這些討論上。
如果說對2026年的預測，我認為下壹批垂直行業將實現真正的大規模落地。今年我們已經看到，AI編程集中到少數幾家，醫療文書、法律服務也都開始向頭部玩家集中。我預計接下來會看到更多垂直領域完成這種整合。
Sarah Guo：我先回應壹下，再給你我的預測。現在投資圈對AI的整體情緒，是很多人開始焦慮自己投進去的資本規模，同時對采用節奏和技術路線存在不確定性，尤其是壹些並非基於第壹性原理的技術押注。疊加外生變量和噪音，大家會質疑采用速度。但說實話，從整體看，采用速度是驚人的，真正的討論應該是約束在哪裡。
Elad Gil：確實快得離譜，我都不明白大家為什麼還在爭論。
Sarah Guo：我剛看到壹份來自Ofqual的報告，講醫生對AI的采用情況。無論是醫療文書、臨床決策支持，比如Abridge、Open Evidence，還是通用模型，醫生群體整體都表現出極大的熱情。在所有專業性強、相對保守的行業中，醫生的這種采用意願非常具有代表性。這說明，只要技術能顯著改善工作方式，它就會迅速擴散到其他專業領域。
Elad Gil：這壹點其實被嚴重低估了。歷史上最慢采用新技術的群體——醫生、律師、部分會計人員——現在反而成了AI的快速采用者。這是合規導向的職業群體，過去幾乎不碰新技術，但現在轉變非常快，這壹點幾乎沒人認真討論。
Sarah Guo：而且這種趨勢會繼續。大量職業本身就依賴對非結構化數據的理解和推理。如果哪壹季度NVIDIA沒有大幅超預期，市場可能就會恐慌，但這和AI帶來的長期結構性變化關系不大。
機器人拐點之爭Elad Gil：我覺得第叁個重要方向是：下壹代基礎模型會出現。但我說的不是Neo Labs或下壹代LLMs——那些當然也會發生。我指的是用於物理、材料科學、數學進展的模型。接下來很可能會出現壹兩個案例，在某個具體問題上效果極好：比如發明壹種新材料，或者證明某個數學猜想之類的成果。隨後，這些成果會被迅速推入過度誇大的炒作周期——“它將徹底改變整個物理科學”。這些單點突破會被嚴重高估。但從長期看，真正的趨勢反而會被低估，而它最終會變得極其重要。所以這是我對明年的另壹個預測：科學領域會出現幾次軼事式的突破，讓人覺得“科學已經被解決了”，然後大家會意識到科學並沒有被解決；再往後，科學真的會被解決。
Sarah Guo：我有叁個快速預測。第壹個是，明年壹批機器人公司會經歷情緒層面的崩塌。這不是因為機器人這個領域不再前進，而是因為人們開始對時間表進行預期，而並不是所有公司都能按這些時間表交付。
Elad Gil：那你的時間表是什麼？
Sarah Guo：我認為，明年我們會看到人形和半人形機器人在消費或工業環境中進行小規模部署，而且壹定會有很多地方做得不完美。目前整個人形機器人領域處在高度炒作周期中，只要有壹個環節沒有完美運行——而這幾乎是必然的——市場情緒就會迅速崩潰，投資人之間也會出現明顯分化。
Elad Gil：如果看當下，兩個最大的贏家其實是Waymo和Tesla，它們都是既有巨頭。Waymo背後是Google，Tesla就是Tesla。我很好奇機器人領域最終會怎樣。在我看來，Optimus或者某種形式的Tesla機器人，很可能會成為贏家之壹，概率非常高。接下來問題是，Waymo會不會把自動駕駛中積累的能力遷移到機器人上？因為這兩者之間存在不少相似的問題。
另外，贏家會是其他大型工業公司，還是初創公司？在壹個既需要大量資本，又高度依賴硬件和制造能力的領域，結構上往往更有利於既有巨頭，這壹點在自動駕駛中已經體現得很明顯。自動駕駛的另壹些贏家其實是中國公司——中國車企雖然無法進入美國市場，但它們很可能也會在機器人領域占據重要位置。全球范圍內最有可能的機器人贏家，可能是中國的壹部分公司、Tesla，再加上某個其他玩家，或許是壹家初創公司。
Sarah Guo：我基本同意，但那更像是在說，從純概率上看，大多數行業裡既有巨頭比初創公司更容易贏。我不太確定是不是壹定如此。
Elad Gil：我倒不完全同意。我認為有些行業天然更適合初創公司，有些行業則更適合既有巨頭。這取決於市場結構、資本需求、專業能力以及供應鏈復雜度。確實存在壹些市場，結構性地更有利於既有公司，它們不壹定每次都贏，但通常會贏；也有壹些市場，初創公司會表現得更好。
Sarah Guo：當然，我同意不同市場的結構深度不同。但如果你把自動駕駛汽車看作壹種非常復雜、但高度單壹用途的機器人，它本質上主要是在做運動控制。它確實還做了很多預測、防御等復雜任務，但歸根結底是單壹用途。
Elad Gil：是的，但我們往往忽略了很多類似的例子。洗碗機就是非常優秀的單壹用途機器人，掃地機器人也是。家裡其實已經有很多機器人了，只是我們假裝它們不是機器人。電梯也是機器人，扶梯也是。
Sarah Guo：我更傾向於認為，機器人需要具備壹定程度的智能。洗碗機只是家電，而自動駕駛汽車可以算機器人。
Elad Gil：那你心中“智能”的邊界在哪裡？
Sarah Guo：可能在於壹定程度的泛化能力：能在不同環境中工作，處理不同任務，操作不同對象。
Elad Gil：有意思。我之前的定義沒這麼復雜，我只是把它理解為能為你執行某類可編程勞動的機器。不過查壹下定義的話，機器人是“能夠自動執行壹系列復雜動作的機器，尤其是可由計算機編程的機器”。但現在幾乎所有設備裡都有芯片，你的洗碗機裡也有計算機。
Sarah Guo：是的，但如果沒有智能，機器人領域本身並不是壹個有趣、能快速變化的創新方向。我們討論的其實是“智能機器人”這壹子集。
Elad Gil：我認為在機器人這個話題上，2026年最重要、甚至是最重要的趨勢之壹，將是自動駕駛真正開始產生影響。這既包括個人用車，也包括Waymo和Tesla的Robotaxi。這會成為明年討論的核心議題之壹。
Sarah Guo：如果你看自動駕駛之外的機器人應用場景，其實Optimus團隊已經說明了壹點：把驅動Tesla自動駕駛的模型放進Optimus裡，它能做運動控制，但很多事情依然做不了，硬件層面的挑戰依然存在，比如操作和精細操控。因此，我認為這裡的優勢並沒有你想象中那麼強。初創公司依然有機會。當然，真正令人忌憚的競爭對手是中國，但我依然認為這個領域存在開放空間。
Elad Gil：我完全認為機器人領域對初創公司是有機會的，你別誤會我。只是問題不在於你是否擁有壹個模型或基礎模型、是否具備構建模型的能力，而在於你是否同時具備完整的供應鏈能力。很多你需要用到的傳感器其實是通用的，真正困難的是如何采購、如何規模化擴張。這些能力和思維方式，與模型本身同樣重要，而且往往需要很長時間才能建立起來。對初創公司來說，這些事情通常比較痛苦，但也不是沒人做到過。Anduril、SpaceX都做到了，只是額外負擔確實不小。所以我確實認為會有初創公司在這裡成功。我剛才更多是在思考，除了初創公司之外，誰會成為長期的大玩家。同時我也認為，會有壹到兩個“既有巨頭席位”幾乎是默認出現的，除非發生非常反常的事情。
