畅想2026：第二部分
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：AI不再只是聊天框：2026年，它将深入工厂与银行底层，把物理世界连同商业模式一起，彻底“推倒重来”。此为系列文章的第二篇，文章来自编译。
American Dynamism团队
David Ulevitch：打造原生AI行业基础设施
美国正在重塑那些创造真实实力的经济领域。能源、制造、物流和基础设施重新成为焦点，而最重要的转变是真正原生AI且软件优先的行业基础设施的兴起。这些公司从模拟、自动化设计和AI驱动的运营起步。他们不是在对过去进行现代化改造，而是在构建未来。
这在先进能源系统、机器人重工业、下一代采矿、生物及酶促过程（生产各行业依赖的前驱化学品）等领域开启了巨大机遇。AI可以设计更清洁的反应堆、优化开采、工程化出更好的酶，并以传统运营商无法企及的洞察力协调自主机器集群。
同样的转变正在重塑工厂之外的世界。自主传感器、无人机和现代AI模型现在可以对港口、铁路、电力线、管道、军事基地、数据中心等曾因规模太大而无法全面管理的环节实现持续的可见性。
现实世界需要新的软件。构建这些软件的创始人将塑造下个世纪美国的繁荣。如果你就是这样的人，跟我们谈谈吧。
Erin Price-Wright：美国工厂的复兴
美国的百年繁荣建立在工业实力之上，但众所周知，我们已经失去了大部分肌肉——部分是因为离岸外包，部分是因为全社会刻意回避建设。但生锈的轮盘正开始重新转动，我们正见证以软件和AI为核心的美国工厂的重生。
在2026年，我认为我们会看到各公司以“工厂思维”去应对能源、矿业、建筑和制造业的挑战。这意味着将AI、自动化技术与熟练工人模块化地部署在一起，使复杂、定制化的流程像流水线一样运行。具体表现为：
快速且重复地处理复杂的监管和许可。
加速设计周期，从一开始就进行“面向制造的设计”。
更好地管理大规模项目协调。
部署自动化技术，以加速那些对人类而言困难或危险的任务。
通过应用亨利·福特百年前开发的技巧，在项目启动之初就规划规模化和可重复性，并融入AI的最新进展，我们很快就能大规模生产核反应堆，建造满足国家需求的住房，以惊人的速度建设数据中心，并进入工业实力的新黄金时代。用埃隆·马斯克的话来说：“工厂本身就是产品。”
Zabie Elmgren：下一波可观测性将是实体性而非数字化的
在过去十年中，软件可观测性改变了我们监控数字系统的方式，通过日志、指标和追踪使代码库和服务器变得透明。同样的革命正发生在物理世界。
随着全美城市部署了超过十亿个联网摄像头和传感器，物理可观测性——即实时了解城市、电网和其他基础设施中发生的情况——正变得既紧迫又可行。这种新的感知层还将开启机器人和自动化技术的新疆界，机器将依赖于一种通用的架构，使物理世界变得像代码一样可观测。
当然，这种转变也带来了真正的风险：那些能检测森林火灾或防止工地事故的工具，也可能助长乌托邦式的噩梦。下一波浪潮中的赢家将是那些能赢得公众信任的人，他们构建起保护隐私、互操作系统且原生AI的体系，在提高社会清晰度的同时不剥夺自由。谁能构建起这种受信任的架构，谁就将定义未来十年的可观测性。
Ryan McEntush：电力工业技术栈将撬动世界
下一场工业革命不仅会发生在工厂里，更会发生在驱动工厂的机器内部。
软件改变了我们思考、设计和交流的方式。现在，它正在改变我们移动、建造和生产的方式。电气化、材料和AI方面的进步正在汇聚，将真正的软件控制带入物理世界。机器开始自主感知、学习和行动。
这是电力工业技术栈（electro-industrial stack）的崛起——即为电动汽车、无人机、数据中心和现代制造提供动力的整合技术。它将撬动世界的“原子”与指挥世界的“比特”连接起来：矿产被提炼成组件，能源存储在电池中，电力由电力电子设备引导，动力通过精密电机输出，这一切都由软件协调。它是每一次物理自动化突破背后隐形的基石；它是“仅仅召唤出租车的软件”与“接管方向盘的软件”之间的本质区别。
但从提炼关键材料到制造先进芯片，构建这一技术栈的能力正在流失。如果美国想要领导下一个工业时代，就必须制造支撑它的硬件。掌握电力工业技术栈的国家将定义工业和军事技术的未来。
软件吞噬了世界。现在，它将撬动世界。
Oliver Hsu：自主实验室加速科学发现
随着模型能力在各种模态上取得进展，以及机器人操作能力的持续提升，团队将加速追求自主科学发现。这些平行技术将催生出能够闭环完成科学发现的自主实验室——从假设开发到实验设计与执行，再到推理、分析结果并迭代未来的研究方向。构建这些实验室的团队将是跨学科的，整合AI、机器人、物理与生命科学、制造、运营等领域的专业知识，通过“黑灯”实验室在各个领域实现持续不断的探索实验。
