在最新一期《No Priors》中，硅谷顶级投资人 Sarah Guo 与 Elad Gil，联手 黄仁勋、Aaron Levie、Dylan Patel 等行业巨擘，共同撕开了未来一年的残酷真相：这不仅是技术的狂飙，更是一场关于资本泡沫、硬件幻觉与人类物种存续的终极博弈。

观点一：机器人领域的情绪雪崩与巨头收割

Sarah Guo 提出了一个预测：2026 年，人形机器人领域将迎来一场情绪层面的大崩塌。尽管 Optimus 等项目备受瞩目，但 Sarah 认为，当市场意识到硬件供应链的极端复杂性与实际交付时间表的错位时，投资人的信心将迅速瓦解。而 Elad Gil 则指出，机器人领域是典型的巨头主场，拥有资本、制造能力和供应链优势的 Tesla、Google 以及中国车企将占据默认席位，而大多数初创公司将在这一年撞上现实的南墙。

观点二：从“复读机”到“推理者”，AI 开始主动介入现实

2026 年 AI 将实现从被动工具到主动 Agent 的跨越，具备自我改进能力的推理系统将重塑每一个行业。Dylan Patel 则给出了更具攻击性的预测：明年是认知翻转之年。那些原本讨厌 AI、认为 AI 没用的人，将会在 AI 爆发出的、无法反驳的实用性面前彻底失语。从医生的大规模采用到法律文书的自动化，AI 正在从“替代重复劳动”转向“吞噬智力劳动”，那些今年还在亲手写代码的工程师，明年可能将不再触碰键盘。

观点三：资本的被迫博弈与 IPO 狂热

在资本市场，一种诡异的逻辑正在蔓延。Sarah 透露，许多对冲基金即便看不懂基本面，也必须买入 AI 公司的 IPO，因为散户的狂热让机构无法承担错过下一个 NVIDIA的风险。这种由恐惧和贪婪驱动的集中度，正在将 AI 资本推向一个“Microglastics”（微型玻璃化）的危险境地——即所有风险都高度集中在少数几家芯片和模型巨头身上，一旦需求不及预期，整个 CAPEX 周期可能面临底部塌陷。

观点四：科学的“假性突破”与能源的生死时速

Elad 预测，明年科学领域将出现几次轶事式的突破，比如发明新材料或证明数学猜想，引发科学已被 AI 解决的假象。然而，真正的瓶颈将转移到物理世界：能源。数据中心的扩张核心已不再是钱，而是电。2026 年将是高能效 AI的生死战，每一瓦特电能产出的“智能密度”将决定谁能在这场烧钱竞赛中活下来。

观点五：YOLO 的终结与“Don’t Die”运动的崛起

最令人震撼的观点来自 Joshua Meier，他认为 2026 年将标志着 “YOLO（你只活一次）”文化的终结。随着 AI 药物发现从研究转向部署，人类将发起一场名为“Don’t Die”的集体反抗——拒绝用劣质饮食和生活方式毒害自己，利用 AI 实现精准的生命守护。这一年，长寿科技将从硅谷精英的小众爱好，演变成一场关于“生命神圣性”的社会运动。

AI技术落地提速Sarah Guo：欢迎收听No Priors。今年到底该怎么总结？AI领域彻底走向主流，不仅进入大众视野，也站上了政策制定者的舞台中央。ChatGPT的用户规模爆发式增长，同时也带来了对巨额资金的需求。Gemini和Google强势反击。在应用层面，AI编程正在从工具阶段转向Agent形态，几乎吞噬了所有推理算力。医生正在大规模采用临床决策支持系统，在法律和客户支持领域，企业级落地正在明显加速。

研究层面同样竞争激烈，多方选手仍在赛道中奔跑，开源模型也在迅速缩小差距。今年有少数Neo Labs、新研究实验室获得融资，整体叙事正在发生变化。Ilya将其称为“研究的时代”。人们开始尝试各种不同路径，包括Diffusion、自我改进、数据效率、EQ、大规模老化协作、持续学习、能量相关的Transformer等方向，AI领域从未像现在这样开放。