其實在基礎模型領域，本來很多人就認為Google理應擁有壹個默認席位。最終事實也確實如此。Google還是走到了這壹步。我甚至記得兩叁年前看過類似的觀點：Google壹定會重新變得重要。這並不神秘，因為它擁有成為頂級基礎模型公司的所有關鍵資產——它發明了Transformer，擁有海量數據、充足資本、GPU資源，以及世界壹流的人才儲備。這壹切都讓結果顯得幾乎是必然的。我現在對機器人領域也有類似的感覺。當然，這並不意味著判斷壹定正確。
資本退出與並購Elad Gil：要不要聊聊明年的IPO和並購？我覺得這是另壹個重要主題。如果我們把剛才的內容分壹下：第叁個主題是不同類型的模型，第肆個是機器人和自動駕駛，第伍個就是IPO和M&A。你怎麼看？會有更多IPO還是更少？更多並購還是更少？並購形式會不會發生變化？
Sarah Guo：這取決於AI市場會不會在某個時點出現“底部塌陷”。但即便如此，我覺得趨勢還是相對明確的。
Elad Gil：你說的“塌陷”具體指什麼？
Sarah Guo：本質上，人們害怕的是需求不真實——不是AI沒有需求，而是這種需求是否足以支撐整個CAPEX周期。大家擔心的是：到底是誰在為大規模CAPEX建設負責？這些數據中心、芯片的“交付即付款”合同，以及背後的信用安排，是否存在系統性風險？另壹層恐懼來自高度集中——我戲稱為Microglastics，也就是過度集中在NVIDIA和極少數玩家身上。如果你是大型公募或公共市場投資者，會覺得“硅的暴露度實在太高了”，進退兩難。
我最近和壹位管理大型科技對沖基金的朋友聊過。他們已經是多家重要基礎模型實驗室的投資人，這些公司可能會在未來幾年上市。他們的博弈邏輯是：IPO要不要買？結論居然是——不管基本面怎麼看，都必須買。因為散戶壹定會想參與AI革命。如果你是對沖基金，又要按年度業績被考核，而散戶會追逐“純AI標的”，你就不能錯過。他的原話大概是：我已經錯過了NVIDIA，這次不能再錯過。所以無論如何都得買IPO。我當時的反應是：這已經不是我理解中的投資方式了。你覺得會怎麼發展？
Elad Gil：我認為明年肯定會出現更多IPO。如果有壹家核心AI公司率先上市，只要定價不是極端激進，表現大概率會非常好。散戶對“除了NVIDIA之外的AI標的”有極強的參與欲望，而壹旦有壹家成功上市，其他公司就會迅速跟進。對這些實驗室來說，IPO也是籌集巨額資金的絕佳方式。所以這壹塊非常值得關注。
消費級創新瓶頸Sarah Guo：還有壹些對2026年的預測。我之前並不認為會看到太多真正獨特的消費者體驗，除了ChatGPT。我依然認為，接下來會有壹批消費者硬件項目大多失敗，但我對它們保持開放態度。真正讓我感到興奮的是，我已經開始看到壹些“魔法級”的消費者Agent軟件體驗——是真的我自己會想用、會長期使用的那種。這些公司現在大多還在stealth階段，但我相信明年會有更多產品團隊和模型公司開始認真探索這個方向。我對此是樂觀的。
Elad Gil：我100%同意。真正的問題在於：哪些會成為爆款初創公司？哪些會快速增長，然後被主流實驗室或Google復制，最終被整合進核心產品？除非壹家初創公司真正達到“逃逸速度”，建立起網絡效應或其他強防御壁壘，否則既有巨頭往往可以在兩叁年後追上來。但我也覺得這個方向非常令人興奮。我已經等這壹刻等了很久。
兩叁年前，我和當時團隊裡的David Song在Stanford做過壹個為期兩個季度的項目，邀請工程項目的學生組隊，用AI構建消費者應用。我們當時的想法是：這壹波AI這麼有意思，為什麼幾乎沒人做消費者產品？於是我們直接給大家免費GPU，讓他們去嘗試各種想法，不要求任何回報，只是希望看到有趣的東西。
當時原型體驗非常驚艷。但讓我震驚的是，接下來兩年，幾乎沒有真正落地的消費者產品出現。我壹直在想，這是為什麼？是新壹代創始人不想做消費者產品了？還是已經忘了該怎麼做？是因為大型消費者平台太老化了？還是既有巨頭太令人畏懼？為什麼AI在消費者端的創新如此之少？我到現在都沒完全想明白。
Sarah Guo：那我們來列壹列原因吧。我確實認為既有巨頭非常可怕。任何經歷過上壹代消費者創新浪潮的人，都親眼見過新想法是如何被平台“吸收進系統”的。除此之外，我觀察到很多正在做新壹代消費者體驗的公司和創始人，第壹反應往往是：用這壹代技術去做上壹代體驗的“更好版本”。但這種做法通常並不有趣。真正有機會的方向，要麼是非常貼近前沿研究，要麼是在創意上足夠激進，去做完全不同的東西。否則很難產生突破。而現實是，既擁有這種研究背景、又具備這種創造力的人並不多。但我認為，這種情況正在開始改變。
Elad Gil：我也覺得這非常令人興奮。前段時間我和壹位非常知名的消費者領域創始人聊過，他現在在運營壹家體量巨大的上市公司。他的觀點是：在全球范圍內，真正頂級、能夠從零構思並成功推出優秀消費者產品的人，可能只有幾百個。當然，人類潛力遠不止這些，很多沒有在做消費者產品的人同樣具備能力。但如果只看當前真正從事消費者產品的人群，他認為其中真正卓越、能獨立做出好產品的人數是非常有限的。從這個角度看，消費者創新的數量可能本身就受限於這部分人才的規模。這是壹個挺有意思的觀點，我不確定我是否完全同意，但確實值得思考。
Sarah Guo：如果這個“幾百人”的集合，還必須是那些真正理解當下技術邊界、知道現在“可能性在哪裡”的人，那我可能會更認同。如果你只是有很強的消費者產品直覺，但現實中卻被困在某個成熟產品的第50次微調裡，那其實並沒有機會去創造真正新的東西。
Elad Gil：對，你可能在改Gmail裡的某個小按鈕，而不是全身心投入去做壹件全新的事。
研究范式與外溢Sarah Guo：那還有什麼是我們應該討論的？或者你對2026年還有什麼重要預測？我覺得今年壹個非常顯著的新現象，是Neo Labs的意外融資成功，從第叁家到第八家都有。你怎麼看？你對替代性架構怎麼看？比如圍繞強化學習的泛化、持續學習，以及這些研究方向，有什麼判斷嗎？
Elad Gil：我認為現在正在進行大量非常有價值、也非常有趣的研究。現有模型身上還有大量潛力可以被挖掘，這是令人興奮的。但從長期來看，這些探索最終會體現為某些方法或模型的“資本回報”。因為我們已經知道，Scale非常重要，而這意味著資本最終會向最有效、能產生收入的方向集中，行業不可避免地會收斂到少數玩家。真正的問題是：哪些方向會贏？在什麼時間點，使用層面的鎖定會發生？這些都是非常值得觀察的事情。
