2026 年，商業(yè)變革者將面對什么？a16z 的最新趨勢觀察

作為全球最具影響力的風(fēng)險(xiǎn)投資機(jī)構(gòu)之一，Andreessen Horowitz（a16z）長期站在技術(shù)演進(jìn)與產(chǎn)業(yè)變革的交匯處。每年年末，a16z 都會邀請旗下不同投資團(tuán)隊(duì)與合伙人，從各自深度參與的一線領(lǐng)域出發(fā)，提出他們對「下一年商業(yè)變革者將要應(yīng)對的最大問題」的判斷。

BIG IDEAS 2026，正是這組判斷的集中呈現(xiàn)。它并非對單一技術(shù)的預(yù)測，而是對一整套正在成型的新范式的描繪，覆蓋了從 Agent-native 基礎(chǔ)設(shè)施、多模態(tài)內(nèi)容創(chuàng)作、多人協(xié)作型 AI，到個(gè)性化系統(tǒng)、AI-native 教育與研究形態(tài)等多元內(nèi)容。

本文基于 a16z BIG IDEAS 2026 三個(gè)部分的內(nèi)容，篩選并編譯出其中與 AI 能力范式、產(chǎn)業(yè)落地與教育形態(tài)演進(jìn)相關(guān)的觀點(diǎn)，試圖勾勒出 2026 年技術(shù)系統(tǒng)可能呈現(xiàn)的整體輪廓。

AI 推動(dòng)垂直行業(yè)軟件實(shí)現(xiàn)了前所未有的增長。醫(yī)療、法律、住房領(lǐng)域的公司在短短幾年內(nèi)就達(dá)到了年化收入 1 億美元以上，金融與會計(jì)領(lǐng)域緊隨其后。演進(jìn)路徑大致經(jīng)歷了兩個(gè)階段：早期以信息檢索為主（找到、提取、總結(jié)），而到了 2025 年，推理能力開始成為關(guān)鍵（例如 Hebbia 分析財(cái)報(bào)并構(gòu)建模型，Basis 跨系統(tǒng)對賬，EliseAI 診斷維護(hù)問題并調(diào)度供應(yīng)商）。

2026 年垂直 AI 將解鎖「多人模式」。垂直軟件擁有行業(yè)特定的界面、數(shù)據(jù)與集成能力，但垂直行業(yè)的工作本質(zhì)上是多方協(xié)作的。如果智能體要真正代表勞動(dòng)，它們就必須協(xié)同工作。從買賣雙方，到租戶、顧問和供應(yīng)商，每一方都有不同的權(quán)限、流程與合規(guī)要求，只有垂直軟件才能理解。

如今，各方往往各自孤立地使用 AI，導(dǎo)致沒有授權(quán)的交接：分析購置協(xié)議的 AI 并不會與 CFO 的模型調(diào)整溝通，維護(hù) AI 也不知道現(xiàn)場人員向租戶作出了什么承諾。多人模式通過跨角色協(xié)調(diào)來解決這一問題：將任務(wù)路由給功能專家、保持上下文一致、同步變更。對手方 AI 可以在既定參數(shù)內(nèi)協(xié)商，并將不對稱情況標(biāo)記給人類審查；高級合伙人的批注還能反向訓(xùn)練整個(gè)系統(tǒng)。由 AI 執(zhí)行的任務(wù)將以更高成功率完成。

當(dāng)價(jià)值來自多人與多智能體協(xié)作時(shí)，切換成本隨之上升。此前 AI 應(yīng)用一直難以建立的網(wǎng)絡(luò)效應(yīng)，將在此顯現(xiàn)——協(xié)作層本身成為護(hù)城河。

到 2026 年，我們預(yù)計(jì)將看到第一所 AI-native 大學(xué) 的誕生——一所從底層圍繞智能系統(tǒng)構(gòu)建的教育機(jī)構(gòu)。

