No Priors 第144期｜Sarah 与 Elad 展望2026年AI
摘要
- AI采用速度已经超过反弹叙事，但公开市场仍可能把Nvidia的任何一次失速，视为整个周期的公投。 Elad预计，“AI没用”和泡沫论还会卷土重来，尽管技术浪潮“通常要大约10年才能扩散”（“like 10 years to propagate”）；他说，AI的采用速度已经“快得令人目眩”，尤其是在医生、律师、会计师和合规团队中。Sarah认为，焦虑源于投资者仓位，并称Nvidia某个季度表现疲软，就可能引发恐慌，尽管这与底层的长期结构性变化几乎无关。Elad给怀疑者的回答是：“快到我甚至不知道大家在说什么了”（“So fast I don’t even know what people are talking about.”）。
- 下一阶段的应用价值应集中到垂直领域赢家手中，而Sarah给出了本期最明确的交易预测：2026年会有人利用LLM做市场交易，赚到“数亿美元”。 Elad指出，编程、医疗听写和法律软件——包括Harvey——已经在向少数玩家集中，并预计下一批垂直领域也将达到巨大规模。Aaron Levie随后认为，与工作流、组织数据、上下文工程和变革管理绑定的智能体，最有希望打通企业落地路径。
- 机器人会先迎来情绪拐点，再迎来商业模式拐点：小规模的人形和半人形机器人将开始部署，一部分会失败，投资者则会过度反应。 Sarah预计，随着预期时间表不断推迟，市场将出现分化；Elad则反驳称，自动驾驶走过了大约15–17年，如今才真正开始奏效。他们更尖锐的分歧在于产业结构：Elad认为Waymo和Tesla是自动驾驶当前的赢家，并看好Tesla成为机器人赢家；Sarah则认为，资金、硬件、制造和供应链需求可能让 incumbents 占优，但移动能力并不能解决操作能力问题，因此创业公司、甚至中国公司仍有真实机会。
- 一家大型AI实验室上市，可能变成一笔由基准考核驱动的反身性交易，而不是一次纯粹的基本面决策。 Elad举出的对冲基金案例十分典型：散户想要一只纯AI赢家，基金经理又害怕“错过Nvidia”，年度基准考核可能迫使他们“不管怎样”都要买入，即便他们并不看好这家公司。Elad预计，只要第一笔交易没有定价过高并成功，就会解锁一批跟随者，为AI实验室筹集巨额资金；与此同时，投资者仍会担心AI需求能否支撑资本开支、信贷和货到付款义务如何分配风险，以及市场对Nvidia的集中度是否过高。
- Elad原本没想到ChatGPT之外还会出现这么多独特的AI消费产品，但如今已经看到自己想用的“神奇”智能体体验；Sarah对此表示认同，但Elad仍预计大多数新硬件会失败。 Sarah用“逃逸速度”检验产品的持久性：如果没有网络效应或其他护城河，AI实验室或Google两三年后就能复制赢家，再靠分发能力追上。机会仍然存在，因为 incumbents 会吓退创业者，而且太多团队只是用这一代模型重做上一代产品。
- 基础模型竞争正在科学、替代架构和自我改进系统等方向重新展开，但规模效应仍会把资本吸向少数赢家。 Sarah以Ilya所说的“研究时代”为框架，认为行业终于有机会测试计算效率更高的思路、扩散模型和SSM，而不必只打一场资源战。Elad预计，物理、材料或数学领域只要出现1–2个突破，就会有人过早宣称“科学已经被解决”；但长期影响反而会被低估。他认为，一条可能快速起飞的路径是“代码加自我进化”。
- 资本仍将持续涌入国防自主化和肽类药物，但国防预算能否真正转向新公司，以及边缘应用与主流采用的界线仍未确定。 Sarah预计，无人机防务和创业公司活动将加速；Elad认同需求存在，但警告预算必须以足够大的规模从主承包商流向新公司。Elad称GLP-1的采用“不可阻挡”，市场仍低估其影响；Sarah则指出其二阶效应，以及市场对工程化肽类和激素疗法日益浓厚的兴趣。他们还讨论了边缘生物黑客行为可能成为早期指标，但不能视为已经确立的证据。