Sarah Guo：如果要系統地梳理新研究方向的邏輯，可以參考Ilya最近的壹次訪談。他把當前階段稱為“研究的時代”。他的核心觀點可以概括為：他當然相信Scaling，但現實中存在壹個“並非無限”的算力下限，在這個范圍內，我們依然可以測試大量想法。如果某些團隊掌握了提升效率、實現更快進步的“秘密路徑”，那麼競爭就不再只是資源消耗戰——而這正是當前競賽給人的直觀感受。
另壹種視角是：多種架構在不同的大規模應用領域中同樣具備價值，只是此前沒有被真正Scale。無論是Diffusion、SSMs還是其他方向，資本已經足夠支撐這些探索，而這很可能在明年發生。還有壹個角度是資源配置。如果像Ilya所說，壹些實驗室擁有巨量算力，但其中很大壹部分必須用於推理以支撐當前業務，那麼真正能分配給特定研究方向的算力還有多少？無論是自我改進、後訓練、情緒智能，還是超大規模Agent系統，這都會成為取舍問題。
Elad Gil：這取決於你在做什麼。因為推理本身會帶來收入，而收入會反過來為壹切其他事情提供資金。所以某種程度上，這是你不斷Bootstrap到更大Scale的方式。我壹直有壹個可能並不完全正確的直覺：最終，AI可能是通過進化系統來構建的。也許這是我對生物學的過度外推，但人類大腦本身就是由多個高度專門化的模塊組成：視覺系統、記憶系統、高階思考區域、與共情相關的鏡像神經元等等。從某個時刻開始，你是否會生成大量實例，讓它們圍繞某個效用函數進行演化，通過選擇、重組等方式推進系統進化？這和完全分析式、定向設計的路徑，是非常不同的兩種方法。
如果你看生物學中的先例，比如蛋白質設計：早期依賴高度分析式的方法，後來通過展示技術、誘變掃描等手段，取得了遠超“純思考設計”的結果。而現在，借助AI，我們又通過3D結構預測（比如AlphaFold）取得了突破性進展。這讓我覺得，在AI自身的發展路徑上，或許也會出現類似轉折——通過進化式系統實現飛躍。這可能需要壹種完全不同的訓練范式。這也是為什麼大家如此關注代碼：代碼本身是加速AI開發的工具。但真正有潛力的，也許是“代碼+自我演化”的組合。當然，這只是壹個假設，我們還需要時間驗證。
Sarah Guo：那你有沒有壹個完全不和AI相關的2026預測？
Elad Gil：其實我還有壹個與AI有關的預測：我認為防務領域會顯著加速，尤其是防務創業公司、國防科技，以及向無人機系統的轉移。這正在徹底重塑戰爭和防務的思維方式。我認為明年這壹趨勢會進壹步加速，壹方面與政策環境有關，另壹方面是因為現在已經形成了壹定規模的創業密度。目前這仍然處在炒作周期，但我認為它被低估了，因為其影響會非常巨大。
如果完全不談AI，我覺得太空領域同樣非常有意思，比如SpaceX和Starlink正在改變通信與連接方式。此外，能源和采礦領域也正在發生深刻變化，世界上正在同時發生很多重要的事。
Sarah Guo：我同意防務領域的判斷，盡管也需要看到預算真正從傳統承包商轉向這些可規模化的新公司。但在壹個越來越由自治系統驅動的世界裡，保持競爭力的需求是顯而易見的。炒作周期和繁榮並非全是壞事，它們會吸引資本、創始人和人才，即便最終會有大量公司失敗，短時間內依然可以推動巨大進展。
至於我自己的“非AI預測”，我認為GLP-1的影響依然被低估了。盡管討論已經很多，但它的實際沖擊遠未被充分理解。GLP-1的持續普及幾乎是不可逆的，而且它為其他肽類和激素療法打開了壹條非常有意思的路徑。它的成功帶來了大量贰階效應——從體重下降本身，到人們意識到“遞送方式”同樣重要。現在大家已經看到，這些工程化的藥物可以如此有效，這會進壹步推動資本流向類似機會。我認為這是非常令人興奮的。
Elad Gil：我也覺得你提到的壹點特別有意思。如果你看所謂的biohacking社群，現在已經大量使用不同類型的肽來實現不同目標。有人因為慢性腕管綜合征飛到迪拜去注射肽類療法。歷史上，這種行為往往是更大規模社會采用的早期信號。整個“肽的世界”正在快速發展：它們的用途是什麼？會不會出現“肽版HIMS”？我覺得這壹切都非常值得關注。
Sarah Guo：而且正如你說的，那些最早在非適應症情況下使用GLP-1、關注長壽、超聲神經調節、幹細胞注射的人群，過去壹直是非常小眾的邊緣群體。但我認為，這個群體正在變得不再邊緣化。
Elad Gil：很多這樣的趨勢，拾年前其實源自健美圈。像肌酸、睡眠補劑、鎂元素等等，都是先在小圈子流行，後來才被更廣泛接受。
行業領袖的展望Sarah Guo：作為這壹期年終節目，我們也邀請了壹些朋友分享他們對2026年的預測。我真的非常好奇他們會怎麼說。
Jensen Huang：我對明年的預測是：推理系統將直接催生更加通用、更加穩健的AI。推理能力不僅會徹底改變語言模型，還將影響從生物學到自動駕駛、再到機器人在內的每壹個行業。我認為，推理是壹個巨大且關鍵的突破，它將重塑大量應用場景和產業形態。到2026年，AI將不再只是壹個被動等待提示的工具，而會變得高度主動，並深度嵌入我們的工作生活。它會跟隨我們行動，聽到我們聽到的內容，理解我們需要完成的任務，甚至在我們提出要求之前，就已經替我們完成了大部分工作。它會成為幫助我們提升技能的教練，成為協助我們安排優先級、管理時間的“經理”。簡而言之，它將成為你所能想象到的最好的工作伙伴。
Winston Weinberg：我對明年的核心預測是：Context將成為幾乎每壹個產品中最重要的組成部分。坦率說，我目前體驗過的壹個非常好的例子，就是ChatGPT裡的memory功能。我認為未來會出現大量功能，它們的目標都是自動提取用戶意圖，而不是讓用戶承擔提供所有上下文信息的負擔。換句話說，產品本身要學會從用戶那裡“讀懂”需求，而不是要求用戶在壹開始就把所有背景都講清楚。我對2026年的預測是：將會出現壹整套基於更快推理速度的新型產品體驗。
Raiza Martin：我對2026年的預測是：我們終於會停止把內容復制粘貼進聊天框。取而代之的，將是更善於利用屏幕共享、並能在關鍵數據源之間進行Context管理的應用。這會成為新的默認交互方式。
Zach Ziegler：現在大家談論Agent已經談了很久，但還沒有任何人真正打造出壹個大規模的消費者級Agentic AI。我認為，從模型能力上看，這在今天已經是可行的。到2026年，我們會看到某個團隊找到正確的界面、系統和產品形態，帶來壹次像ChatGPT剛發布時那樣巨大的體驗躍遷。而且這壹領域並不像很多人想象的那樣已經被實驗室壟斷，它仍然是壹個完全開放的賽場。