与此同时，我们也看到AI再次试图进入真实世界，机器人领域重新燃起乐观情绪。明年，这些公司将真正开始接受现实世界的检验。从预测角度看，我个人认为，明年一定会有人用LLMs在交易市场上赚到数亿美元，这几乎是不可避免的。我们现在大概还处在第二或第三局的阶段。市场有点过热，也有些波动。Elad，这真的是不平凡的一年。

Elad Gil：没错，2026年要来了。

Sarah Guo：你现在更有AGI临近的感觉，还是一种“良性的AI寒冬”？AI本身现在处在什么阶段？你最兴奋的是什么？

Elad Gil：技术真正扩散、产生影响往往需要10年时间。但现实是，人们已经从AI中获得了巨大的价值，而且未来还会更多。每一个技术周期都会出现两种声音：一边是被夸大的泡沫论，另一边是“其实没那么好用”的唱衰论。明年我们肯定还会再听到一轮这样的争论，大量时间会被浪费在这些讨论上。

如果说对2026年的预测，我认为下一批垂直行业将实现真正的大规模落地。今年我们已经看到，AI编程集中到少数几家，医疗文书、法律服务也都开始向头部玩家集中。我预计接下来会看到更多垂直领域完成这种整合。

Sarah Guo：我先回应一下，再给你我的预测。现在投资圈对AI的整体情绪，是很多人开始焦虑自己投进去的资本规模，同时对采用节奏和技术路线存在不确定性，尤其是一些并非基于第一性原理的技术押注。叠加外生变量和噪音，大家会质疑采用速度。但说实话，从整体看，采用速度是惊人的，真正的讨论应该是约束在哪里。

Elad Gil：确实快得离谱，我都不明白大家为什么还在争论。

Sarah Guo：我刚看到一份来自Ofqual的报告，讲医生对AI的采用情况。无论是医疗文书、临床决策支持，比如Abridge、Open Evidence，还是通用模型，医生群体整体都表现出极大的热情。在所有专业性强、相对保守的行业中，医生的这种采用意愿非常具有代表性。这说明，只要技术能显著改善工作方式，它就会迅速扩散到其他专业领域。

Elad Gil：这一点其实被严重低估了。历史上最慢采用新技术的群体——医生、律师、部分会计人员——现在反而成了AI的快速采用者。这是合规导向的职业群体，过去几乎不碰新技术，但现在转变非常快，这一点几乎没人认真讨论。

Sarah Guo：而且这种趋势会继续。大量职业本身就依赖对非结构化数据的理解和推理。如果哪一季度NVIDIA没有大幅超预期，市场可能就会恐慌，但这和AI带来的长期结构性变化关系不大。

机器人拐点之争Elad Gil：我觉得第三个重要方向是：下一代基础模型会出现。但我说的不是Neo Labs或下一代LLMs——那些当然也会发生。我指的是用于物理、材料科学、数学进展的模型。接下来很可能会出现一两个案例，在某个具体问题上效果极好：比如发明一种新材料，或者证明某个数学猜想之类的成果。随后，这些成果会被迅速推入过度夸大的炒作周期——“它将彻底改变整个物理科学”。这些单点突破会被严重高估。但从长期看，真正的趋势反而会被低估，而它最终会变得极其重要。所以这是我对明年的另一个预测：科学领域会出现几次轶事式的突破，让人觉得“科学已经被解决了”，然后大家会意识到科学并没有被解决；再往后，科学真的会被解决。

Sarah Guo：我有三个快速预测。第一个是，明年一批机器人公司会经历情绪层面的崩塌。这不是因为机器人这个领域不再前进，而是因为人们开始对时间表进行预期，而并不是所有公司都能按这些时间表交付。