- 结尾的预测最终汇聚到主动式智能体和“每瓦智能”，它们将成为2026年的产品与基础设施约束。 嘉宾预计，AI会主动收集上下文、使用屏幕、停止等待提示词，并把“Claude Code体验”带给更广泛的知识工作；企业要获得收益，则需要智能体脚手架和具有经济意义的评测。Ben和Ash Spectre认为，电力是近期数据中心的约束，但长期看芯片更重要，因为芯片折旧更快，而且按每千瓦时约10美分计算，5年内芯片成本约为电力成本的10倍。
精读
1. 采用速度快过反弹叙事
Elad预计，又一轮评论人士会宣称AI被过度炒作或根本不起作用。他的反驳基于时间尺度：技术浪潮“通常要大约10年才能扩散”，而用户已经从中获得“巨大的价值”。每年一轮的反弹，最终大多只是“浪费大量时间”。
Sarah认为，焦虑来自投资者仓位：大量资本押注在技术和采用假设上，而基金经理对这些假设缺乏第一性原理层面的信心。Nvidia某个季度表现疲软，可能触发恐慌，但她认为这与底层的长期结构性变化基本脱节。
Offcall一份关于医生采用情况的报告显示，AI在文档记录和临床决策支持领域的渗透率惊人，既包括Abridge、OpenEvidence等产品，也包括通用模型。Elad更意外的是，过去往往最晚采用新技术的人群，如今也在快速使用这些工具，包括医生、律师、部分会计从业者和合规团队。
Elad认为，编程、医疗听写和Harvey这类法律软件已经向少数玩家集中，下一批垂直领域将在2026年达到巨大规模。Sarah则给出了更明确的变现判断：有人会“用LLM做市场交易，赚到数亿美元”。
2. 机器人会在规模化前先令人失望
Sarah预计机器人行业会出现“某种情绪崩塌”——不是因为技术停止进步，而是因为企业承诺的时间表不可能全部兑现。人形和半人形机器人应会开始小规模进入消费或工业场景，但不完美的表现会引发过度反应，并导致投资者分化。
Elad把自动驾驶15–17年的发展曲线作为耐心的参照：这项技术终于开始奏效，2026年应会让自动驾驶在私人汽车以及Waymo、Tesla出租车中的重要性进一步显现。他将自动驾驶汽车称为“一台极其复杂、但只有一个使用场景的机器人”；Sarah也强调，自动驾驶只是单一场景，并据此指出，通用机器人需要的不只是移动能力。
在关于 incumbents 的争论中，Elad指出Waymo和Tesla是自动驾驶当前的赢家，并思考Optimus、甚至Waymo能否延续这种优势；他认为，incumbents 通常会凭借规模和数量优势胜出。Sarah则表示，资金、硬件、制造、传感器和供应链需求可能让 incumbents 占优，但她看好中国、Tesla以及一家可能的创业公司成为机器人赢家；她还指出，Tesla的驾驶模型或许能为Optimus提供移动能力，却无法解决操作能力问题。她以Google基础模型业务的回归为例：凭借数据、资本、硬件和人才，Google最终重新占据重要位置，这一席位本来就可以预判。
3. AI IPO可能变成反身性基准交易
Elad描述了市场可能发生的断裂：需求未必足以支撑这一轮资本开支周期，数据中心和芯片交易中的信贷与货到付款合同，可能让交易对手不断“把球传下去”，而投资者还要面对Nvidia及少数相邻标的带来的集中度风险。
他的对冲基金轶事体现了这种反身性。一位私下投资了多家实验室的基金经理说，无论自己怎么看，都必须买入某家实验室的IPO，因为散户可能把股价推高，而基准考核会惩罚不参与的基金经理。Elad的反应是：“这不是我所理解的投资工作。”
Elad预计，只要第一家大型AI公司上市时没有定价过高，交易就会取得极佳表现，并吸引后续公司进入市场。散户想要一只Nvidia之外的纯AI标的，而IPO也能让资金饥渴的AI实验室筹集巨额资金。