Aaron Levie：我對2026年的預測是：這將是AI Agent的第贰年，但更具體地說，是企業級AI Agent真正落地的壹年，尤其是在深度垂直領域和行業專用場景中。這將成為把模型進展真正交付給企業的主要方式。你必須嵌入組織的工作流程，接入它們的數據，做好Context engineering，確保Agent能真正發揮作用，同時還要完成變革管理，才能讓Agent在組織中有效運行。因此，2026年我們會越來越多地看到這種模式的成熟。同時，這也意味著Agent harness將變得極其重要。通過圍繞模型構建正確的“支架”，你可以把模型能力放大壹個數量級。最後，2026年也會是“經濟上有意義的評測”的壹年。我們將真正開始衡量這些模型在經濟價值層面的表現。今年我們已經在Apex、GDPVal等項目中看到了壹些前奏，明年會更多。這些就是我的預測，我們2026年見。
Misha Laskin：我認為2026年會是美國開放模型非常有意思的壹年。過去壹年裡，開放智能的前沿從美國轉移到了中國，起點正是2024年底DeepSeek的發布。美國機構在壹開始對這壹變化反應遲緩，但在過去半年裡，無論是政府層面還是企業層面，都已經明顯意識到這壹問題。現在，壹批以開放智能為核心使命的Neo Labs正在出現，而且不止壹兩家。這些公司已經開始產出非常有意思的小型開放模型。我認為，到明年，美國將在最大規模的open-weight前沿重新奪回領導地位，我對此感到非常興奮。
Noam Brown：我對2026年的預測是：AI將變得更加政治化。它會成為2026年中期選舉中的重要討論議題。壹部分人會強烈反對AI，另壹部分人會強烈支持它。我不確定最終哪壹方會占上風。
Joshua Meier：2025年是AI藥物發現極其重要的壹年。我們在壹年之內，從在計算機上設計簡單分子，進展到設計簡單抗體，再到最近實現零樣本設計具備藥物屬性的全長抗體。如果2025年是AI藥物發現的“研究之年”，那麼2026年將是“部署之年”。這些模型終於進入了真正有用的階段，不僅讓流程更快，也讓我們能夠攻克那些傳統方法極難處理的靶點。我非常期待接下來會發生什麼，因為這些模型看不到任何放緩的跡象。
接下來是我對2026年的另壹個預測：YOLO將會終結。我們會從“You Only Live Once”轉向“Don’t Die”。我認為當下的人類在某種程度上是壹個自毀的物種：我們用飲食毒害自己，用生活方式慢性自殺，企業通過讓我們上癮和痛苦來獲利，我們破壞唯壹的家園，卻還把這些行為視為美德。我認為這壹切是完全顛倒的。未來某壹天，我們會對自己的行為感到震驚。即將到來的轉變既簡單又激進：我們選擇生命，拒絕死亡。這可能會在AI進步的背景下發生，並成為壹種集體性的、帶有反抗意味的統壹行動。但這需要極大的勇氣——承認生命的神聖性，並用全部力量去守護它。2026年將是YOLO終結的壹年，也是“Don’t Die”的開始。
Sholto Douglas：明年最顯著的壹點是：其他形式的知識工作，將經歷軟件工程師今年已經經歷的變化。他們從年初還在手寫大部分代碼，到年末幾乎不再親自寫代碼。我把這稱為“Claude Code體驗”，而它將擴展到所有知識工作。我還認為，持續學習會以壹種令人滿意的方式被解決，我們會看到家庭機器人的首次測試部署，而軟件工程本身將在明年徹底“狂飆”。
Dylan Patel：我對2026年的預測是：這是所有人認知被徹底翻轉的壹年。現在，很多人認為只有Google之外才能用NVIDIA，這個認知會被打破。現在，大約叁分之壹的美國人討厭AI，認為它是壞的，這個比例還會增加。現在，大多數美國人認為AI沒什麼用，這個認知也會被徹底翻轉。原因在於，AI的變革性用途將變得無處不在，其顯而易見的實用性將強到足以消除所有人的認知失調。
Ben Spector & Asher Spector：我們是Asher Spector。我們的預測是：2026年將是“高能效AI”的壹年。數據中心擴張的核心瓶頸已經不再是資本，而是能源：電力可用性、電網接入、高壓設備等。這也是為什麼xAIColossus最初需要依靠現場燃氣輪機供電。問題在於，對Compute的需求仍在持續增長。無論是大型實驗室、Neo Labs，還是像Cursor這樣的初創公司，對訓練和推理算力的需求都極其旺盛，而這種需求已經超過了我們將容量接入電網的能力。這意味著在2026年，我們必須榨幹每壹瓦能量、每壹美元的效率。
從長期來看，芯片可能比電力更重要，因為芯片的折舊速度遠快於底層電力基礎設施。以伍年折舊周期計算，芯片成本往往比電力成本高壹個數量級。因此，2026年，“每瓦智能”將極其重要：如何用單位能量產生盡可能多的智能。而從更長期看，真正決定性的，仍然是芯片。
[物價飛漲的時候 這樣省錢購物很爽]
無評論不新聞，發表壹下您的意見吧
觀點壹：機器人領域的情緒雪崩與巨頭收割
Sarah Guo 提出了壹個預測：2026 年，人形機器人領域將迎來壹場情緒層面的大崩塌。盡管 Optimus 等項目備受矚目，但 Sarah 認為，當市場意識到硬件供應鏈的極端復雜性與實際交付時間表的錯位時，投資人的信心將迅速瓦解。而 Elad Gil 則指出，機器人領域是典型的巨頭主場，擁有資本、制造能力和供應鏈優勢的 Tesla、Google 以及中國車企將占據默認席位，而大多數初創公司將在這壹年撞上現實的南牆。
觀點贰：從“復讀機”到“推理者”，AI 開始主動介入現實
2026 年 AI 將實現從被動工具到主動 Agent 的跨越，具備自我改進能力的推理系統將重塑每壹個行業。Dylan Patel 則給出了更具攻擊性的預測：明年是認知翻轉之年。那些原本討厭 AI、認為 AI 沒用的人，將會在 AI 爆發出的、無法反駁的實用性面前徹底失語。從醫生的大規模采用到法律文書的自動化，AI 正在從“替代重復勞動”轉向“吞噬智力勞動”，那些今年還在親手寫代碼的工程師，明年可能將不再觸碰鍵盤。
觀點叁：資本的被迫博弈與 IPO 狂熱
在資本市場，壹種詭異的邏輯正在蔓延。Sarah 透露，許多對沖基金即便看不懂基本面，也必須買入 AI 公司的 IPO，因為散戶的狂熱讓機構無法承擔錯過下壹個 NVIDIA的風險。這種由恐懼和貪婪驅動的集中度，正在將 AI 資本推向壹個“Microglastics”（微型玻璃化）的危險境地——即所有風險都高度集中在少數幾家芯片和模型巨頭身上，壹旦需求不及預期，整個 CAPEX 周期可能面臨底部塌陷。
觀點肆：科學的“假性突破”與能源的生死時速
Elad 預測，明年科學領域將出現幾次軼事式的突破，比如發明新材料或證明數學猜想，引發科學已被 AI 解決的假象。然而，真正的瓶頸將轉移到物理世界：能源。數據中心的擴張核心已不再是錢，而是電。2026 年將是高能效 AI的生死戰，每壹瓦特電能產出的“智能密度”將決定誰能在這場燒錢競賽中活下來。
觀點伍：YOLO 的終結與“Don’t Die”運動的崛起
