如果說2025年是人工智能的測試年，那麼2026年將是該技術變得實用的一年。焦點已經從構建越來越大的語言模型轉移到了讓人工智能變得可用的艱鉅工作上。在實踐中，這包括在適合的地方部署較小的模型，將智能嵌入到物理設備中，以及設計與人類工作流程完全集成的系統。
TechCrunch 的專家表示，2026 年將是過渡的一年，從強力擴展發展到尋找新架構，從華而不實的演示發展到有針對性的部署，從承諾自治的代理髮展到真正改善人們工作方式的代理。
盛宴尚未結束，但行業正在甦醒。
擴張法則不會削減它
2012 年，亞歷克斯·沙舍夫斯基、伊利亞·蘇茨克韋爾和杰弗裡·辛頓 亞歷克斯網紙 展示人工智能係統如何通過查看數百萬個示例來“學習”如何識別圖像中的對象。這種方法的計算成本很高，但可以通過 GPU 實現。結果呢？科學家們在人工智能領域進行了十年的認真研究，致力於為不同的任務發明新的架構。
這種情況在 2020 年左右達到頂峰，當時 OpenAI 推出了 GPT-3，它展示瞭如何簡單地製作一個大 100 倍的模型來解鎖編程和推理等功能，而無需顯式訓練。這標誌著人工智能代理平台 Workera 首席執行官兼創始人 Kian Katanforoush 所稱的“規模時代”的過渡：在這個時代，人們相信更多的計算、更多的數據和更大的 Transformer 模型將不可避免地推動人工智能的下一個重大突破。
如今，許多研究人員認為，AI行業開始耗盡縮放定律的極限，將再次邁入搜索時代。
Meta 前首席人工智能科學家 Yann LeCun 長期以來一直反對過度依賴測量，並強調需要開發更好的架構。蘇茨克韋爾最近表示 面試 當前模型是穩定的，並且預訓練結果已經穩定，這表明需要新的想法。
TechCrunch 活動
舊金山
|
2026年10月13-15日
“我認為可能在未來五年內，我們會找到一種更好的架構，這對 Transformer 來說是一個巨大的改進，”Katanforos 說。 “如果我們不這樣做，我們就不能指望模型有太大改進。”
有時少即是多
大型語言模型非常適合泛化知識，但許多專家表示，下一波企業人工智能採用將由更小、更靈活的語言模型驅動，這些模型可以針對特定領域的解決方案進行微調。
AT&T 首席數據官 Andy Marcus 告訴 TechCrunch：“經過微調的 SLM 將成為大趨勢，並將在 2026 年成為成熟人工智能組織的主要使用方式，因為與現成的 LLM 相比，其成本和性能優勢將推動使用量的增加。” “我們已經看到公司越來越依賴 SLM 技術，因為如果調整得當，它們可以在業務應用程序的準確性方面與更大的通用模型相匹配，並且非常適合成本和速度。”
我們之前已經從法國開放式人工智能初創公司 Mistral 那裡看到過這樣的論點：它表示，經過微調後，其小型模型在多個基準測試中實際上表現得比大型模型更好。
總部位於奧斯汀的人工智能公司 ABBYY 的人工智能策略師 John Knisley 表示：“SLM 的效率、成本效益和適應性使其成為精度至關重要的定制應用的理想選擇。”
雖然 Marcus 認為 SLM 將成為代理時代的關鍵，但 Knisley 表示，小型模型的本質意味著它們更適合部署在本地機器上，“邊緣計算的進步加速了這一趨勢。”
通過經驗學習
人類不僅僅通過語言學習；我們通過經驗了解世界是如何運作的。但法學碩士並不能真正理解世界；他們並不能真正理解這個世界。他們只是預測下一個單詞或想法。這就是為什麼許多研究人員相信下一個重大飛躍將來自通用模型：人工智能係統可以學習事物如何在 3D 空間中移動和交互，以便能夠做出預測並採取行動。