過去幾年，高校已經(jīng)在 AI 輔助評分、輔導(dǎo)與排課方面進(jìn)行嘗試，但現(xiàn)在正在浮現(xiàn)的是更深層的變革：一個(gè)能夠?qū)崟r(shí)學(xué)習(xí)與自我優(yōu)化的學(xué)術(shù)有機(jī)體。

設(shè)想這樣一所大學(xué)：課程、學(xué)業(yè)指導(dǎo)、科研協(xié)作，乃至校園運(yùn)營，都基于數(shù)據(jù)反饋循環(huán)持續(xù)自適應(yīng)。課程表自動(dòng)優(yōu)化，閱讀清單每日更新并隨最新研究重寫，學(xué)習(xí)路徑根據(jù)學(xué)生的節(jié)奏與情境實(shí)時(shí)調(diào)整。

我們已經(jīng)看到前兆。亞利桑那州立大學(xué)（ASU）與 OpenAI 的全校合作，催生了數(shù)百個(gè) AI 驅(qū)動(dòng)的教學(xué)與管理項(xiàng)目；紐約州立大學(xué)（SUNY）已將 AI 素養(yǎng)納入通識教育要求。這些都是更深層部署的基石。

在 AI-native 大學(xué)中，教授將成為學(xué)習(xí)架構(gòu)師：策劃數(shù)據(jù)、調(diào)優(yōu)模型，并教會學(xué)生如何質(zhì)詢機(jī)器推理。評估方式也將隨之改變，抄襲檢測與封禁讓位于 AI 感知型評價(jià)——不再評判學(xué)生是否使用 AI，而是評判他們?nèi)绾问褂?AI。這意味著，透明且審慎的AI應(yīng)用將取代「一刀切」的簡單禁止，成為新的標(biāo)準(zhǔn)。

當(dāng)各行各業(yè)都在為能夠設(shè)計(jì)、治理并與 AI 系統(tǒng)協(xié)作的人才而苦惱時(shí)，這類大學(xué)將成為新經(jīng)濟(jì)的人才訓(xùn)練場，培養(yǎng)精通系統(tǒng)編排的畢業(yè)生，助力勞動(dòng)力結(jié)構(gòu)的快速轉(zhuǎn)型。這所 AI-native 大學(xué)，將成為新經(jīng)濟(jì)的核心人才引擎。

到 2026 年，基礎(chǔ)設(shè)施面臨的最大沖擊不一定來自外部競爭者，而更可能來自企業(yè)內(nèi)部工作負(fù)載的變化：系統(tǒng)正在從「面向人類、低并發(fā)、相對可預(yù)測」的訪問模式，轉(zhuǎn)向「由智能體驅(qū)動(dòng)、遞歸式觸發(fā)、突發(fā)且大規(guī)?！沟男滦拓?fù)載。

當(dāng)今的企業(yè)后端系統(tǒng)是圍繞「人類一次操作—系統(tǒng)一次響應(yīng)」的 1:1 模式構(gòu)建的。它并不是為一個(gè)智能體目標(biāo)在毫秒級別拆解并觸發(fā)數(shù)千個(gè)子任務(wù)、數(shù)據(jù)庫查詢和內(nèi)部 API 調(diào)用而構(gòu)建的。因此，當(dāng)智能體試圖重構(gòu)代碼庫或處理安全日志時(shí)，在傳統(tǒng)數(shù)據(jù)庫與限流機(jī)制看來，它更像異常流量甚至類似 DDoS （一種通過海量計(jì)算機(jī)同時(shí)發(fā)送請求，使目標(biāo)服務(wù)器癱瘓的網(wǎng)絡(luò)攻擊）的壓力測試。

