2026年：AI将从炒作转向务实

📢 转载信息

原文链接：https://techcrunch.com/2026/01/02/in-2026-ai-will-move-from-hype-to-pragmatism/

原文作者：Rebecca Bellan

---

如果说2025年是AI进行“氛围检验”（vibe check）的一年，那么2026年将是这项技术变得务实的一年。焦点已经开始从构建越来越大的语言模型，转向更艰巨的任务：使AI可用。在实践中，这意味着在合适的地方部署更小的模型，将智能嵌入物理设备，以及设计能够与人类工作流程干净地集成的系统。

TechCrunch采访的专家认为，2026年将是过渡的一年，将从纯粹的规模扩展演变为研究新的架构，从浮夸的演示转向有针对性的部署，从承诺自主性的智能体转向真正增强人们工作方式的智能体。

派对还没有结束，但行业开始变得清醒了。

规模法则不再适用

2012年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton的AlexNet论文展示了AI系统如何通过观察数百万个示例来“学习”识别图像中的物体。这种方法计算成本很高，但由于GPU的普及而成为可能。结果是：AI研究人员投入了十年时间来为不同的任务发明新的架构。

这在2020年左右达到高潮，当时OpenAI发布了GPT-3，它表明简单地将模型规模扩大100倍就能解锁编码和推理等能力，而无需专门训练。这标志着我们进入了Kian Katanforoosh（AI智能体平台Workera的首席执行官兼创始人）所称的“规模化时代”：一个由更多算力、更多数据和更大的Transformer模型必然会推动AI下一次重大突破的信念所定义的时期。

如今，许多研究人员认为AI行业正开始耗尽规模法则的极限，并将再次过渡到研究时代。

Meta的前首席AI科学家Yann LeCun一直主张反对过度依赖规模扩展，并强调开发更好架构的必要性。Sutskever在最近的一次采访中表示，目前的模型正在平台化，预训练结果已经趋于平稳，这表明需要新的思路。

Katanforoosh说：“我认为在未来五年内，我们很可能会找到一种比Transformer有显著改进的更好架构。”“如果我们找不到，我们就不能指望模型会有多大改进。”

有时少即是多

大型语言模型（LLM）在泛化知识方面表现出色，但许多专家认为下一波企业AI采用将由更小、更灵活的语言模型驱动，这些模型可以针对特定领域的解决方案进行微调。

AT&T首席数据官Andy Markus告诉TechCrunch：“微调的小型语言模型（SLM）将是2026年成熟AI企业的主流趋势和重要组成部分，因为成本和性能优势将推动它们超越开箱即用的LLM。”“我们已经看到企业越来越依赖SLM，因为如果微调得当，它们在企业业务应用中的准确性与大型、通用模型相当，并且在成本和速度方面表现出色。”

我们之前从法国开源AI初创公司Mistral那里听到过这个论点：它认为其小型模型在微调后，在几项基准测试上的表现实际上优于大型模型。

奥斯汀企业AI公司ABBYY的AI战略师Jon Knisley表示：“SLM的效率、成本效益和适应性使它们非常适合对精度要求至关重要的定制化应用。”

Markus认为SLM将在智能体时代发挥关键作用，而Knisley则表示，小型模型的特性意味着它们更适合部署在本地设备上，“这一趋势受到了边缘计算进步的加速”。

通过经验学习

人类的学习不仅仅是通过语言；我们通过体验世界如何运作来学习。但LLM并不真正理解世界；它们只是预测下一个词或想法。这就是为什么许多研究人员认为下一次重大飞跃将来自于世界模型（world models）：AI系统学习事物如何在3D空间中移动和互动，以便它们可以进行预测并采取行动。

