对未来进行预测本身就是愚蠢的行为,所以我承认自己是个愚者。八年前我写了一本关于AI(和自我管理)的书,预测在5到10年内自动驾驶汽车将变得普遍,AI将在编程方面超越开发者,因此学习社会科学将比STEM学科更有用。我把判断我预测能力的权利留给你们——但我的时机把握有误。
尽管技术确实到来了,但我低估了社会接受度的重要性。因此,从之前的错误中学习,我对以下预测的警告是,它们都受制于社会变革意愿的步伐。
以下是我对2026年(及以后)AI的预测
AI估值将迎来调整
为了增长而增长的数十亿美元支出引发了AI泡沫的担忧。此外,部分投资开始变得循环化——例如彭博社在2025年11月报道,英伟达和微软向Anthropic投资150亿美元,以便其扩展Claude AI模型(通过购买微软和英伟达的产品)。Anthony Scilipoti(在Knowledge Project播客中)首先识别出Nortel Networks的衰落(该公司在巅峰时期收入达300亿美元)是由于循环供应商融资造成的。他对当今大型AI公司之间重复这种做法表示担忧。
AI投资泡沫不太可能破裂
尽管存在上述情况,但由于通用人工智能的潜力,投资仍在继续。实现AGI,特别是在当今的地缘政治世界中,是一场军备竞赛。AGI的指数级潜力如此巨大,以至于没有任何拥有资源的公司或政府会放弃它所承诺的变革力量和经济优势。
但AGI不会仅仅来自更大的大语言模型
大部分AI资金都投入到更大更好的大语言模型中。然而,2018年图灵奖获得者、于2025年11月辞去Meta首席AI科学家职务的Yann LeCun认为,大语言模型缺乏形成AGI技术基础的能力。相反,在LeCun看来,AGI将使用世界模型——模型模拟当采取行动时世界将如何变化,而不仅仅是对输入做出反应或预测序列中的下一个Token。因此,在2026年,我们将看到对大语言模型以外的其他模型在AI未来中的更大探索。
由于AI智能体的发展,工作岗位替代将变得更加普遍
2025年9月,Salesforce的CEO宣布由于更多依赖AI智能体,减少了4000个客户支持岗位。可以说,大语言模型提高了质量,但并不直接取代工作。然而,随着AI智能体在自主完成任务方面变得更好,更多公司将在2026年实施它们来降低劳动成本。
让人类适应自动化,而非让自动化适应人类
在2026年取得成功的公司将重建其运营,让AI处理所有它能处理的事务,而人类专注于监督、创造力和复杂判断。这种自动化优先的设计将释放比简单地让AI适应现有以人为中心的流程更大的效率和竞争力。
理解非正式网络将成为主流
流程可以自动化,但同事之间的人际联系不能。我将我的职业和学术生活投入到绘制非正式人际网络价值的工作中。随着智能体AI在2026年加速自动化,理解驱动组织内部引擎的因素将成为2026年及以后组织成功的关键因素。
故事仍将被视为次于事实
人际联系依赖于讲故事。培训投资者和被投资者如何展示的Benjamin Ball强调了讲故事的重要性:"你需要先有故事,然后用数据支撑它。仅有逻辑和数据本身不会成功销售。"Ball举例说明一家芬兰公司通过呈现连贯的故事,在没有任何新信息的情况下一夜之间将股价提高了12%。也许结合数据的故事讲述价值将在2026年最终被理解——但我对此表示怀疑。
政府继续推动STEM学科而忽视社会科学
尽管AI在编程等技术领域的能力不断增长,政府可能会继续强调STEM教育。更多关注独特人类能力,如制作引人入胜的叙述和建立真正的联系,将更好地为学生准备自动化工作场所并减少长期失业。
AI检测器变得普遍
教育机构将增加AI检测工具的使用,尽管它们存在局限性。AI检测器将《独立宣言》标记为98.51%由AI生成的报告突显了它们的缺陷。未来的员工必须学会有效地使用AI工具,因此禁止大语言模型的机构反映了过时的评分心态。应该根据学生在AI辅助下的思考过程来评估他们,而不是他们在没有AI帮助下工作的能力。
需要休息
我的第十个也是最后一个预测是,你们需要从今年的试炼和磨难中休息一下。
因此,我向你们致以节日的最美好祝愿,希望你们有时间从AI、技术和愚蠢的预测中解脱出来。
Q&A
Q1:为什么AI估值会在2026年迎来调整?
A:主要原因是AI投资中存在循环融资现象,比如英伟达和微软向Anthropic投资150亿美元让其购买自己的产品来扩展Claude模型。这种为增长而增长的投资模式引发了AI泡沫担忧,类似于曾经导致Nortel Networks衰落的循环供应商融资问题。
Q2:通用人工智能AGI会通过大语言模型实现吗?
A:不太可能。2018年图灵奖获得者Yann LeCun认为大语言模型缺乏形成AGI技术基础的能力。他认为AGI将使用世界模型,这种模型能模拟当采取行动时世界将如何变化,而不仅仅是对输入做出反应或预测下一个Token。
Q3:AI智能体会如何影响就业市场?
A:AI智能体将加速工作岗位替代。2025年9月Salesforce已经因为更多依赖AI智能体而减少了4000个客户支持岗位。随着AI智能体在自主完成任务方面变得更好,预计2026年会有更多公司实施它们来降低劳动成本。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。