為智能體構(gòu)建系統(tǒng)，意味著需要重新設(shè)計(jì)控制平面。我們將看到 「Agent-native」 基礎(chǔ)設(shè)施的崛起：將「驚群效應(yīng)」（指當(dāng)多個(gè)進(jìn)程/請求被同時(shí)喚醒去競爭同一資源，但最終只有一個(gè)能成功，其余則空轉(zhuǎn)浪費(fèi)的系統(tǒng)低效現(xiàn)象）視為默認(rèn)狀態(tài)，大幅縮短冷啟動(dòng)時(shí)間，壓縮延遲波動(dòng)，并將并發(fā)上限提升數(shù)個(gè)數(shù)量級。真正的瓶頸轉(zhuǎn)向了協(xié)調(diào)問題——路由、鎖、狀態(tài)管理，以及在大規(guī)模并行執(zhí)行中的策略執(zhí)行。最終具備競爭力的，往往是那些能夠承受高頻工具調(diào)用與復(fù)雜并發(fā)協(xié)調(diào)的平臺。

我們已經(jīng)具備用 AI 講故事的基本能力：可以生成聲音、音樂、圖像和視頻。但只要超出一次性短片的范疇，想穩(wěn)定地產(chǎn)出符合預(yù)期的內(nèi)容仍然耗時(shí)、反復(fù)、甚至難以實(shí)現(xiàn)——尤其是當(dāng)創(chuàng)作者希望擁有接近傳統(tǒng)導(dǎo)演那樣的控制力時(shí)。

一個(gè)直觀的問題是：為什么我們不能給模型輸入一段 30 秒的視頻，讓它在同一場景里繼續(xù)推進(jìn)情節(jié)，加入一個(gè)基于參考圖像與聲音生成的新角色？或者讓同一段內(nèi)容以不同機(jī)位重新呈現(xiàn)，或讓畫面運(yùn)動(dòng)對齊某段參考視頻？

2026 年，將可能是 AI 真正實(shí)現(xiàn)多模態(tài)的一年。無論你手中有什么形式的參考內(nèi)容，都可以將其提供給模型，與之協(xié)作創(chuàng)作新內(nèi)容，或?qū)ΜF(xiàn)有場景進(jìn)行編輯。我們已經(jīng)看到一些早期產(chǎn)品出現(xiàn)，如 Kling O1 （由快手推出的「大一統(tǒng)」多模態(tài) AI視頻模型，支持通過文本、圖像等多種指令直接編輯視頻內(nèi)容）和 Runway Aleph（Runway 推出的下一代 AI 視頻模型，通過對話式指令實(shí)現(xiàn)流暢、一致的角色與場景編輯），但仍有大量工作有待完成，模型層與應(yīng)用層都需要持續(xù)創(chuàng)新。

內(nèi)容創(chuàng)作是 AI 最具殺傷力的應(yīng)用場景之一，我預(yù)計(jì)將看到多個(gè)成功產(chǎn)品誕生，覆蓋從表情包創(chuàng)作者到好萊塢導(dǎo)演的不同用戶群體。

到 2026 年，視頻將不再只是被動(dòng)觀看的內(nèi)容，而會變成一個(gè)我們可以真正「進(jìn)入」的空間。視頻模型終于能夠理解時(shí)間、記住已經(jīng)呈現(xiàn)的內(nèi)容、對我們的行為作出反應(yīng)，并以接近物理世界的方式保持連貫性。

這些系統(tǒng)不再只是生成零散的幾秒畫面，而是能夠在足夠長的時(shí)間內(nèi)維持角色、物體與物理規(guī)則，使行動(dòng)產(chǎn)生意義、后果得以展開。這一轉(zhuǎn)變讓視頻成為一種可以被「構(gòu)建」的媒介：機(jī)器人可以在其中訓(xùn)練，游戲可以持續(xù)演化，設(shè)計(jì)師可以進(jìn)行原型設(shè)計(jì)，智能體可以通過實(shí)踐學(xué)習(xí)。最終呈現(xiàn)的，不再像一個(gè)片段，而更像一個(gè)「活的環(huán)境」，開始彌合感知與行動(dòng)之間的鴻溝。我們第一次真正感到，自己可以棲居于所生成的視頻之中。