Elad Gil：那你的时间表是什么？

Sarah Guo：我认为，明年我们会看到人形和半人形机器人在消费或工业环境中进行小规模部署，而且一定会有很多地方做得不完美。目前整个人形机器人领域处在高度炒作周期中，只要有一个环节没有完美运行——而这几乎是必然的——市场情绪就会迅速崩溃，投资人之间也会出现明显分化。

Elad Gil：如果看当下，两个最大的赢家其实是Waymo和Tesla，它们都是既有巨头。Waymo背后是Google，Tesla就是Tesla。我很好奇机器人领域最终会怎样。在我看来，Optimus或者某种形式的Tesla机器人，很可能会成为赢家之一，概率非常高。接下来问题是，Waymo会不会把自动驾驶中积累的能力迁移到机器人上？因为这两者之间存在不少相似的问题。

另外，赢家会是其他大型工业公司，还是初创公司？在一个既需要大量资本，又高度依赖硬件和制造能力的领域，结构上往往更有利于既有巨头，这一点在自动驾驶中已经体现得很明显。自动驾驶的另一些赢家其实是中国公司——中国车企虽然无法进入美国市场，但它们很可能也会在机器人领域占据重要位置。全球范围内最有可能的机器人赢家，可能是中国的一部分公司、Tesla，再加上某个其他玩家，或许是一家初创公司。

Sarah Guo：我基本同意，但那更像是在说，从纯概率上看，大多数行业里既有巨头比初创公司更容易赢。我不太确定是不是一定如此。

Elad Gil：我倒不完全同意。我认为有些行业天然更适合初创公司，有些行业则更适合既有巨头。这取决于市场结构、资本需求、专业能力以及供应链复杂度。确实存在一些市场，结构性地更有利于既有公司，它们不一定每次都赢，但通常会赢；也有一些市场，初创公司会表现得更好。

Sarah Guo：当然，我同意不同市场的结构深度不同。但如果你把自动驾驶汽车看作一种非常复杂、但高度单一用途的机器人，它本质上主要是在做运动控制。它确实还做了很多预测、防御等复杂任务，但归根结底是单一用途。

Elad Gil：是的，但我们往往忽略了很多类似的例子。洗碗机就是非常优秀的单一用途机器人，扫地机器人也是。家里其实已经有很多机器人了，只是我们假装它们不是机器人。电梯也是机器人，扶梯也是。

Sarah Guo：我更倾向于认为，机器人需要具备一定程度的智能。洗碗机只是家电，而自动驾驶汽车可以算机器人。

Elad Gil：那你心中“智能”的边界在哪里？

Sarah Guo：可能在于一定程度的泛化能力：能在不同环境中工作，处理不同任务，操作不同对象。

Elad Gil：有意思。我之前的定义没这么复杂，我只是把它理解为能为你执行某类可编程劳动的机器。不过查一下定义的话，机器人是“能够自动执行一系列复杂动作的机器，尤其是可由计算机编程的机器”。但现在几乎所有设备里都有芯片，你的洗碗机里也有计算机。

Sarah Guo：是的，但如果没有智能，机器人领域本身并不是一个有趣、能快速变化的创新方向。我们讨论的其实是“智能机器人”这一子集。

Elad Gil：我认为在机器人这个话题上，2026年最重要、甚至是最重要的趋势之一，将是自动驾驶真正开始产生影响。这既包括个人用车，也包括Waymo和Tesla的Robotaxi。这会成为明年讨论的核心议题之一。

Sarah Guo：如果你看自动驾驶之外的机器人应用场景，其实Optimus团队已经说明了一点：把驱动Tesla自动驾驶的模型放进Optimus里，它能做运动控制，但很多事情依然做不了，硬件层面的挑战依然存在，比如操作和精细操控。因此，我认为这里的优势并没有你想象中那么强。初创公司依然有机会。当然，真正令人忌惮的竞争对手是中国，但我依然认为这个领域存在开放空间。

