顶级VC预测的3大AI变化趋势

本文来自微信公众号： 碳基智子 ，作者：碳基智子

关于AI技术发展路线的趋势，其实现在已经有很多文章、播客、视频，发散了很多观点和争论出来了。

而随着时间的推移，大家当下对模型的参数大小和榜单，其实也并不太关注了，大家都知道这些数据都只是PR手段，很多时候实际体验好与坏跟模型参数大小并没有直接关系。

这个时候，我觉得换个视角，从钱的角度去预测AI的发展，可能是一个更有价值的角度。

前一阵看了a16z的这个视频，里面是他们的三位合伙人分别总结的，2026年AI将如何发展的趋势观点。

视频发布在Youtube上，就是下图这期：

众所周知，创业一般无非这几种模式：ToB、ToC、ToVC。没准各位观众老爷看清了这次分享的趋势，就能拿到顶级VC的投资了呢？

第一个观点出现在科学研究领域，里面提到了两个点很有意思：AI-driven science和自动化实验室（Autonomous Labs）。

a16z发现，当前虽然AI在编程领域的声量更大，但实际上AI已经在科学领域开始进入核心链路。从过去的辅助实验角色，到当前的“闭环科学”阶段。

过去，科学家是司机，AI是导航仪。科学家需要设计实验、操作仪器、记录数据。未来，AI将变成类似智能驾驶的角色，科学家则变成了规划路径的交管局。

在生命科学和材料科学领域，新药研发和新材料合成的周期，过去都是以“年”为单位迭代。但在AI介入以后，从推理设计实验，到控制机器人手臂执行操作，再到根据结果实时修正开启下一轮实验，这一整套流程的闭环，直接让科学研究的边际成本呈指数级下降。

过去的迭代周期由“年”，缩短为了“月”。

在这样的情形下，可解释性的重要性又开始重新凸显。因为在商业软件中，我们或许可以容忍黑盒的存在，但在科学领域，如果AI不能向人类解释“为什么要这样做”，它就无法获得科学家的信任。

可解释性的技术问题，在AI进一步深入各行各业核心决策链路的进程里，一定会是最重要问题之一。

第二个观点抛出了一个想象：与巨头大模型厂商相比，AI初创公司的价值点可能在哪里？

这个洞察击中的是当前AI消费应用的问题。目前市面上大多数AI产品都还在卷生产力，提供更快的摘要、更好的翻译、更精准的图片编辑等等……

这其实还是在解决的牛马工作效率问题，而对牛马来说，工作效率的提升并不一定会直接对TA们带来情绪上的收益。甚至，工作效率的提升往往伴随着更多工作量的到来。

抽离出牛马的角色，从人的维度看，我们最稀缺的资源是什么？是时间吗？还是被理解的感觉？

a16z认为，我们每个人都是社交动物。当AI从工具变成一种连接介质，我们将看到社交网络的重构。想象一下，未来的社交不再是你直接去寻找另一个人，而是你的AI代理（Agent）根据对你的深度理解（基于你的照片、数字足迹），去茫茫人海中与其他人的AI代理进行“预握手”。

这开启了一种全新的交互模式：AI as a Connector（AI即连接器）。在这个阶段，初创公司终于找到了绕开Google和Meta等巨头护城河的机会。巨头们拥有社交图谱，但他们未必能像新兴公司那样，激进地利用AI去重构人与人之间的情感连接方式。

那些能提供“被看见、被理解”情绪价值的产品，将成为下一代AI独角兽。

第三个观点，来自AI商业逻辑的重塑。

在SaaS（软件即服务）时代，人们习惯了按人头付费（Per Seat）。软件公司卖的是工具，至于你用这个工具赚没赚钱，那是你自己的事。但在2026年的AI时代，这种模式将显得过时。

a16z举了法律科技公司Eve和催收服务Salient的例子，展示了一种“服务即结果”（Service as an Outcome）的新模式。

律所不需要为AI支付订阅费，律所需要AI帮他们打赢官司，然后分润。银行不需要买一套催收系统，银行需要AI把钱收回来，然后按比例提成。

这种模式的威力在于它构建了极深的数据护城河。当一家公司不仅提供软件，还介入了端到端的执行流程，它就能获得那些仅提供工具的竞争对手永远无法触及的“私有结果数据”。

这些数据反哺模型，让模型更聪明，从而带来更好的商业结果。这是一个完美的飞轮。

a16z认为，真正能活下来的AI公司，往往满足三个条件：

一，AI深度嵌入到产品的核心价值，简单加一个AI按钮没有意义。

二，AI带来的价值能够直接转化为定价能力或续费能力。

三，AI使用越多，系统本身越强，形成正反馈。

我自己总结下来，a16z押注的变化大致分三层。

第一层是交互入口，输入框会越来越不重要，代理会以执行者身份接管更多动作，权限和审计会变成默认配置。

第二层是产品形态，模型会继续进步，但更值钱的部分在应用编排和workflow的承载，AI原生应用会像软件一人军团，功能面扩张很快。

第三层是护城河，通用能力会被规模化稀释，差异化来自上下文，来自企业私有数据和把语境交给代理的工程能力。

目前来看，AI从成本中心向利润中心转移的速度，远比我们想象得快。