在過去 15 年中，無論是消費(fèi)級還是企業(yè)級應(yīng)用，屏幕時(shí)間一直是衡量價(jià)值交付的最佳指標(biāo)：Netflix 的觀看時(shí)長、醫(yī)療 EHR 中的點(diǎn)擊次數(shù)，甚至是 ChatGPT 的使用時(shí)間。

隨著我們走向基于結(jié)果定價(jià)、并能更好對齊供需雙方激勵(lì)的未來，屏幕時(shí)間指標(biāo)將率先被拋棄。現(xiàn)實(shí)中這一變化已經(jīng)出現(xiàn)：我在 ChatGPT 上運(yùn)行 DeepResearch 查詢時(shí)，幾乎沒有屏幕停留，卻獲得了巨大的價(jià)值；Abridge 自動(dòng)記錄醫(yī)患對話并完成后續(xù)流程，醫(yī)生幾乎不看屏幕；Cursor 自動(dòng)完成整個(gè)應(yīng)用開發(fā)，工程師已在規(guī)劃下一輪功能；Hebbia 從上百份公開文件中生成路演材料，這類工具正在把分析師從高強(qiáng)度重復(fù)勞動(dòng)中釋放出來。

挑戰(zhàn)在于，應(yīng)用每用戶可收費(fèi)多少，將需要更復(fù)雜的 ROI 衡量方式。醫(yī)生滿意度、開發(fā)者效率、金融分析師的身心狀態(tài)以及消費(fèi)者幸福感，都會隨著 AI 應(yīng)用而提升。能夠用最簡單方式講清 ROI 的公司，將持續(xù)跑贏競爭對手。

到 2026 年，由 AI 驅(qū)動(dòng)的世界模型將通過交互式虛擬世界和數(shù)字經(jīng)濟(jì)，徹底重塑敘事方式。像 Marble（World Labs）和 Genie 3（DeepMind）這樣的技術(shù)，已經(jīng)能夠根據(jù)文本生成完整的 3D 環(huán)境，用戶可以像在游戲中一樣探索。

隨著創(chuàng)作者采用這些工具，全新的敘事形式將出現(xiàn)，甚至可能演化為「生成式 Minecraft」，由玩家共同構(gòu)建不斷演進(jìn)的宇宙。這些世界可將游戲機(jī)制與自然語言編程結(jié)合，例如直接指令：「創(chuàng)建一支畫筆，讓我觸碰的一切都變成粉色。」

世界模型將模糊玩家與創(chuàng)作者的邊界，使用戶成為動(dòng)態(tài)共享現(xiàn)實(shí)的共同作者?；ヂ?lián)的生成式多重宇宙可能出現(xiàn)，不同題材并存，數(shù)字經(jīng)濟(jì)在其中繁榮。除娛樂外，這些世界還將成為訓(xùn)練 AI 智能體、機(jī)器人，乃至 AGI 的高價(jià)值模擬環(huán)境。世界模型的崛起，不只是新玩法，而是一種全新的創(chuàng)意媒介與經(jīng)濟(jì)前沿。

2026 年將成為「我的一年」——產(chǎn)品停止為大眾批量生產(chǎn)，而開始真正為「你」而打造。

這一趨勢已隨處可見。在教育領(lǐng)域，像 Alphaschool 這樣的公司正在打造 AI 導(dǎo)師，根據(jù)每個(gè)學(xué)生的節(jié)奏與興趣調(diào)整教學(xué)方式，讓每個(gè)孩子都能獲得匹配自身的教育體驗(yàn)；在過去，這種個(gè)性化關(guān)注只有在每名學(xué)生投入數(shù)萬美元輔導(dǎo)費(fèi)用的情況下才可能實(shí)現(xiàn)。

在健康領(lǐng)域，AI 正根據(jù)個(gè)體生物特征設(shè)計(jì)每日補(bǔ)劑組合、訓(xùn)練計(jì)劃與飲食方案，無需私人教練或?qū)嶒?yàn)室。