Elad说，自己原本没想到ChatGPT之外会出现这么多独特的消费体验，但如今已经看到自己想用的消费级智能体软件中的“神奇体验”；不过，他仍预计一批消费硬件大多会失败。Sarah认同其中的机会。她检验产品持久性的标准是“逃逸速度”：如果没有网络效应或其他护城河，AI实验室或Google两三年后就能复制赢家，再靠分发能力追上。
4. “研究时代”重新打开模型栈
Sarah关于新型实验室的判断，从Ilya所说的“研究时代”开始：规模仍然重要，但在有限算力门槛之上，新的想法可以被测试，并可能带来更快或更高效的进步。资本如今可以测试扩散模型、SSM等尚未充分规模化的架构。Elad的约束仍然是聚合效应：规模和收入最终会把资金导向已经证明有效的方法。
Elad预计，新的物理、材料和数学模型会产生1–2个引人注目的结果——例如新材料或被证明的猜想——随后市场会夸张地宣称“科学已经被解决”。单个成果的意义会被高估，但长期趋势会被低估，而且其重要性“难以置信”。
一位在结尾谈论药物发现的嘉宾给出了具体案例：2025年，行业从计算机设计的小分子，推进到具有药物属性的小型抗体，再到完整长度、具备药物属性的抗体，而且都是零样本完成。他的判断是：“2025年是研究之年”，2026年将成为“部署之年”，包括攻克传统技术难以触及的困难靶点。
Elad坦言自己并不确定：“我一直认为，也许是不正确地认为——其实我现在大概觉得这个判断是错的——最终你会得到进化系统。”他将其类比为大脑中的专门模块，以及蛋白质工程从分析式设计走向更进一步的发展；随后提出“代码加自我进化”可能成为快速起飞的路径，但这并不是一个已经确定的预测。
5. 国防与肽类药物吸引模型层之外的资本
Sarah预计，无人机系统和国防创业公司将在政府立场推动及创业公司密度上升的共同作用下，推动战争方式“彻底重构”。Elad认同竞争需求显而易见，但警告预算必须以足够大的规模从主承包商转向新公司。他还指出，即使大量公司最终倒闭，繁荣周期仍会吸引资本和人才。
Elad对AI相关领域的判断是，尽管GLP-1已经广受欢迎，市场仍然低估其影响：采用“不可阻挡”，肥胖率下降会带来广泛的二阶效应，而显著疗效以及市场对给药方式重要性的认识，可能为工程化肽类和激素疗法打开路径。Sarah认同，成功会带动更多资本投向类似机会。
他们讨论了生物黑客群体是否可能成为较早采用者：Elad提到非适应症使用GLP-1、肽类药物，以及前往Dubai注射；Sarah又补充了超声神经调控和干细胞注射。他提出的问题是：“有没有一家做肽类药物的Hims？”这让人想起健美社群此前在肌酸及其他干预手段更广泛使用过程中扮演的先行角色。
6. 上下文与效率成为智能体技术栈
在结尾的多组预测中，AI将不再等待提示词：产品会从记忆、屏幕和相关数据源推断意图，而更快的推理速度也会解锁新的交互界面。一位嘉宾预计，面向大众的智能体将带来一次ChatGPT级别的体验跃迁，“谁都有机会”；另一位则预测，所有知识工作都会拥有“Claude Code体验”。
Aaron认为，企业落地所需的不只是模型访问权限：智能体还需要组织工作流、内部数据、上下文工程和变革管理。他预计，智能体脚手架将带来“一个数量级的提升”，同时还需要能够衡量真实知识工作任务、具备经济意义的评测体系。
一位嘉宾预测，在DeepSeek于2024年底出现、领先地位转向中国后，美国将重新夺回最大规模的开放权重前沿模型领导地位。另一位预计，AI会成为2026年中期选举议题，并称自己“不确定最终哪一方会胜出”；第三位则表示，即使公众对AI的敌意上升，对其有用性的认知也会发生反转。
Ben和Ash Spectre称，2026年将成为能源效率AI之年：电网接入和高压设备会限制数据中心扩张，但需求仍然“无法满足”。按每千瓦时约10美分计算，在5年的折旧周期内，芯片成本约为电力成本的10倍——因此“每瓦智能”现在就很重要，但从长期看，芯片更重要。