Will Bitsky：关键行业的“数据远征”
2025年，AI的时代精神是由算力约束和数据中心建设定义的。到2026年，它将由数据约束和数据远征的新疆界——我们的关键行业——来定义。
我们的关键行业仍然是潜藏的、非结构化数据的泉源。每一次卡车出动、仪表读取、维护作业、生产运行、组装和试射，都是模型训练的素材。但无论是采集、标注还是模型训练，目前都还不属于工业界的常用词汇。
对这类数据的需求并不缺乏。Scale、Mercor等公司以及AI研究实验室正贪婪地收集过程数据（不仅是做了“什么”，还有“怎么做”）。为了委派每一个单位的辛苦数据，他们付出了高昂的代价。
拥有现有物理基础设施和劳动力的工业公司在数据采集方面具有比较优势，并会开始利用这一点。他们的运营产生了海量数据，这些数据可以以接近零的边际成本进行采集，用于训练自有模型或授权给第三方。
我们可以预见初创公司会提供帮助。初创公司将提供协调栈（coordination stack）：用于采集、标注和授权的软件工具；传感器硬件和SDK；强化学习（RL）环境和训练流水线；以及最终，他们自己的智能机器。
应用
David Haber：AI强化商业模式
最优秀的AI初创公司不仅是在自动化任务，它们还在放大客户的经济效益。以风险代理类法律业务为例，律所只有在胜诉时才能赚钱。像Eve这样的公司利用专有的诉讼结果数据来预测案件成功率，帮助律所挑选更好的案件，服务更多客户，并提高胜诉频率。
AI增强了商业模式本身。它驱动了更多收入，而不仅仅是降低成本。到2026年，我们将看到这种逻辑扩展到各行各业，因为AI系统会进一步加深与客户激励机制的一致性，并创造出传统软件无法企及的复合优势。
Anish Acharya：ChatGPT成为AI应用商店
消费产品的周期需要三样东西才能运转：新技术、新的消费行为和新的分发渠道。
直到最近，AI浪潮已经满足了前两个条件，但还没有新的原生分发渠道。大多数产品的增长是靠X（原推特）等现有网络或口碑传播。
然而，随着最近OpenAI Apps SDK的发布、苹果对小程序的支持以及ChatGPT推出群聊功能，消费端开发者现在可以直接触达ChatGPT的9亿用户，并利用Wabi等新的小程序网络实现增长。作为消费产品周期的最后一块拼图，这一新的分发渠道将在2026年开启消费科技领域十年一遇的淘金热。忽视它的风险智能你自己承担。
Olivia Moore：语音智能体大显身手
在过去的18个月里，AI语音智能体为企业管理真实互动的构想已从科幻变为现实。从中小企业到大型企业，数以千计的公司正在使用语音AI来预约挂号、完成预订、进行调查、办理登记等。这些智能体为企业节省了成本，创造了额外收入，并将人类员工解放出来去从事更高价值——也更有趣——的任务。
但由于这一领域尚处于初期，许多公司仍处于“以语音为切入点”的阶段，只提供一两种类型的通话作为单点解决方案。我非常期待看到语音智能体扩展到处理整个工作流（可能是多模态的），甚至管理完整的客户关系周期。
这可能会涉及与业务系统深度集成的智能体，并被赋予处理更复杂互动类型的自由。随着底层模型的持续改进——以及智能体现在可以调用工具并跨系统运行——没有任何理由不让每家公司都拥有运行并优化其业务关键部分的“语音优先”AI产品。
Marc Andrusko：无提示词且主动响应的应用时代到来
2026年标志着主流用户“提示词框”时代的终结。下一波AI应用将不再有可见的提示过程——它们会观察你的操作，并主动介入、提供动作供你审核。在你开口前，你的IDE就建议重构；当你打完电话，你的CRM就起草好了随访邮件；当你工作时，你的设计工具就生成了变体。聊天界面只是“辅助轮”。现在，AI变成了编织在每个工作流中的隐形脚手架，由意图而非指令激活。
Angela Strange：AI终将升级银行和保险基础设施
许多银行和保险公司已经在其传统系统之上集成了文档摄取和语音智能体等AI，但除非我们重建支撑金融服务的底层基础设施，否则AI无法真正改变这一行业。
到2026年，不进行现代化改造以充分利用AI的风险将超过失败的风险。我们将看到大型金融机构终止其旧有的供应商合同，转而实施更新的原生AI替代方案。这些公司不受过去类别界限的束缚，是能够集中、规范化并丰富来自传统系统和外部数据的平台。
结果如何？
工作流可以被极大地简化并并行化。不再需要在不同系统和屏幕之间跳来跳去。试想：你可以看到并并行处理抵押贷款发放系统（LOS）中需要完成的数百项任务，智能体甚至可以完成其中较为枯燥的任务。
我们熟知的类别将合并，创造出更大的品类。比方说，来自入职流程的客户身份识别（KYC）和交易监控数据，现在可以共同存在于一个风险平台中。
这些品类的新赢家规模将是旧有老牌企业的10倍：因为市场规模大得多，而且软件正在“吞噬”劳动力。