在媒體領(lǐng)域，AI 讓創(chuàng)作者能夠?qū)⑿侣劇⒐?jié)目和故事重混為符合你個(gè)人興趣與語氣的內(nèi)容流。

上一個(gè)世紀(jì)最偉大的公司，贏在找到「平均用戶」。

下一個(gè)世紀(jì)最偉大的公司，將贏在找到「平均值中的個(gè)體」。

2026 年，世界將停止為所有人優(yōu)化，轉(zhuǎn)而為你優(yōu)化。

隨著模型能力在多模態(tài)上的持續(xù)提升，以及機(jī)器人操控能力不斷進(jìn)步，團(tuán)隊(duì)將加速推進(jìn)「自主科學(xué)發(fā)現(xiàn)」的探索。這兩條技術(shù)路徑疊加，將催生能夠閉環(huán)完成科學(xué)發(fā)現(xiàn)的自主實(shí)驗(yàn)室——從提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)并執(zhí)行，到推理、產(chǎn)出結(jié)果，并迭代下一輪研究方向。

構(gòu)建這類實(shí)驗(yàn)室的團(tuán)隊(duì)將具備強(qiáng)跨學(xué)科屬性：融合 AI、機(jī)器人、物理與生命科學(xué)、制造、運(yùn)營等多方面專長，通過「熄燈實(shí)驗(yàn)室（lights-out labs）」（指的是一個(gè)無需人工值守、全程由自動(dòng)化機(jī)器和人工智能系統(tǒng)進(jìn)行操作，因此可以「熄燈」運(yùn)行的高度智能化的實(shí)驗(yàn)室）實(shí)現(xiàn)持續(xù)實(shí)驗(yàn)，在多個(gè)領(lǐng)域推動(dòng)連續(xù)性的科學(xué)發(fā)現(xiàn)。

消費(fèi)級產(chǎn)品周期要成功，通常需要三件事：新技術(shù)、新的消費(fèi)者行為，以及新的分發(fā)渠道。

直到最近，AI 浪潮已經(jīng)滿足前兩項(xiàng)條件，但缺少一個(gè)原生的分發(fā)渠道。多數(shù)產(chǎn)品的增長依靠既有網(wǎng)絡(luò)（例如社交媒體平臺X，原名 Twitter）或口碑傳播。

但隨著 OpenAI Apps SDK 的發(fā)布、蘋果對 mini-app 的支持、以及 ChatGPT 推出群聊功能，消費(fèi)級開發(fā)者如今可以直接觸達(dá) ChatGPT 的 9 億用戶人群，并借助 Wabi 這類 mini-app 新網(wǎng)絡(luò)實(shí)現(xiàn)增長。作為消費(fèi)產(chǎn)品周期的最后一塊拼圖，這一新的分發(fā)渠道，預(yù)計(jì)將在 2026 年引爆一次「十年一遇」的消費(fèi)科技淘金潮——忽略這一變化，可能會錯(cuò)過下一輪分發(fā)紅利。

過去 18 個(gè)月里，「AI 語音智能體替企業(yè)處理真實(shí)交互」從科幻走向現(xiàn)實(shí)。成千上萬家公司從中小企業(yè)到大型企業(yè)，都在使用語音 AI 來預(yù)約、完成預(yù)訂、進(jìn)行調(diào)研、做信息采集（intake）等工作。這些智能體為企業(yè)節(jié)省成本、創(chuàng)造增量收入，并釋放人類員工去做更高杠桿、也更有趣的任務(wù)。

但由于賽道仍處早期，許多公司仍停留在「以語音為楔子」的階段：把一兩類電話場景作為點(diǎn)式解決方案。我期待看到語音智能體擴(kuò)展到處理完整工作流（可能是多模態(tài)的），甚至管理完整的客戶關(guān)系周期。