Elad Gil：我完全认为机器人领域对初创公司是有机会的，你别误会我。只是问题不在于你是否拥有一个模型或基础模型、是否具备构建模型的能力，而在于你是否同时具备完整的供应链能力。很多你需要用到的传感器其实是通用的，真正困难的是如何采购、如何规模化扩张。这些能力和思维方式，与模型本身同样重要，而且往往需要很长时间才能建立起来。对初创公司来说，这些事情通常比较痛苦，但也不是没人做到过。Anduril、SpaceX都做到了，只是额外负担确实不小。所以我确实认为会有初创公司在这里成功。我刚才更多是在思考，除了初创公司之外，谁会成为长期的大玩家。同时我也认为，会有一到两个“既有巨头席位”几乎是默认出现的，除非发生非常反常的事情。

其实在基础模型领域，本来很多人就认为Google理应拥有一个默认席位。最终事实也确实如此。Google还是走到了这一步。我甚至记得两三年前看过类似的观点：Google一定会重新变得重要。这并不神秘，因为它拥有成为顶级基础模型公司的所有关键资产——它发明了Transformer，拥有海量数据、充足资本、GPU资源，以及世界一流的人才储备。这一切都让结果显得几乎是必然的。我现在对机器人领域也有类似的感觉。当然，这并不意味着判断一定正确。

资本退出与并购Elad Gil：要不要聊聊明年的IPO和并购？我觉得这是另一个重要主题。如果我们把刚才的内容分一下：第三个主题是不同类型的模型，第四个是机器人和自动驾驶，第五个就是IPO和M&A。你怎么看？会有更多IPO还是更少？更多并购还是更少？并购形式会不会发生变化？

Sarah Guo：这取决于AI市场会不会在某个时点出现“底部塌陷”。但即便如此，我觉得趋势还是相对明确的。

Elad Gil：你说的“塌陷”具体指什么？

Sarah Guo：本质上，人们害怕的是需求不真实——不是AI没有需求，而是这种需求是否足以支撑整个CAPEX周期。大家担心的是：到底是谁在为大规模CAPEX建设负责？这些数据中心、芯片的“交付即付款”合同，以及背后的信用安排，是否存在系统性风险？另一层恐惧来自高度集中——我戏称为Microglastics，也就是过度集中在NVIDIA和极少数玩家身上。如果你是大型公募或公共市场投资者，会觉得“硅的暴露度实在太高了”，进退两难。

我最近和一位管理大型科技对冲基金的朋友聊过。他们已经是多家重要基础模型实验室的投资人，这些公司可能会在未来几年上市。他们的博弈逻辑是：IPO要不要买？结论居然是——不管基本面怎么看，都必须买。因为散户一定会想参与AI革命。如果你是对冲基金，又要按年度业绩被考核，而散户会追逐“纯AI标的”，你就不能错过。他的原话大概是：我已经错过了NVIDIA，这次不能再错过。所以无论如何都得买IPO。我当时的反应是：这已经不是我理解中的投资方式了。你觉得会怎么发展？

Elad Gil：我认为明年肯定会出现更多IPO。如果有一家核心AI公司率先上市，只要定价不是极端激进，表现大概率会非常好。散户对“除了NVIDIA之外的AI标的”有极强的参与欲望，而一旦有一家成功上市，其他公司就会迅速跟进。对这些实验室来说，IPO也是筹集巨额资金的绝佳方式。所以这一块非常值得关注。

消费级创新瓶颈Sarah Guo：还有一些对2026年的预测。我之前并不认为会看到太多真正独特的消费者体验，除了ChatGPT。我依然认为，接下来会有一批消费者硬件项目大多失败，但我对它们保持开放态度。真正让我感到兴奋的是，我已经开始看到一些“魔法级”的消费者Agent软件体验——是真的我自己会想用、会长期使用的那种。这些公司现在大多还在stealth阶段，但我相信明年会有更多产品团队和模型公司开始认真探索这个方向。我对此是乐观的。