越來越多的證據表明，2026 年對於全球超模來說將是重要的一年。 LeCun 離開 Meta，創辦了自己的全球建模實驗室，據報導尋求 50 億美元的估值。谷歌的 DeepMind 項目已開始與 Genie 合作，並於 8 月推出了其最新模型，該模型實時構建交互式通用全局模型。除了 Decart 和 Odyssey 等初創公司的演示之外，李飛飛的世界實驗室還推出了第一個全球商業模型 Marble。 General Intuition 等新公司在 10 月份獲得了 1.34 億美元的種子輪融資，用於教授客戶空間思維，視頻生成初創公司 Runway 在 12 月份發布了其首款全球模型 GWM-1。
雖然研究人員看到了機器人和自主技術的長期潛力，但短期影響可能首先出現在視頻遊戲中。 PitchBook 預計，在技術創造互動世界和更真實的非玩家角色的推動下，全球遊戲模型市場將從 2022 年至 2025 年的 12 億美元增長到 2030 年的 2760 億美元。
General Intuition 創始人 Pim de Witte 告訴 TechCrunch，虛擬環境不僅可能重塑遊戲，還可能成為下一代核心模型的重要試驗場。
代理國家
代理在 2025 年未能達到宣傳的效果，但主要原因是他們很難連接到實際發生工作的系統。由於無法訪問工具和上下文，大多數代理陷入了實驗工作流程的陷阱。
Anthropic 的模塊化上下文協議 (MCP) 是一種“AI 的 USB-C”，允許 AI 代理與數據庫、搜索引擎和 API 等外部工具進行對話，證明了缺失的結締組織並迅速成為標準。 OpenAI 和微軟已經公開支持 MCP，Anthropic 最近將其捐贈給 Linux 基金會新成立的 Agentic AI 基金會，該基金會旨在幫助標準化開源代理工具。谷歌還開始建立自己的託管 MCP 服務器，將 AI 代理連接到其產品和服務。
隨著 MCP 減少將代理連接到真實係統的摩擦，2026 年可能是代理工作流程最終從演示轉向日常實踐的一年。
Sapphire Ventures 合夥人 Rajeev Dham 表示，這些發展將帶來第一代理解決方案，在各行業中扮演“記錄系統角色”。
“隨著語音代理處理更多的端到端任務，例如攝取和客戶溝通，他們也將開始塑造底層平台，”達漢姆說。 “我們將在家庭服務、房地產科技和醫療保健等各個領域以及銷售、IT 和支持等橫向職能領域看到這一點。”
增強，而不是自動化
雖然更多的代理工作流程可能會引起人們對潛在裁員的擔憂，但 Workera 的 Katanforoush 不確定這就是信息。
“2026年將是人類年，”他說。
到 2024 年，每家人工智能公司都預測，它將實現工作自動化，以消除對人類的需求。但技術尚未成熟，而且在經濟不穩定的情況下，這並不是真正流行的言論。 Katanforush 表示，未來一年，我們將意識到“人工智能並不像我們想像的那樣自主運行”，對話將更多地集中在如何利用人工智能來增強人類工作流程，而不是取代它們。
“我認為很多公司將開始招聘，”他補充道，並指出他預計人工智能治理、透明度、安全和數據管理方面將出現新的角色。 “我對明年失業率平均低於 4% 非常樂觀。”
“人們希望高於 API，而不是低於 API，我認為 2026 年是重要的一年，”De Wit 補充道。
鍛煉身體
專家表示，小模型、全局模型和邊緣計算等技術的進步將使機器學習在更多的物理應用中成為可能。
AT&T Ventures 總裁 Vikram Taneja 告訴 TechCrunch：“隨著機器人、自動駕駛汽車、無人機和可穿戴設備等新型人工智能設備開始進入市場，物理人工智能將在 2026 年成為主流。”
雖然自動駕駛汽車和機器人是物理人工智能的明顯用例，毫無疑問將在 2026 年繼續增長，但所需的培訓和部署仍然昂貴。另一方面，可穿戴設備提供了更便宜的楔子，受到消費者的認可。 Meta 的雷朋 (Ray Ban) 等智能眼鏡開始配備助手，可以回答有關您正在查看的內容的問題，以及新的外形尺寸，例如 由人工智能驅動的健康戒指 和 智能手錶 關於身體的永久推理已正常化。
Taneja 表示：“通信服務提供商將改善其網絡基礎設施，以支持這一新的設備浪潮，而那些能夠靈活提供連接方式的提供商將處於更好的位置。”