2026年将是世界模型重要一年的迹象正在增多。LeCun离开Meta创办了自己的世界模型实验室，据报道正在寻求50亿美元的估值。谷歌的DeepMind一直在努力开发Genie，并在8月发布了最新模型，该模型可以实时构建交互式的通用世界模型。除了像Decart和Odyssey这样的初创公司展示外，李飞飞的World Labs推出了其首个商业世界模型Marble。像General Intuition这样的新进入者在10月获得了1.34亿美元的种子轮融资，用于通过电子游戏片段教智能体进行空间推理；视频生成初创公司Runway在12月发布了其首个世界模型GWM-1（增加了原生音频支持）。

虽然研究人员看到了机器人和自主性方面的长期潜力，但短期影响可能首先在视频游戏中显现。PitchBook预测，受该技术生成交互式世界和更逼真非玩家角色的能力的推动，游戏世界模型市场到2030年可能从2022年至2025年间的12亿美元增长到2760亿美元。

General Intuition创始人Pim de Witte告诉TechCrunch，虚拟环境不仅可能重塑游戏，还可能成为下一代基础模型的关键测试场。

智能体国家（Agentic Nation）

智能体在2025年未能达到炒作的预期，但一个主要原因是很难将它们与实际发生工作的地方的系统连接起来。如果没有访问工具和上下文的方法，大多数智能体都被困在试点工作流程中。

Anthropic的模型上下文协议（MCP），被誉为“AI的USB-C”，它允许AI智能体与数据库、搜索引擎和API等外部工具进行通信，证明了缺失的连接点，并迅速成为标准。OpenAI和微软已公开采纳MCP，Anthropic最近将其捐赠给了Linux基金会新成立的智能体AI基金会，该基金会旨在帮助标准化开源智能体工具。谷歌也开始搭建自己的托管式MCP服务器，以将AI智能体连接到其产品和服务。

随着MCP减少了将智能体连接到真实系统的摩擦，2026年很可能是智能体工作流程最终从演示走向日常实践的一年。

Sapphire Ventures合伙人Rajeev Dham表示，这些进步将导致智能体优先的解决方案在各个行业中承担“记录系统角色”。

Dham说：“随着语音智能体处理更多端到端的任务，如客户咨询和沟通，它们也将开始构成底层核心系统。”“我们将在家庭服务、房地产科技和医疗保健等多个领域看到这一点，以及销售、IT和支持等横向职能领域。”

增强，而非自动化

尽管更多智能体工作流程可能会引起人们对裁员的担忧，但Workera的Katanforoosh并不确定这就是主题。

他表示：“2026年将是人类的一年。”

在2024年，每家AI公司都预测它们将通过自动化来取代人类工作。但技术尚未达到那一步，在经济不稳定的情况下，这种言论并不受欢迎。Katanforoosh表示，明年，我们将认识到“AI没有像我们想象的那样自主运行”，讨论的重点将更多地放在AI如何被用来增强人类工作流程，而不是取代它们。

他补充说：“我认为很多公司将开始招聘，”他指出，他预计将在AI治理、透明度、安全和数据管理方面出现新职位。“我对明年的平均失业率低于4%持非常乐观的态度。”

de Witte补充道：“人们希望站在API之上，而不是之下，我认为2026年对这一点很重要。”

走向物理化

专家表示，小型模型、世界模型和边缘计算等技术的进步将使机器学习的物理应用成为可能。

AT&T Ventures负责人Vikram Taneja告诉TechCrunch：“随着机器人、自动驾驶汽车、无人机和可穿戴设备等新类别AI驱动设备开始进入市场，物理AI将在2026年进入主流。”

虽然自动驾驶汽车和机器人技术是物理AI的明显用例，并且无疑将在2026年继续增长，但所需的训练和部署仍然昂贵。另一方面，可穿戴设备提供了一个成本较低、消费者更容易接受的切入点。像Meta的Ray Bans这样的智能眼镜开始出货，其助手可以回答有关你所看内容的问题；而像AI驱动的健康戒指和智能手表这样的新形态正在使始终在线、随身佩戴的推理成为常态。

Taneja表示：“连接提供商将努力优化其网络基础设施以支持这一新浪潮的设备，那些在连接提供方式上具有灵活性的人将处于最佳地位。”

---

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。