這很可能意味著：智能體更深度集成到企業(yè)系統(tǒng)中，并被賦予處理更復(fù)雜互動(dòng)的自由度。隨著底層模型持續(xù)進(jìn)步——而智能體也已能夠調(diào)用工具并跨系統(tǒng)操作——幾乎沒有理由讓任何公司不運(yùn)行「語音優(yōu)先」的 AI 產(chǎn)品來承接并優(yōu)化關(guān)鍵業(yè)務(wù)環(huán)節(jié)。

2026 年，主流用戶的提示詞輸入框?qū)⒆呦蚪K結(jié)。下一波 AI 應(yīng)用將不再需要可見的提示輸入——它們會觀察你在做什么，并主動(dòng)介入，給出你可以審閱的行動(dòng)建議：IDE 在你開口前就提出重構(gòu)方案；你打完電話，CRM 自動(dòng)起草跟進(jìn)郵件；你在設(shè)計(jì)時(shí)，工具自動(dòng)生成多種變體。

聊天界面只是「輔助輪」。現(xiàn)在，AI 將成為嵌入每一個(gè)工作流的「無形腳手架」，由意圖驅(qū)動(dòng)，而非由指令驅(qū)動(dòng)。

到 2026 年，企業(yè)將進(jìn)一步從孤立的 AI 工具轉(zhuǎn)向多智能體系統(tǒng)——這些系統(tǒng)需要像協(xié)同的數(shù)字團(tuán)隊(duì)一樣運(yùn)作。當(dāng)智能體開始共同管理復(fù)雜、相互依賴的工作流（例如一起規(guī)劃、分析并執(zhí)行）時(shí)，組織必須重新思考工作如何被拆解，以及上下文如何在系統(tǒng)之間流動(dòng)。我們已經(jīng)在 AskLio、HappyRobot 等公司身上看到苗頭：它們部署的是貫穿整個(gè)流程的智能體，而非單點(diǎn)任務(wù)工具。

《財(cái)富》500 強(qiáng)將最強(qiáng)烈地感受到這種變化：它們擁有最深的、被割裂的數(shù)據(jù)、機(jī)構(gòu)知識與運(yùn)營復(fù)雜性，其中大量知識沉淀在人腦中。把這些上下文轉(zhuǎn)化為自治「數(shù)字員工」的共享底座，將帶來更快決策、更短周期，以及端到端流程的實(shí)現(xiàn)——不再依賴持續(xù)的人工微觀管理。

這一轉(zhuǎn)變還將迫使管理者重新想象角色與軟件形態(tài)。新的職能將出現(xiàn)，例如 AI 工作流設(shè)計(jì)師、智能體監(jiān)督員、治理負(fù)責(zé)人，用于編排與審計(jì)數(shù)字員工的協(xié)同隊(duì)伍。在現(xiàn)有系統(tǒng)記錄之上，企業(yè)還需要「協(xié)調(diào)系統(tǒng)」：用于管理多智能體互動(dòng)、裁決上下文、并確保自治工作流可靠性的全新層。人類將更多聚焦邊緣情況與最復(fù)雜的任務(wù)。

多智能體系統(tǒng)的崛起，不只是自動(dòng)化的又一步，它意味著企業(yè)運(yùn)作方式、決策方式乃至價(jià)值創(chuàng)造方式的重構(gòu)。

2026 年將是主流消費(fèi)級 AI 產(chǎn)品從「生產(chǎn)力」轉(zhuǎn)向「連接性」的一年。AI 不再只是幫你完成工作，而是幫助你更清晰地看見自己，并建立更強(qiáng)的人際關(guān)系。

需要強(qiáng)調(diào)：這很難。許多社交 AI 產(chǎn)品已經(jīng)上線又失敗。但隨著多模態(tài)上下文窗口擴(kuò)大、推理成本下降，AI 產(chǎn)品如今可以從你生活的「完整紋理」中學(xué)習(xí)，而不僅是從你對聊天機(jī)器人說過的話中學(xué)習(xí)——比如記錄真實(shí)情緒瞬間的相冊、1 對 1 與群聊中因?qū)ο蟛煌兓臏贤Ｊ?、以及壓力下發(fā)生變化的日常規(guī)律。