最令人震撼的觀點來自 Joshua Meier，他認為 2026 年將標志著 “YOLO（你只活壹次）”文化的終結。隨著 AI 藥物發現從研究轉向部署，人類將發起壹場名為“Don't Die”的集體反抗——拒絕用劣質飲食和生活方式毒害自己，利用 AI 實現精准的生命守護。這壹年，長壽科技將從硅谷精英的小眾愛好，演變成壹場關於“生命神聖性”的社會運動。
AI技術落地提速Sarah Guo：歡迎收聽No Priors。今年到底該怎麼總結？AI領域徹底走向主流，不僅進入大眾視野，也站上了政策制定者的舞台中央。ChatGPT的用戶規模爆發式增長，同時也帶來了對巨額資金的需求。Gemini和Google強勢反擊。在應用層面，AI編程正在從工具階段轉向Agent形態，幾乎吞噬了所有推理算力。醫生正在大規模采用臨床決策支持系統，在法律和客戶支持領域，企業級落地正在明顯加速。
研究層面同樣競爭激烈，多方選手仍在賽道中奔跑，開源模型也在迅速縮小差距。今年有少數Neo Labs、新研究實驗室獲得融資，整體敘事正在發生變化。Ilya將其稱為“研究的時代”。人們開始嘗試各種不同路徑，包括Diffusion、自我改進、數據效率、EQ、大規模老化協作、持續學習、能量相關的Transformer等方向，AI領域從未像現在這樣開放。
與此同時，我們也看到AI再次試圖進入真實世界，機器人領域重新燃起樂觀情緒。明年，這些公司將真正開始接受現實世界的檢驗。從預測角度看，我個人認為，明年壹定會有人用LLMs在交易市場上賺到數億美元，這幾乎是不可避免的。我們現在大概還處在第贰或第叁局的階段。市場有點過熱，也有些波動。Elad，這真的是不平凡的壹年。
Elad Gil：沒錯，2026年要來了。
Sarah Guo：你現在更有AGI臨近的感覺，還是壹種“良性的AI寒冬”？AI本身現在處在什麼階段？你最興奮的是什麼？
Elad Gil：技術真正擴散、產生影響往往需要10年時間。但現實是，人們已經從AI中獲得了巨大的價值，而且未來還會更多。每壹個技術周期都會出現兩種聲音：壹邊是被誇大的泡沫論，另壹邊是“其實沒那麼好用”的唱衰論。明年我們肯定還會再聽到壹輪這樣的爭論，大量時間會被浪費在這些討論上。
如果說對2026年的預測，我認為下壹批垂直行業將實現真正的大規模落地。今年我們已經看到，AI編程集中到少數幾家，醫療文書、法律服務也都開始向頭部玩家集中。我預計接下來會看到更多垂直領域完成這種整合。
Sarah Guo：我先回應壹下，再給你我的預測。現在投資圈對AI的整體情緒，是很多人開始焦慮自己投進去的資本規模，同時對采用節奏和技術路線存在不確定性，尤其是壹些並非基於第壹性原理的技術押注。疊加外生變量和噪音，大家會質疑采用速度。但說實話，從整體看，采用速度是驚人的，真正的討論應該是約束在哪裡。
Elad Gil：確實快得離譜，我都不明白大家為什麼還在爭論。
Sarah Guo：我剛看到壹份來自Ofqual的報告，講醫生對AI的采用情況。無論是醫療文書、臨床決策支持，比如Abridge、Open Evidence，還是通用模型，醫生群體整體都表現出極大的熱情。在所有專業性強、相對保守的行業中，醫生的這種采用意願非常具有代表性。這說明，只要技術能顯著改善工作方式，它就會迅速擴散到其他專業領域。
Elad Gil：這壹點其實被嚴重低估了。歷史上最慢采用新技術的群體——醫生、律師、部分會計人員——現在反而成了AI的快速采用者。這是合規導向的職業群體，過去幾乎不碰新技術，但現在轉變非常快，這壹點幾乎沒人認真討論。
Sarah Guo：而且這種趨勢會繼續。大量職業本身就依賴對非結構化數據的理解和推理。如果哪壹季度NVIDIA沒有大幅超預期，市場可能就會恐慌，但這和AI帶來的長期結構性變化關系不大。
機器人拐點之爭Elad Gil：我覺得第叁個重要方向是：下壹代基礎模型會出現。但我說的不是Neo Labs或下壹代LLMs——那些當然也會發生。我指的是用於物理、材料科學、數學進展的模型。接下來很可能會出現壹兩個案例，在某個具體問題上效果極好：比如發明壹種新材料，或者證明某個數學猜想之類的成果。隨後，這些成果會被迅速推入過度誇大的炒作周期——“它將徹底改變整個物理科學”。這些單點突破會被嚴重高估。但從長期看，真正的趨勢反而會被低估，而它最終會變得極其重要。所以這是我對明年的另壹個預測：科學領域會出現幾次軼事式的突破，讓人覺得“科學已經被解決了”，然後大家會意識到科學並沒有被解決；再往後，科學真的會被解決。
Sarah Guo：我有叁個快速預測。第壹個是，明年壹批機器人公司會經歷情緒層面的崩塌。這不是因為機器人這個領域不再前進，而是因為人們開始對時間表進行預期，而並不是所有公司都能按這些時間表交付。
Elad Gil：那你的時間表是什麼？
Sarah Guo：我認為，明年我們會看到人形和半人形機器人在消費或工業環境中進行小規模部署，而且壹定會有很多地方做得不完美。目前整個人形機器人領域處在高度炒作周期中，只要有壹個環節沒有完美運行——而這幾乎是必然的——市場情緒就會迅速崩潰，投資人之間也會出現明顯分化。
Elad Gil：如果看當下，兩個最大的贏家其實是Waymo和Tesla，它們都是既有巨頭。Waymo背後是Google，Tesla就是Tesla。我很好奇機器人領域最終會怎樣。在我看來，Optimus或者某種形式的Tesla機器人，很可能會成為贏家之壹，概率非常高。接下來問題是，Waymo會不會把自動駕駛中積累的能力遷移到機器人上？因為這兩者之間存在不少相似的問題。
另外，贏家會是其他大型工業公司，還是初創公司？在壹個既需要大量資本，又高度依賴硬件和制造能力的領域，結構上往往更有利於既有巨頭，這壹點在自動駕駛中已經體現得很明顯。自動駕駛的另壹些贏家其實是中國公司——中國車企雖然無法進入美國市場，但它們很可能也會在機器人領域占據重要位置。全球范圍內最有可能的機器人贏家，可能是中國的壹部分公司、Tesla，再加上某個其他玩家，或許是壹家初創公司。
Sarah Guo：我基本同意，但那更像是在說，從純概率上看，大多數行業裡既有巨頭比初創公司更容易贏。我不太確定是不是壹定如此。
Elad Gil：我倒不完全同意。我認為有些行業天然更適合初創公司，有些行業則更適合既有巨頭。這取決於市場結構、資本需求、專業能力以及供應鏈復雜度。確實存在壹些市場，結構性地更有利於既有公司，它們不壹定每次都贏，但通常會贏；也有壹些市場，初創公司會表現得更好。
Sarah Guo：當然，我同意不同市場的結構深度不同。但如果你把自動駕駛汽車看作壹種非常復雜、但高度單壹用途的機器人，它本質上主要是在做運動控制。它確實還做了很多預測、防御等復雜任務，但歸根結底是單壹用途。