Elad Gil：我100%同意。真正的问题在于：哪些会成为爆款初创公司？哪些会快速增长，然后被主流实验室或Google复制，最终被整合进核心产品？除非一家初创公司真正达到“逃逸速度”，建立起网络效应或其他强防御壁垒，否则既有巨头往往可以在两三年后追上来。但我也觉得这个方向非常令人兴奋。我已经等这一刻等了很久。

两三年前，我和当时团队里的David Song在Stanford做过一个为期两个季度的项目，邀请工程项目的学生组队，用AI构建消费者应用。我们当时的想法是：这一波AI这么有意思，为什么几乎没人做消费者产品？于是我们直接给大家免费GPU，让他们去尝试各种想法，不要求任何回报，只是希望看到有趣的东西。

当时原型体验非常惊艳。但让我震惊的是，接下来两年，几乎没有真正落地的消费者产品出现。我一直在想，这是为什么？是新一代创始人不想做消费者产品了？还是已经忘了该怎么做？是因为大型消费者平台太老化了？还是既有巨头太令人畏惧？为什么AI在消费者端的创新如此之少？我到现在都没完全想明白。

Sarah Guo：那我们来列一列原因吧。我确实认为既有巨头非常可怕。任何经历过上一代消费者创新浪潮的人，都亲眼见过新想法是如何被平台“吸收进系统”的。除此之外，我观察到很多正在做新一代消费者体验的公司和创始人，第一反应往往是：用这一代技术去做上一代体验的“更好版本”。但这种做法通常并不有趣。真正有机会的方向，要么是非常贴近前沿研究，要么是在创意上足够激进，去做完全不同的东西。否则很难产生突破。而现实是，既拥有这种研究背景、又具备这种创造力的人并不多。但我认为，这种情况正在开始改变。

Elad Gil：我也觉得这非常令人兴奋。前段时间我和一位非常知名的消费者领域创始人聊过，他现在在运营一家体量巨大的上市公司。他的观点是：在全球范围内，真正顶级、能够从零构思并成功推出优秀消费者产品的人，可能只有几百个。当然，人类潜力远不止这些，很多没有在做消费者产品的人同样具备能力。但如果只看当前真正从事消费者产品的人群，他认为其中真正卓越、能独立做出好产品的人数是非常有限的。从这个角度看，消费者创新的数量可能本身就受限于这部分人才的规模。这是一个挺有意思的观点，我不确定我是否完全同意，但确实值得思考。

Sarah Guo：如果这个“几百人”的集合，还必须是那些真正理解当下技术边界、知道现在“可能性在哪里”的人，那我可能会更认同。如果你只是有很强的消费者产品直觉，但现实中却被困在某个成熟产品的第50次微调里，那其实并没有机会去创造真正新的东西。

Elad Gil：对，你可能在改Gmail里的某个小按钮，而不是全身心投入去做一件全新的事。

研究范式与外溢Sarah Guo：那还有什么是我们应该讨论的？或者你对2026年还有什么重要预测？我觉得今年一个非常显著的新现象，是Neo Labs的意外融资成功，从第三家到第八家都有。你怎么看？你对替代性架构怎么看？比如围绕强化学习的泛化、持续学习，以及这些研究方向，有什么判断吗？

Elad Gil：我认为现在正在进行大量非常有价值、也非常有趣的研究。现有模型身上还有大量潜力可以被挖掘，这是令人兴奋的。但从长期来看，这些探索最终会体现为某些方法或模型的“资本回报”。因为我们已经知道，Scale非常重要，而这意味着资本最终会向最有效、能产生收入的方向集中，行业不可避免地会收敛到少数玩家。真正的问题是：哪些方向会赢？在什么时间点，使用层面的锁定会发生？这些都是非常值得观察的事情。