金融服务的未来不在于将AI应用于旧系统，而在于构建一个以AI为基础的新操作系统。
Joe Schmidt：前置部署模式将AI带给那99%的群体
AI是我们这辈子能看到最令人兴奋的技术突破。然而到目前为止，新初创公司带来的大部分收益都流向了硅谷那1%的公司——要么字面意义上在湾区，要么属于那个延伸的网络。这也有道理：初创公司创始人想把产品卖给他们认识且容易触达的公司，无论是开车去办公室还是通过董事会VC的关系。
在2026年，这种情况将发生逆转。公司会意识到，绝大多数AI机会存在于硅谷之外。我们将看到新的创始人使用前置部署（forward-deployed）模式，去发掘潜藏在庞大、传统垂直领域中的更多机会。在传统的咨询和服务行业（如系统集成和实施公司）以及制造业等节奏较慢的行业，机遇将非常巨大。
Seema Amble：AI在财富500强中创造了新的编排层和新角色
到2026年，企业将进一步从孤立的AI工具转向多智能体系统，这些系统需要像协同作战的数字团队一样运作。随着智能体开始管理复杂的、相互依赖的工作流（如共同计划、分析和执行），组织需要重新思考工作的结构以及上下文如何在系统间流动。我们已经看到AskLio和HappyRobot等公司在做这件事，它们在整个流程中部署智能体，而非针对单一任务。
财富500强企业对这种转变的感受将最为深刻：它们坐拥最深厚的孤立数据、机构知识和运营复杂性，其中大部分都存在于人们的头脑中。将这些背景转化为自主工作者的共享底座，将开启更快的决策、更短的周期以及不再依赖人类不断微观管理的端到端流程。
这种转型还将迫使领导者重新想象角色和软件。新的职能将会出现，比方说AI工作流设计师、智能体主管，以及负责编排和审计协调数字员工集群的治理负责人。在当今的记录系统（systems of record）之上，企业将需要协调系统（systems of coordination）：即用于管理多智能体互动、判定上下文并确保自主工作流可靠性的新层级。人类将专注于处理极端情况和最复杂的案例。多智能体系统的崛起不仅是自动化的又一步；它代表了企业运作方式、决策方式以及最终价值创造方式的重构。
Bryan Kim：消费级AI从“帮帮我”转向“懂我”
2026年标志着主要消费级AI产品从生产力向连接感的转变。AI不再仅仅是帮你工作，而是让你更清晰地审视自己，并帮助你建立更强的人际关系。
坦白说，这很难。许多社交AI产品都曾发布过但失败了。但得益于多模态上下文窗口和推理成本的下降，AI产品现在可以从你生活的全方位细节中学习，而不仅仅是你告诉聊天机器人的内容。试想一下，相册能展示真实的情感瞬间，1对1私信和群聊模式会根据聊天对象而变化，而日常习惯在压力下也会随之调整。
一旦这些产品真正落地，它们将成为我们日常生活的一部分。通常，“懂我”类产品比“帮帮我”类产品具有更好的原生留存机制。“帮帮我”类产品通过用户对特定任务的高付费意愿实现变现，并优化订阅留存。而“懂我”类产品通过日常参与和持续连接实现变现：虽然付费意愿较低，但使用模式更具留存性。
人们已经一直在用数据换取价值：问题在于他们换回的东西是否值得。这个答案很快会变得明晰。
Kimberly Tan：新模型原语开启了此前不可能存在的公司
在2026年，我们将看到一些公司的兴起，在推理、多模态和计算机使用（computer use）等领域取得模型突破之前，这些公司根本不可能存在。到目前为止，许多行业（如法律或客户支持）一直利用改进的推理能力来增强现有产品。但直到现在，我们才开始看到那些核心产品能力从根本上由这些新模型原语驱动的公司。
推理能力的进步可以解锁评估复杂金融索赔或处理深奥学术、分析研究（如裁定账单纠纷）的新能力。多模态模型使得从根植于物理世界的行业中提取潜藏的视频数据成为可能（例如来自制造现场的摄像头数据）。而“计算机使用”能力则让大规模行业的自动化成为可能，在这些行业中，价值历来被困在桌面软件、糟糕的API和碎片化的工作流之后。
James da Costa：面向AI初创公司的AI初创公司实现规模化
我们正处于由当前AI产品周期驱动的前所未有的创业时刻。但与之前的周期不同，传统巨头并没有掉以轻心，他们也在拥抱AI。那么初创公司该如何获胜呢？
初创公司从传统巨头手中赢得渠道的一种最强大且被低估的方式，就是在公司成立之初为其提供服务：即绿地公司（全新的企业）。如果你在所有新公司成立时吸引它们并与它们共同成长，当你的客户成为大公司时，你也会成为大公司。Stripe、Deel、Mercury、Ramp等都遵循了这一策略。事实上，Stripe创立时，它的许多客户甚至还不存在。
2026年将是我们在众多企业软件类别中看到走“绿地路线”的初创公司达到规模化的一年。只需打造更好的产品，并狂热地专注于那些尚未被老牌巨头掌控的新客户。
延伸阅读：
译者：boxi。