Elad Gil：是的，但我們往往忽略了很多類似的例子。洗碗機就是非常優秀的單壹用途機器人，掃地機器人也是。家裡其實已經有很多機器人了，只是我們假裝它們不是機器人。電梯也是機器人，扶梯也是。
Sarah Guo：我更傾向於認為，機器人需要具備壹定程度的智能。洗碗機只是家電，而自動駕駛汽車可以算機器人。
Elad Gil：那你心中“智能”的邊界在哪裡？
Sarah Guo：可能在於壹定程度的泛化能力：能在不同環境中工作，處理不同任務，操作不同對象。
Elad Gil：有意思。我之前的定義沒這麼復雜，我只是把它理解為能為你執行某類可編程勞動的機器。不過查壹下定義的話，機器人是“能夠自動執行壹系列復雜動作的機器，尤其是可由計算機編程的機器”。但現在幾乎所有設備裡都有芯片，你的洗碗機裡也有計算機。
Sarah Guo：是的，但如果沒有智能，機器人領域本身並不是壹個有趣、能快速變化的創新方向。我們討論的其實是“智能機器人”這壹子集。
Elad Gil：我認為在機器人這個話題上，2026年最重要、甚至是最重要的趨勢之壹，將是自動駕駛真正開始產生影響。這既包括個人用車，也包括Waymo和Tesla的Robotaxi。這會成為明年討論的核心議題之壹。
Sarah Guo：如果你看自動駕駛之外的機器人應用場景，其實Optimus團隊已經說明了壹點：把驅動Tesla自動駕駛的模型放進Optimus裡，它能做運動控制，但很多事情依然做不了，硬件層面的挑戰依然存在，比如操作和精細操控。因此，我認為這裡的優勢並沒有你想象中那麼強。初創公司依然有機會。當然，真正令人忌憚的競爭對手是中國，但我依然認為這個領域存在開放空間。
Elad Gil：我完全認為機器人領域對初創公司是有機會的，你別誤會我。只是問題不在於你是否擁有壹個模型或基礎模型、是否具備構建模型的能力，而在於你是否同時具備完整的供應鏈能力。很多你需要用到的傳感器其實是通用的，真正困難的是如何采購、如何規模化擴張。這些能力和思維方式，與模型本身同樣重要，而且往往需要很長時間才能建立起來。對初創公司來說，這些事情通常比較痛苦，但也不是沒人做到過。Anduril、SpaceX都做到了，只是額外負擔確實不小。所以我確實認為會有初創公司在這裡成功。我剛才更多是在思考，除了初創公司之外，誰會成為長期的大玩家。同時我也認為，會有壹到兩個“既有巨頭席位”幾乎是默認出現的，除非發生非常反常的事情。
其實在基礎模型領域，本來很多人就認為Google理應擁有壹個默認席位。最終事實也確實如此。Google還是走到了這壹步。我甚至記得兩叁年前看過類似的觀點：Google壹定會重新變得重要。這並不神秘，因為它擁有成為頂級基礎模型公司的所有關鍵資產——它發明了Transformer，擁有海量數據、充足資本、GPU資源，以及世界壹流的人才儲備。這壹切都讓結果顯得幾乎是必然的。我現在對機器人領域也有類似的感覺。當然，這並不意味著判斷壹定正確。
資本退出與並購Elad Gil：要不要聊聊明年的IPO和並購？我覺得這是另壹個重要主題。如果我們把剛才的內容分壹下：第叁個主題是不同類型的模型，第肆個是機器人和自動駕駛，第伍個就是IPO和M&A。你怎麼看？會有更多IPO還是更少？更多並購還是更少？並購形式會不會發生變化？
Sarah Guo：這取決於AI市場會不會在某個時點出現“底部塌陷”。但即便如此，我覺得趨勢還是相對明確的。
Elad Gil：你說的“塌陷”具體指什麼？
Sarah Guo：本質上，人們害怕的是需求不真實——不是AI沒有需求，而是這種需求是否足以支撐整個CAPEX周期。大家擔心的是：到底是誰在為大規模CAPEX建設負責？這些數據中心、芯片的“交付即付款”合同，以及背後的信用安排，是否存在系統性風險？另壹層恐懼來自高度集中——我戲稱為Microglastics，也就是過度集中在NVIDIA和極少數玩家身上。如果你是大型公募或公共市場投資者，會覺得“硅的暴露度實在太高了”，進退兩難。
我最近和壹位管理大型科技對沖基金的朋友聊過。他們已經是多家重要基礎模型實驗室的投資人，這些公司可能會在未來幾年上市。他們的博弈邏輯是：IPO要不要買？結論居然是——不管基本面怎麼看，都必須買。因為散戶壹定會想參與AI革命。如果你是對沖基金，又要按年度業績被考核，而散戶會追逐“純AI標的”，你就不能錯過。他的原話大概是：我已經錯過了NVIDIA，這次不能再錯過。所以無論如何都得買IPO。我當時的反應是：這已經不是我理解中的投資方式了。你覺得會怎麼發展？
Elad Gil：我認為明年肯定會出現更多IPO。如果有壹家核心AI公司率先上市，只要定價不是極端激進，表現大概率會非常好。散戶對“除了NVIDIA之外的AI標的”有極強的參與欲望，而壹旦有壹家成功上市，其他公司就會迅速跟進。對這些實驗室來說，IPO也是籌集巨額資金的絕佳方式。所以這壹塊非常值得關注。
消費級創新瓶頸Sarah Guo：還有壹些對2026年的預測。我之前並不認為會看到太多真正獨特的消費者體驗，除了ChatGPT。我依然認為，接下來會有壹批消費者硬件項目大多失敗，但我對它們保持開放態度。真正讓我感到興奮的是，我已經開始看到壹些“魔法級”的消費者Agent軟件體驗——是真的我自己會想用、會長期使用的那種。這些公司現在大多還在stealth階段，但我相信明年會有更多產品團隊和模型公司開始認真探索這個方向。我對此是樂觀的。
Elad Gil：我100%同意。真正的問題在於：哪些會成為爆款初創公司？哪些會快速增長，然後被主流實驗室或Google復制，最終被整合進核心產品？除非壹家初創公司真正達到“逃逸速度”，建立起網絡效應或其他強防御壁壘，否則既有巨頭往往可以在兩叁年後追上來。但我也覺得這個方向非常令人興奮。我已經等這壹刻等了很久。
兩叁年前，我和當時團隊裡的David Song在Stanford做過壹個為期兩個季度的項目，邀請工程項目的學生組隊，用AI構建消費者應用。我們當時的想法是：這壹波AI這麼有意思，為什麼幾乎沒人做消費者產品？於是我們直接給大家免費GPU，讓他們去嘗試各種想法，不要求任何回報，只是希望看到有趣的東西。
當時原型體驗非常驚艷。但讓我震驚的是，接下來兩年，幾乎沒有真正落地的消費者產品出現。我壹直在想，這是為什麼？是新壹代創始人不想做消費者產品了？還是已經忘了該怎麼做？是因為大型消費者平台太老化了？還是既有巨頭太令人畏懼？為什麼AI在消費者端的創新如此之少？我到現在都沒完全想明白。
Sarah Guo：那我們來列壹列原因吧。我確實認為既有巨頭非常可怕。任何經歷過上壹代消費者創新浪潮的人，都親眼見過新想法是如何被平台“吸收進系統”的。除此之外，我觀察到很多正在做新壹代消費者體驗的公司和創始人，第壹反應往往是：用這壹代技術去做上壹代體驗的“更好版本”。但這種做法通常並不有趣。真正有機會的方向，要麼是非常貼近前沿研究，要麼是在創意上足夠激進，去做完全不同的東西。否則很難產生突破。而現實是，既擁有這種研究背景、又具備這種創造力的人並不多。但我認為，這種情況正在開始改變。