Sarah Guo：如果要系统地梳理新研究方向的逻辑，可以参考Ilya最近的一次访谈。他把当前阶段称为“研究的时代”。他的核心观点可以概括为：他当然相信Scaling，但现实中存在一个“并非无限”的算力下限，在这个范围内，我们依然可以测试大量想法。如果某些团队掌握了提升效率、实现更快进步的“秘密路径”，那么竞争就不再只是资源消耗战——而这正是当前竞赛给人的直观感受。

另一种视角是：多种架构在不同的大规模应用领域中同样具备价值，只是此前没有被真正Scale。无论是Diffusion、SSMs还是其他方向，资本已经足够支撑这些探索，而这很可能在明年发生。还有一个角度是资源配置。如果像Ilya所说，一些实验室拥有巨量算力，但其中很大一部分必须用于推理以支撑当前业务，那么真正能分配给特定研究方向的算力还有多少？无论是自我改进、后训练、情绪智能，还是超大规模Agent系统，这都会成为取舍问题。

Elad Gil：这取决于你在做什么。因为推理本身会带来收入，而收入会反过来为一切其他事情提供资金。所以某种程度上，这是你不断Bootstrap到更大Scale的方式。我一直有一个可能并不完全正确的直觉：最终，AI可能是通过进化系统来构建的。也许这是我对生物学的过度外推，但人类大脑本身就是由多个高度专门化的模块组成：视觉系统、记忆系统、高阶思考区域、与共情相关的镜像神经元等等。从某个时刻开始，你是否会生成大量实例，让它们围绕某个效用函数进行演化，通过选择、重组等方式推进系统进化？这和完全分析式、定向设计的路径，是非常不同的两种方法。

如果你看生物学中的先例，比如蛋白质设计：早期依赖高度分析式的方法，后来通过展示技术、诱变扫描等手段，取得了远超“纯思考设计”的结果。而现在，借助AI，我们又通过3D结构预测（比如AlphaFold）取得了突破性进展。这让我觉得，在AI自身的发展路径上，或许也会出现类似转折——通过进化式系统实现飞跃。这可能需要一种完全不同的训练范式。这也是为什么大家如此关注代码：代码本身是加速AI开发的工具。但真正有潜力的，也许是“代码+自我演化”的组合。当然，这只是一个假设，我们还需要时间验证。

Sarah Guo：那你有没有一个完全不和AI相关的2026预测？

Elad Gil：其实我还有一个与AI有关的预测：我认为防务领域会显著加速，尤其是防务创业公司、国防科技，以及向无人机系统的转移。这正在彻底重塑战争和防务的思维方式。我认为明年这一趋势会进一步加速，一方面与政策环境有关，另一方面是因为现在已经形成了一定规模的创业密度。目前这仍然处在炒作周期，但我认为它被低估了，因为其影响会非常巨大。

如果完全不谈AI，我觉得太空领域同样非常有意思，比如SpaceX和Starlink正在改变通信与连接方式。此外，能源和采矿领域也正在发生深刻变化，世界上正在同时发生很多重要的事。

Sarah Guo：我同意防务领域的判断，尽管也需要看到预算真正从传统承包商转向这些可规模化的新公司。但在一个越来越由自治系统驱动的世界里，保持竞争力的需求是显而易见的。炒作周期和繁荣并非全是坏事，它们会吸引资本、创始人和人才，即便最终会有大量公司失败，短时间内依然可以推动巨大进展。

至于我自己的“非AI预测”，我认为GLP-1的影响依然被低估了。尽管讨论已经很多，但它的实际冲击远未被充分理解。GLP-1的持续普及几乎是不可逆的，而且它为其他肽类和激素疗法打开了一条非常有意思的路径。它的成功带来了大量二阶效应——从体重下降本身，到人们意识到“递送方式”同样重要。现在大家已经看到，这些工程化的药物可以如此有效，这会进一步推动资本流向类似机会。我认为这是非常令人兴奋的。