一旦這類產(chǎn)品真正跑通，它們將融入日常生活。一般而言，「看見我」類產(chǎn)品的留存機(jī)制天然強(qiáng)于「幫助我」類產(chǎn)品：「幫助我」類產(chǎn)品往往靠解決具體任務(wù)來變現(xiàn)，愿付費(fèi)高，但需要優(yōu)化訂閱留存；「看見我」類產(chǎn)品靠持續(xù)連接帶來日常使用，愿付費(fèi)可能更低，但使用模式更具粘性。

人們早已習(xí)慣用數(shù)據(jù)交換價(jià)值；真正的問題是回報(bào)是否值得——而很快，它會變得值得。

作為一名數(shù)學(xué)經(jīng)濟(jì)學(xué)者，今年 1 月時(shí)，讓消費(fèi)級 AI 模型理解我的工作流程仍很困難；但到 11 月，我已經(jīng)可以像給博士生布置任務(wù)一樣給模型下達(dá)抽象指令……而它們有時(shí)會返回新穎且執(zhí)行正確的答案。除了我的個(gè)人體驗(yàn)，我們也正在看到 AI 更廣泛地用于研究——尤其是在推理密集領(lǐng)域，模型不僅直接幫助發(fā)現(xiàn)，還能自主求解 Putnam 題（或許是世界上最難的大學(xué)級數(shù)學(xué)考試）。

這類研究輔助最能幫助哪些學(xué)科、以及如何幫助，仍是開放問題。但我預(yù)計(jì) AI 研究將催生并獎(jiǎng)勵(lì)一種新的「博學(xué)者式」研究風(fēng)格：強(qiáng)調(diào)對思想之間關(guān)系的猜想能力，并能從更具猜想性的答案中迅速外推。這些答案可能不準(zhǔn)確，但在某些拓?fù)湟饬x下，仍可能指向正確方向。諷刺的是，這有點(diǎn)像「利用模型幻覺的力量」：當(dāng)模型足夠「聰明」時(shí)，給它抽象空間自由跳躍仍可能產(chǎn)生胡言亂語，但有時(shí)也能打開新的發(fā)現(xiàn)，就像人在非線性、不被明確問題約束時(shí)往往更具創(chuàng)造力。

這種推理方式需要一種新的 AI 工作流：不僅是 agent-to-agent，而是「agent 包裹 agent」——多層模型幫助研究者評估早期模型的方法，并逐步從糟粕中提煉精華。我一直在用這種方式寫論文，也有人用它做專利檢索、創(chuàng)造新藝術(shù)形式，而也有人用它來尋找新的智能合約攻擊（即發(fā)現(xiàn)并利用區(qū)塊鏈代碼中的安全漏洞）。

然而，用「包裹式推理智能體」來做研究，需要模型之間更好的互操作性，以及一種識別并合理補(bǔ)償每個(gè)模型貢獻(xiàn)的方法——這兩件事加密技術(shù)都可能幫助解決。

在每一個(gè)模型、智能體與自動(dòng)化背后，都有一個(gè)簡單依賴：數(shù)據(jù)。但今天的大多數(shù)數(shù)據(jù)管道——模型輸入與輸出的數(shù)據(jù)流——都是不透明、可變且不可審計(jì)的。這對一些消費(fèi)級應(yīng)用無礙，但金融、醫(yī)療等行業(yè)與用戶要求企業(yè)必須保護(hù)敏感數(shù)據(jù)隱私；這也正在成為希望代幣化現(xiàn)實(shí)資產(chǎn)的機(jī)構(gòu)面臨的巨大阻礙。

那么，我們?nèi)绾卧诒Ｗo(hù)隱私的同時(shí)，支持安全、合規(guī)、自主且全球互操作的創(chuàng)新？路徑很多，但我想聚焦在數(shù)據(jù)訪問控制上：誰控制敏感數(shù)據(jù)？數(shù)據(jù)如何流動(dòng)？誰（或什么）可以訪問它？