Elad Gil：我也覺得這非常令人興奮。前段時間我和壹位非常知名的消費者領域創始人聊過，他現在在運營壹家體量巨大的上市公司。他的觀點是：在全球范圍內，真正頂級、能夠從零構思並成功推出優秀消費者產品的人，可能只有幾百個。當然，人類潛力遠不止這些，很多沒有在做消費者產品的人同樣具備能力。但如果只看當前真正從事消費者產品的人群，他認為其中真正卓越、能獨立做出好產品的人數是非常有限的。從這個角度看，消費者創新的數量可能本身就受限於這部分人才的規模。這是壹個挺有意思的觀點，我不確定我是否完全同意，但確實值得思考。
Sarah Guo：如果這個“幾百人”的集合，還必須是那些真正理解當下技術邊界、知道現在“可能性在哪裡”的人，那我可能會更認同。如果你只是有很強的消費者產品直覺，但現實中卻被困在某個成熟產品的第50次微調裡，那其實並沒有機會去創造真正新的東西。
Elad Gil：對，你可能在改Gmail裡的某個小按鈕，而不是全身心投入去做壹件全新的事。
研究范式與外溢Sarah Guo：那還有什麼是我們應該討論的？或者你對2026年還有什麼重要預測？我覺得今年壹個非常顯著的新現象，是Neo Labs的意外融資成功，從第叁家到第八家都有。你怎麼看？你對替代性架構怎麼看？比如圍繞強化學習的泛化、持續學習，以及這些研究方向，有什麼判斷嗎？
Elad Gil：我認為現在正在進行大量非常有價值、也非常有趣的研究。現有模型身上還有大量潛力可以被挖掘，這是令人興奮的。但從長期來看，這些探索最終會體現為某些方法或模型的“資本回報”。因為我們已經知道，Scale非常重要，而這意味著資本最終會向最有效、能產生收入的方向集中，行業不可避免地會收斂到少數玩家。真正的問題是：哪些方向會贏？在什麼時間點，使用層面的鎖定會發生？這些都是非常值得觀察的事情。
Sarah Guo：如果要系統地梳理新研究方向的邏輯，可以參考Ilya最近的壹次訪談。他把當前階段稱為“研究的時代”。他的核心觀點可以概括為：他當然相信Scaling，但現實中存在壹個“並非無限”的算力下限，在這個范圍內，我們依然可以測試大量想法。如果某些團隊掌握了提升效率、實現更快進步的“秘密路徑”，那麼競爭就不再只是資源消耗戰——而這正是當前競賽給人的直觀感受。
另壹種視角是：多種架構在不同的大規模應用領域中同樣具備價值，只是此前沒有被真正Scale。無論是Diffusion、SSMs還是其他方向，資本已經足夠支撐這些探索，而這很可能在明年發生。還有壹個角度是資源配置。如果像Ilya所說，壹些實驗室擁有巨量算力，但其中很大壹部分必須用於推理以支撐當前業務，那麼真正能分配給特定研究方向的算力還有多少？無論是自我改進、後訓練、情緒智能，還是超大規模Agent系統，這都會成為取舍問題。
Elad Gil：這取決於你在做什麼。因為推理本身會帶來收入，而收入會反過來為壹切其他事情提供資金。所以某種程度上，這是你不斷Bootstrap到更大Scale的方式。我壹直有壹個可能並不完全正確的直覺：最終，AI可能是通過進化系統來構建的。也許這是我對生物學的過度外推，但人類大腦本身就是由多個高度專門化的模塊組成：視覺系統、記憶系統、高階思考區域、與共情相關的鏡像神經元等等。從某個時刻開始，你是否會生成大量實例，讓它們圍繞某個效用函數進行演化，通過選擇、重組等方式推進系統進化？這和完全分析式、定向設計的路徑，是非常不同的兩種方法。
如果你看生物學中的先例，比如蛋白質設計：早期依賴高度分析式的方法，後來通過展示技術、誘變掃描等手段，取得了遠超“純思考設計”的結果。而現在，借助AI，我們又通過3D結構預測（比如AlphaFold）取得了突破性進展。這讓我覺得，在AI自身的發展路徑上，或許也會出現類似轉折——通過進化式系統實現飛躍。這可能需要壹種完全不同的訓練范式。這也是為什麼大家如此關注代碼：代碼本身是加速AI開發的工具。但真正有潛力的，也許是“代碼+自我演化”的組合。當然，這只是壹個假設，我們還需要時間驗證。
Sarah Guo：那你有沒有壹個完全不和AI相關的2026預測？
Elad Gil：其實我還有壹個與AI有關的預測：我認為防務領域會顯著加速，尤其是防務創業公司、國防科技，以及向無人機系統的轉移。這正在徹底重塑戰爭和防務的思維方式。我認為明年這壹趨勢會進壹步加速，壹方面與政策環境有關，另壹方面是因為現在已經形成了壹定規模的創業密度。目前這仍然處在炒作周期，但我認為它被低估了，因為其影響會非常巨大。
如果完全不談AI，我覺得太空領域同樣非常有意思，比如SpaceX和Starlink正在改變通信與連接方式。此外，能源和采礦領域也正在發生深刻變化，世界上正在同時發生很多重要的事。
Sarah Guo：我同意防務領域的判斷，盡管也需要看到預算真正從傳統承包商轉向這些可規模化的新公司。但在壹個越來越由自治系統驅動的世界裡，保持競爭力的需求是顯而易見的。炒作周期和繁榮並非全是壞事，它們會吸引資本、創始人和人才，即便最終會有大量公司失敗，短時間內依然可以推動巨大進展。
至於我自己的“非AI預測”，我認為GLP-1的影響依然被低估了。盡管討論已經很多，但它的實際沖擊遠未被充分理解。GLP-1的持續普及幾乎是不可逆的，而且它為其他肽類和激素療法打開了壹條非常有意思的路徑。它的成功帶來了大量贰階效應——從體重下降本身，到人們意識到“遞送方式”同樣重要。現在大家已經看到，這些工程化的藥物可以如此有效，這會進壹步推動資本流向類似機會。我認為這是非常令人興奮的。
Elad Gil：我也覺得你提到的壹點特別有意思。如果你看所謂的biohacking社群，現在已經大量使用不同類型的肽來實現不同目標。有人因為慢性腕管綜合征飛到迪拜去注射肽類療法。歷史上，這種行為往往是更大規模社會采用的早期信號。整個“肽的世界”正在快速發展：它們的用途是什麼？會不會出現“肽版HIMS”？我覺得這壹切都非常值得關注。
Sarah Guo：而且正如你說的，那些最早在非適應症情況下使用GLP-1、關注長壽、超聲神經調節、幹細胞注射的人群，過去壹直是非常小眾的邊緣群體。但我認為，這個群體正在變得不再邊緣化。
Elad Gil：很多這樣的趨勢，拾年前其實源自健美圈。像肌酸、睡眠補劑、鎂元素等等，都是先在小圈子流行，後來才被更廣泛接受。
行業領袖的展望Sarah Guo：作為這壹期年終節目，我們也邀請了壹些朋友分享他們對2026年的預測。我真的非常好奇他們會怎麼說。