Elad Gil：我也觉得你提到的一点特别有意思。如果你看所谓的biohacking社群，现在已经大量使用不同类型的肽来实现不同目标。有人因为慢性腕管综合征飞到迪拜去注射肽类疗法。历史上，这种行为往往是更大规模社会采用的早期信号。整个“肽的世界”正在快速发展：它们的用途是什么？会不会出现“肽版HIMS”？我觉得这一切都非常值得关注。

Sarah Guo：而且正如你说的，那些最早在非适应症情况下使用GLP-1、关注长寿、超声神经调节、干细胞注射的人群，过去一直是非常小众的边缘群体。但我认为，这个群体正在变得不再边缘化。

Elad Gil：很多这样的趋势，十年前其实源自健美圈。像肌酸、睡眠补剂、镁元素等等，都是先在小圈子流行，后来才被更广泛接受。

行业领袖的展望Sarah Guo：作为这一期年终节目，我们也邀请了一些朋友分享他们对2026年的预测。我真的非常好奇他们会怎么说。

Jensen Huang：我对明年的预测是：推理系统将直接催生更加通用、更加稳健的AI。推理能力不仅会彻底改变语言模型，还将影响从生物学到自动驾驶、再到机器人在内的每一个行业。我认为，推理是一个巨大且关键的突破，它将重塑大量应用场景和产业形态。到2026年，AI将不再只是一个被动等待提示的工具，而会变得高度主动，并深度嵌入我们的工作生活。它会跟随我们行动，听到我们听到的内容，理解我们需要完成的任务，甚至在我们提出要求之前，就已经替我们完成了大部分工作。它会成为帮助我们提升技能的教练，成为协助我们安排优先级、管理时间的“经理”。简而言之，它将成为你所能想象到的最好的工作伙伴。

Winston Weinberg：我对明年的核心预测是：Context将成为几乎每一个产品中最重要的组成部分。坦率说，我目前体验过的一个非常好的例子，就是ChatGPT里的memory功能。我认为未来会出现大量功能，它们的目标都是自动提取用户意图，而不是让用户承担提供所有上下文信息的负担。换句话说，产品本身要学会从用户那里“读懂”需求，而不是要求用户在一开始就把所有背景都讲清楚。我对2026年的预测是：将会出现一整套基于更快推理速度的新型产品体验。

Raiza Martin：我对2026年的预测是：我们终于会停止把内容复制粘贴进聊天框。取而代之的，将是更善于利用屏幕共享、并能在关键数据源之间进行Context管理的应用。这会成为新的默认交互方式。

Zach Ziegler：现在大家谈论Agent已经谈了很久，但还没有任何人真正打造出一个大规模的消费者级Agentic AI。我认为，从模型能力上看，这在今天已经是可行的。到2026年，我们会看到某个团队找到正确的界面、系统和产品形态，带来一次像ChatGPT刚发布时那样巨大的体验跃迁。而且这一领域并不像很多人想象的那样已经被实验室垄断，它仍然是一个完全开放的赛场。

Aaron Levie：我对2026年的预测是：这将是AI Agent的第二年，但更具体地说，是企业级AI Agent真正落地的一年，尤其是在深度垂直领域和行业专用场景中。这将成为把模型进展真正交付给企业的主要方式。你必须嵌入组织的工作流程，接入它们的数据，做好Context engineering，确保Agent能真正发挥作用，同时还要完成变革管理，才能让Agent在组织中有效运行。因此，2026年我们会越来越多地看到这种模式的成熟。同时，这也意味着Agent harness将变得极其重要。通过围绕模型构建正确的“支架”，你可以把模型能力放大一个数量级。最后，2026年也会是“经济上有意义的评测”的一年。我们将真正开始衡量这些模型在经济价值层面的表现。今年我们已经在Apex、GDPVal等项目中看到了一些前奏，明年会更多。这些就是我的预测，我们2026年见。

