17 Predictions for AI in 2026
来源: Understanding AI (Timothy B. Lee, Kai Williams 等) | 日期: 2025-12-30 原文: 17 predictions for AI in 2026 精读日期: 2026-03-07
一句话总结
Understanding AI 邀请 8 位行业专家做了 17 个带置信度的预测，核心共识是：AI 持续进步但远未到”起飞”阶段，2026 是务实落地年，不是泡沫破裂也不是 AGI 来临。
核心内容
一、钱会继续烧：Big Tech Capex 超 5000 亿美元（75%）
五大云厂商（Google、Microsoft、Amazon、Meta、Oracle）2024 年 capex 2410 亿，2025 年预计超 4000 亿。Lee 认为这不是泡沫——企业客户真实需求在驱动，不是投机。2026 预计超 5000 亿但增速放缓。
二、OpenAI 和 Anthropic 都能完成收入目标（80%）
| 公司 | 2025 收入 | 2026 目标 |
|---|---|---|
| OpenAI | ~$13B（ARR ~$20B） | $30B |
| Anthropic | ~$4.7B（ARR ~$7B） | $15B |
Lee 认为业务自动化空间巨大，即使没有新模型能力，现有能力的渗透就够了。
三、Context Window 停滞在 100 万 token 左右（80%）
2022 年 8K → 2024 年 100 万，之后增长停滞。Transformer 架构的固有限制 + 大多数任务不需要更长 context。编程类 LLM 可能例外。
四、GDP 增长不会超 3.5%——AI “起飞”还没来（90%）
直接回应 Leopold Aschenbrenner 和 AI 2027 的”快速起飞”预测。数据中心建设对 GDP 的拉动不到 1 个百分点，远不够推动异常高速增长。
五、AI 能完成 20 小时的软件工程任务（55%）
METR 评估显示 AI 可完成任务时长每 5-7 个月翻倍。Claude Opus 4.5 已能完成约 5 小时的任务。如果趋势持续，2026 年底将达到 20 小时——相当于工程师半周工作量。但预训练和后训练的边际收益递减是隐忧。
六、AI 法律环境从”狂野西部”走向有序（70%）
训练不侵权已基本确立（美/欧/英），但输出端的防护和赔偿责任在加码。Anthropic 已付 $15 亿和解影子图书馆训练案。预测 Perplexity 可能成为第一个被严厉处罚的”出头鸟”。
七、MCP 将被主要 AI 公司放弃（90%）
Tasklet CEO Andrew Lee 的争议性预测：现代 LLM 已经足够聪明，可以直接推理和调用传统 API，MCP 是不必要的抽象层。到 2026 年底，主要厂商将停止投入。
八、中国公司可能在全球 Robotaxi 车队规模上超越 Waymo（55%）
Waymo 约 2500 辆车，受供应链制约（Zeekr 关税、Hyundai 量产延迟）。中国公司（Pony.ai、百度 Apollo Go）BOM 成本降 70%，在中国/中东/欧洲多线扩张。Pony.ai 目标 2026 年底 3000 辆。
九、文本扩散模型进入主流（75%）
Inception Labs 的 Mercury 和 Google 的 Gemini Diffusion 开路。扩散模型并行生成多 token，速度快、数据效率高。不会取代自回归，但将成为重要补充。
十、美国开源模型追上中国（60%）
2025 年中国开源（DeepSeek R1、Qwen3、Kimi K2）全面领先。但 Nvidia 宣布将发布 5000 亿参数模型，加上 Mistral 3、Olmo 3 等的势头，美国有望在 2026 年追平。
十一、Sora vs Vibes 之争（对赌）
Kai 押 Vibes（Meta 社交运营能力强），Lee 押 Sora（Disney IP 授权 + 产品设计），各自 65-70% 置信度。
金句摘录
- “Tech companies are not building these data centers to prepare for speculative future demand – they’re just racing to keep up with orders their customers are placing right now.”
- “Modern LLMs are already smart enough to reason about how to use conventional APIs directly. MCP will be seen as an unnecessary abstraction that adds complexity without meaningful benefit.”
- “It always takes longer than expected for technology to find practical applications – even bad applications.”
- “We don’t believe AI is a bubble on the verge of popping, but neither do we think we’re close to a ‘fast takeoff’ driven by the invention of artificial general intelligence.”
Justin 视角
与投资判断直接相关
Capex 持续增长 = 基础设施层机会仍在。5000 亿美金的 capex 意味着 AI infra 的投资窗口还没关，但要注意增速放缓信号。
OpenAI $30B / Anthropic $15B 的收入目标如果都能达成，说明 AI 应用商业化真的在加速。这对 Portfolio 里的 AI 应用公司是利好——市场在变大而不是存量竞争。
MCP 可能被放弃的预测非常值得关注。如果 API 直连成为主流，那”AI 中间件”赛道（Agent 框架、工具协议层）的投资逻辑需要重新审视。Portfolio 中如果有做 MCP 生态的公司，需要警惕。
20 小时软件工程任务 = coding agent 接近实用临界点。与 Portfolio 中的 Codeplus/Verdent 直接相关——如果 AI 编程能力在 2026 年真的到这个水平，coding agent 的商业模式会有质变。
中国开源模型领先 + Kimi K2 被点名。Kimi/Moonshot 确实在开源模型上表现强劲，与你 portfolio 中的 MiniMax 形成有趣对比。
值得深挖
- METR 的软件工程任务评估方法论——可作为评估 AI coding 公司的参考框架
- 文本扩散模型（Mercury、Gemini Diffusion）——可能是下一代模型架构的投资方向
- AI 法律环境的演进——特别是 Anthropic $15 亿和解案的影响
延伸阅读
- METR 软件工程任务评估 — AI coding 能力追踪
- AI 2027 — Leopold Aschenbrenner 等人的”快速起飞”预测
- Inception Labs Mercury — 文本扩散模型先驱
- Timothy B. Lee 的 Understanding AI newsletter — 持续跟踪 AI 行业趋势
- Pony.ai、百度 Apollo Go — 中国 Robotaxi 赛道关键玩家