在过去的十年里，AI 的话题聊到最后总能聊到哲学，人为什么是人，机器为什么是机器，讨论都偏科幻向，天网，武器化，等等。最近一年的 AI 的讨论都能聊到经济问题，机器成本，人的成本，在时间尺度上的单位成本，边际增长，等等。这是 AI 迈向生活的信号，人最终被 AI 击败了，不是被天网，而是现实的成本计算。2025 年我们看到了全球的裁员，目前受到巨大影响的还是数字行业，可用的人力被重新调配到能创造更多效率和价值的地方去了，也就是服务于社会的 AI 化改造，洗数据，买算力，建电厂，建立新的工作形式。
新话题则不再是围绕智能，而是新工具能多大程度改变这个社会的经济体系。
去年起就不断有探讨模型性能拓展触达天花板，算力随着电力瓶颈和扩展的边际效率降低，接着，AI 应用就逐渐朝着实体化(embodiment), 和智能体(agent)的方向发展。微软，Adobe, Google, 等大厂纷纷下场成为算力变现的主要推动者。
对于这一次 AI 的发展趋势，先说一句暴论，AI 迟早是要以完全替代和协作替代的方式变革现代生产力的。现代生产力以数据交换为基础，以收益支出比为衡量尺度，在全球化快速业务扩张需求的催化下，经历了内部数据规范治理，算力外部租用，业务触达随移动网络泛在，无一不伴随着业务能力的拓展，以及对金融工具的灵活运用，巨量的人才，资源向着信息产业倾斜，一旦出现契机，资源会迅速将期望杠杆化，并迅速变现。随embodiment和agentic AI 初显能力，全世界都领略了 LLM 的巨大能量和潜力，所有行业无论是主动接受的还是被动适应的方式，都要经历阵痛和转型。
如果有了这个前提，那么所谓的预测也无非是被阶段化之后，在 2026 年会完成多少。今天的 AI 语境仍然是以技术本身为主语的，这是不符合应用习惯的。随着行业应用加深，讨论终究会回到业务视角，讨论变现能力和平衡点。
几个远期判断
1. 商用化带来的中立性和私有数据交互挑战
除非破坏中立性的业务基础，面向终端消费的需求，消费诱导变得容易。如果通过 LLM，那么货品和顾客之间的联系就缺乏动线，顾客是否愿意提供私有数据，例如身高体重，购买记录，或者其他各种保留在输入法，其它通信设备里的个人数据会变成推荐的桥梁和变现的渠道，价格会均摊在个人数据上。在伦理和金钱之间，历史的经验告诉我们，即便是伦理获胜，也会是以一种经济衡量的方式取胜，而不是伦理本身。相应的，AI-proof 技术，类似水印，类似反 AI 技术会出现在视野。
2. 无感、泛在、终端设备和网络的大规模部署带来的短期经济刺激
LLM 会退居二线，agent 和更通用的设备和应用会更向前贴近人的感官和需求成为最靠近需求反馈的前线。
3. M2M 新标准和 token efficient payload 格式带来的更交互化的环境设施
LLM + STT / TTS 解决了说的问题，眼镜，耳机，开始接管人类最直接最基础的需求。那么 PAN 和云，移动，甚至 M2M，新的 token-efficient payload 交互格式 的需求会得到加强，进一步推动技术标准的设计。世界的外部基建会更加交互化。
4. 会出现类似 GoF 一样的 LLM 交互模式
LLM 的接入能力太高，但是受到 context window 的限制，对全局和局部的平衡以及理解会有偏颇。有时候为了局部的优化以全局能力退化为代价。因此控制域，交互，CDD 等概念下会催生新的交互方式。又因为 LLM 渗入行业的各方各面，LLM 交互模式的影响会高于 GoF。
5. 安全和伦理边界松动
在模型的 context 为瓶颈的前体系，小模型，小数据，zero/few shot 等小的内存管理能力，或者提示词优化器会进一步得到刺激，会有更多的数据隐私挑战而催生的 长记忆 + 短记忆，通用能力 + 私有数据的部署需求。世界会变得更加封闭，一定程度上也是计算范式通用化，数据本地化，私有化，保密化的一种反应。
6. 削足适履
能够直接应用 AI 能力的，直接应用，不能直接使用的，创造条件也要能使用。过去所创建的各种严谨规范美丽科学的架构会被毁坏来适应 AI 的需求。旧习惯会被打破，新习惯会建立。出现适应 AI 交互的学科体系。
7. 算力联盟变得协同、电力市场和政策进一步开放
GPU / x86 / ARM 体系，包括 UMA 的大规模使用，以及美国政府渗入 Intel, 英伟达，以及未来的很多基建建设，算力之间正呈现出类似 win-tel 的那种关系。由模型产生的高度需求，极大刺激了经济需求，包括电力和算力建设投入，这是一个新的经济结构。
2026 预测暴论
2026 年的关键词是：安全，包括隐私，伦理，可用性，武器化等维度。
- 内存颗粒价格持续攀升。 导致设备采购速度放缓，网络服务需求增加。同时，因为设备采购成本上升，为了省出资金空间，企业裁员的范围会扩大，主要体现在算力需求行业。
- 市场出现由基建事故为导火索引发的 AI service outage，而引发的次生事故。
- 失业浪潮扩大 到更多的行业，媒体，咨询。高考受到 AI 和人口下降的影响，师范，媒体，计算机 等行业报考人数剧烈下滑，而金融，量化等用算法挣钱的行业报考分数居高。AI 进入高考，中考。
- 出现机器人攻破陪侍等产业的新闻。
- 英伟达收到反垄断诉讼。
- 出现 AI 的泛武器化概念，包括金融，数据污染，热武器，等等。
- 模型进一步扩大。出现超大规模网络。
- 盈利业务形态初显。