Misha Laskin：我认为2026年会是美国开放模型非常有意思的一年。过去一年里，开放智能的前沿从美国转移到了中国，起点正是2024年底DeepSeek的发布。美国机构在一开始对这一变化反应迟缓，但在过去半年里，无论是政府层面还是企业层面，都已经明显意识到这一问题。现在，一批以开放智能为核心使命的Neo Labs正在出现，而且不止一两家。这些公司已经开始产出非常有意思的小型开放模型。我认为，到明年，美国将在最大规模的open-weight前沿重新夺回领导地位，我对此感到非常兴奋。

Noam Brown：我对2026年的预测是：AI将变得更加政治化。它会成为2026年中期选举中的重要讨论议题。一部分人会强烈反对AI，另一部分人会强烈支持它。我不确定最终哪一方会占上风。

Joshua Meier：2025年是AI药物发现极其重要的一年。我们在一年之内，从在计算机上设计简单分子，进展到设计简单抗体，再到最近实现零样本设计具备药物属性的全长抗体。如果2025年是AI药物发现的“研究之年”，那么2026年将是“部署之年”。这些模型终于进入了真正有用的阶段，不仅让流程更快，也让我们能够攻克那些传统方法极难处理的靶点。我非常期待接下来会发生什么，因为这些模型看不到任何放缓的迹象。

接下来是我对2026年的另一个预测：YOLO将会终结。我们会从“You Only Live Once”转向“Don’t Die”。我认为当下的人类在某种程度上是一个自毁的物种：我们用饮食毒害自己，用生活方式慢性自杀，企业通过让我们上瘾和痛苦来获利，我们破坏唯一的家园，却还把这些行为视为美德。我认为这一切是完全颠倒的。未来某一天，我们会对自己的行为感到震惊。即将到来的转变既简单又激进：我们选择生命，拒绝死亡。这可能会在AI进步的背景下发生，并成为一种集体性的、带有反抗意味的统一行动。但这需要极大的勇气——承认生命的神圣性，并用全部力量去守护它。2026年将是YOLO终结的一年，也是“Don’t Die”的开始。

Sholto Douglas：明年最显著的一点是：其他形式的知识工作，将经历软件工程师今年已经经历的变化。他们从年初还在手写大部分代码，到年末几乎不再亲自写代码。我把这称为“Claude Code体验”，而它将扩展到所有知识工作。我还认为，持续学习会以一种令人满意的方式被解决，我们会看到家庭机器人的首次测试部署，而软件工程本身将在明年彻底“狂飙”。

Dylan Patel：我对2026年的预测是：这是所有人认知被彻底翻转的一年。现在，很多人认为只有Google之外才能用NVIDIA，这个认知会被打破。现在，大约三分之一的美国人讨厌AI，认为它是坏的，这个比例还会增加。现在，大多数美国人认为AI没什么用，这个认知也会被彻底翻转。原因在于，AI的变革性用途将变得无处不在，其显而易见的实用性将强到足以消除所有人的认知失调。

Ben Spector & Asher Spector：我们是Asher Spector。我们的预测是：2026年将是“高能效AI”的一年。数据中心扩张的核心瓶颈已经不再是资本，而是能源：电力可用性、电网接入、高压设备等。这也是为什么xAIColossus最初需要依靠现场燃气轮机供电。问题在于，对Compute的需求仍在持续增长。无论是大型实验室、Neo Labs，还是像Cursor这样的初创公司，对训练和推理算力的需求都极其旺盛，而这种需求已经超过了我们将容量接入电网的能力。这意味着在2026年，我们必须榨干每一瓦能量、每一美元的效率。

从长期来看，芯片可能比电力更重要，因为芯片的折旧速度远快于底层电力基础设施。以五年折旧周期计算，芯片成本往往比电力成本高一个数量级。因此，2026年，“每瓦智能”将极其重要：如何用单位能量产生尽可能多的智能。而从更长期看，真正决定性的，仍然是芯片。