缺乏數(shù)據(jù)訪問控制時(shí)，任何希望保密數(shù)據(jù)的主體，要么使用中心化服務(wù)，要么自建定制方案——這不僅耗時(shí)昂貴，也阻礙了傳統(tǒng)金融機(jī)構(gòu)等充分釋放鏈上數(shù)據(jù)管理的特性與收益。并且當(dāng)智能體系統(tǒng)開始自主瀏覽、交易與決策時(shí)，跨行業(yè)的用戶與機(jī)構(gòu)都需要加密級保障，而非「盡力信任」。

因此，我認(rèn)為我們需要「秘密即服務(wù)」：提供可編程、原生的數(shù)據(jù)訪問規(guī)則；客戶端加密；以及去中心化密鑰管理，來強(qiáng)制規(guī)定誰能解密什么、在何種條件下、持續(xù)多久……并且全部在鏈上執(zhí)行。結(jié)合可驗(yàn)證數(shù)據(jù)系統(tǒng)后，「秘密」將從互聯(lián)網(wǎng)的「事后隱私補(bǔ)丁」，轉(zhuǎn)變?yōu)榛A(chǔ)公共設(shè)施的核心組成部分。

我們正處于一個(gè)前所未有的公司創(chuàng)建時(shí)期，而這主要得益于當(dāng)前的 AI 產(chǎn)品周期。但與以往的產(chǎn)品周期不同，現(xiàn)有企業(yè)并沒有袖手旁觀;它們也在積極采用 A 技術(shù)。那么，初創(chuàng)公司該如何取勝呢?

初創(chuàng)公司要想在分銷渠道上超越老牌企業(yè)，最有效卻又最容易被低估的方法之一，就是在公司成立之初就為其提供服務(wù)：也就是那些剛剛起步的全新企業(yè)。如果你能吸引所有新成立的公司，并與它們共同成長，那么隨著你的客戶發(fā)展壯大，你也會成為一家大公司。Stripe（在線支付處理平臺，為各種規(guī)模的企業(yè)提供接受網(wǎng)上付款的軟件和 API）、Deel（全球薪資與合規(guī)平臺，幫助企業(yè)雇傭和管理世界各地的團(tuán)隊(duì)成員）、Mercury（為初創(chuàng)企業(yè)提供數(shù)字銀行和金融服務(wù)）、Ramp（企業(yè)支出管理平臺，專注于公司卡和費(fèi)用管理自動(dòng)化）等公司都遵循了這一策略。事實(shí)上，Stripe 的許多客戶在公司成立之初甚至還不存在。

2026 年，我們將看到那些從零開始創(chuàng)業(yè)的初創(chuàng)公司在眾多企業(yè)軟件領(lǐng)域?qū)崿F(xiàn)規(guī)模化發(fā)展。他們只需要打造更好的產(chǎn)品，并全力以赴地開發(fā)那些尚未被現(xiàn)有廠商束縛的新客戶。

教育行業(yè)流量格局大變革！AI 搜索時(shí)代已至

流量權(quán)力中心正從搜索引擎遷移至 DeepSeek、豆包、元寶等 AI 平臺。GEO（生成式引擎優(yōu)化）成為新風(fēng)口，傳統(tǒng) SEO 邏輯被徹底顛覆。

當(dāng)家長開始用 AI 選課程，你的教育品牌會被推薦嗎？

還在為高昂的獲客成本發(fā)愁？AI 搜索時(shí)代，流量規(guī)則已徹底改變！

想知道如何讓品牌成為 DeepSeek、豆包、元寶等 AI 工具的「首選答案」？

好奇 3 個(gè)月實(shí)現(xiàn)咨詢成本降低 93%的 GEO 技術(shù)如何落地？

??掃碼下方二維碼添加好友并備注「GEO」，立即解鎖AI搜索流量紅利