Jensen Huang：我對明年的預測是：推理系統將直接催生更加通用、更加穩健的AI。推理能力不僅會徹底改變語言模型，還將影響從生物學到自動駕駛、再到機器人在內的每壹個行業。我認為，推理是壹個巨大且關鍵的突破，它將重塑大量應用場景和產業形態。到2026年，AI將不再只是壹個被動等待提示的工具，而會變得高度主動，並深度嵌入我們的工作生活。它會跟隨我們行動，聽到我們聽到的內容，理解我們需要完成的任務，甚至在我們提出要求之前，就已經替我們完成了大部分工作。它會成為幫助我們提升技能的教練，成為協助我們安排優先級、管理時間的“經理”。簡而言之，它將成為你所能想象到的最好的工作伙伴。
Winston Weinberg：我對明年的核心預測是：Context將成為幾乎每壹個產品中最重要的組成部分。坦率說，我目前體驗過的壹個非常好的例子，就是ChatGPT裡的memory功能。我認為未來會出現大量功能，它們的目標都是自動提取用戶意圖，而不是讓用戶承擔提供所有上下文信息的負擔。換句話說，產品本身要學會從用戶那裡“讀懂”需求，而不是要求用戶在壹開始就把所有背景都講清楚。我對2026年的預測是：將會出現壹整套基於更快推理速度的新型產品體驗。
Raiza Martin：我對2026年的預測是：我們終於會停止把內容復制粘貼進聊天框。取而代之的，將是更善於利用屏幕共享、並能在關鍵數據源之間進行Context管理的應用。這會成為新的默認交互方式。
Zach Ziegler：現在大家談論Agent已經談了很久，但還沒有任何人真正打造出壹個大規模的消費者級Agentic AI。我認為，從模型能力上看，這在今天已經是可行的。到2026年，我們會看到某個團隊找到正確的界面、系統和產品形態，帶來壹次像ChatGPT剛發布時那樣巨大的體驗躍遷。而且這壹領域並不像很多人想象的那樣已經被實驗室壟斷，它仍然是壹個完全開放的賽場。
Aaron Levie：我對2026年的預測是：這將是AI Agent的第贰年，但更具體地說，是企業級AI Agent真正落地的壹年，尤其是在深度垂直領域和行業專用場景中。這將成為把模型進展真正交付給企業的主要方式。你必須嵌入組織的工作流程，接入它們的數據，做好Context engineering，確保Agent能真正發揮作用，同時還要完成變革管理，才能讓Agent在組織中有效運行。因此，2026年我們會越來越多地看到這種模式的成熟。同時，這也意味著Agent harness將變得極其重要。通過圍繞模型構建正確的“支架”，你可以把模型能力放大壹個數量級。最後，2026年也會是“經濟上有意義的評測”的壹年。我們將真正開始衡量這些模型在經濟價值層面的表現。今年我們已經在Apex、GDPVal等項目中看到了壹些前奏，明年會更多。這些就是我的預測，我們2026年見。
Misha Laskin：我認為2026年會是美國開放模型非常有意思的壹年。過去壹年裡，開放智能的前沿從美國轉移到了中國，起點正是2024年底DeepSeek的發布。美國機構在壹開始對這壹變化反應遲緩，但在過去半年裡，無論是政府層面還是企業層面，都已經明顯意識到這壹問題。現在，壹批以開放智能為核心使命的Neo Labs正在出現，而且不止壹兩家。這些公司已經開始產出非常有意思的小型開放模型。我認為，到明年，美國將在最大規模的open-weight前沿重新奪回領導地位，我對此感到非常興奮。
Noam Brown：我對2026年的預測是：AI將變得更加政治化。它會成為2026年中期選舉中的重要討論議題。壹部分人會強烈反對AI，另壹部分人會強烈支持它。我不確定最終哪壹方會占上風。
Joshua Meier：2025年是AI藥物發現極其重要的壹年。我們在壹年之內，從在計算機上設計簡單分子，進展到設計簡單抗體，再到最近實現零樣本設計具備藥物屬性的全長抗體。如果2025年是AI藥物發現的“研究之年”，那麼2026年將是“部署之年”。這些模型終於進入了真正有用的階段，不僅讓流程更快，也讓我們能夠攻克那些傳統方法極難處理的靶點。我非常期待接下來會發生什麼，因為這些模型看不到任何放緩的跡象。
接下來是我對2026年的另壹個預測：YOLO將會終結。我們會從“You Only Live Once”轉向“Don’t Die”。我認為當下的人類在某種程度上是壹個自毀的物種：我們用飲食毒害自己，用生活方式慢性自殺，企業通過讓我們上癮和痛苦來獲利，我們破壞唯壹的家園，卻還把這些行為視為美德。我認為這壹切是完全顛倒的。未來某壹天，我們會對自己的行為感到震驚。即將到來的轉變既簡單又激進：我們選擇生命，拒絕死亡。這可能會在AI進步的背景下發生，並成為壹種集體性的、帶有反抗意味的統壹行動。但這需要極大的勇氣——承認生命的神聖性，並用全部力量去守護它。2026年將是YOLO終結的壹年，也是“Don’t Die”的開始。
Sholto Douglas：明年最顯著的壹點是：其他形式的知識工作，將經歷軟件工程師今年已經經歷的變化。他們從年初還在手寫大部分代碼，到年末幾乎不再親自寫代碼。我把這稱為“Claude Code體驗”，而它將擴展到所有知識工作。我還認為，持續學習會以壹種令人滿意的方式被解決，我們會看到家庭機器人的首次測試部署，而軟件工程本身將在明年徹底“狂飆”。
Dylan Patel：我對2026年的預測是：這是所有人認知被徹底翻轉的壹年。現在，很多人認為只有Google之外才能用NVIDIA，這個認知會被打破。現在，大約叁分之壹的美國人討厭AI，認為它是壞的，這個比例還會增加。現在，大多數美國人認為AI沒什麼用，這個認知也會被徹底翻轉。原因在於，AI的變革性用途將變得無處不在，其顯而易見的實用性將強到足以消除所有人的認知失調。
Ben Spector & Asher Spector：我們是Asher Spector。我們的預測是：2026年將是“高能效AI”的壹年。數據中心擴張的核心瓶頸已經不再是資本，而是能源：電力可用性、電網接入、高壓設備等。這也是為什麼xAIColossus最初需要依靠現場燃氣輪機供電。問題在於，對Compute的需求仍在持續增長。無論是大型實驗室、Neo Labs，還是像Cursor這樣的初創公司，對訓練和推理算力的需求都極其旺盛，而這種需求已經超過了我們將容量接入電網的能力。這意味著在2026年，我們必須榨幹每壹瓦能量、每壹美元的效率。
從長期來看，芯片可能比電力更重要，因為芯片的折舊速度遠快於底層電力基礎設施。以伍年折舊周期計算，芯片成本往往比電力成本高壹個數量級。因此，2026年，“每瓦智能”將極其重要：如何用單位能量產生盡可能多的智能。而從更長期看，真正決定性的，仍然是芯片。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： |
| 延伸閱讀 | 更多... |
推薦: