信息报_2026年人工智能将如何演变_2026-01-06.pdf


Welcome to the last AI Agenda issue of 2025! Lots went down this year (check out yesterday's newsletter for a full recap), and we expect things to get even crazier in 2026.

欢迎阅读 2025 年最后一期《AI Agenda》！今年发生了许多大事（请查看昨天的时事通讯获取完整回顾），我们预计 2026 年的情况会变得更加疯狂。

Machines Lab. This year we saw the launch of several so-called neolabs smaller AI labs that hope to exploit approaches to AI development they say the big AI labs are overlookingand 2026 should see acquisitions of some of them. My prediction is that Thinking Machines Lab, the high-profile startup cofounded by ex-OpenAI Chief Technology Officer Mira Murati, will be one of those snapped up. The company was recently talking with investors about raising money at a $50 billion valuation, but that funding round doesn't seem to have closed yet. Any funding delay could signal growing investor anxiety at the thought of backing yet another AI lab

谷歌将收购Thinking Machines Lab。今年我们见证了数家所谓“新实验室”（neolabs）的成立——这些规模较小的AI实验室希望利用大型AI实验室据称忽略的方法来开发人工智能——而2026年应该会看到其中一些实验室被收购。我的预测是，由前OpenAI首席技术官Mira Murati共同创立的高调初创公司Thinking Machines Lab将是其中之一。该公司最近一直在与投资者洽谈以500亿美元的估值融资，但该轮融资似乎尚未完成。任何融资延迟都可能预示着投资者对于以如此高价支持又一家AI实验室的焦虑感正在增加。再加上Thinking Machines自2月份公开亮相以来仅发布了一款产品，这一切都指向了并购的高度可能性。谷歌可以为这家初创公司提供一个舒适的落脚点，以及作为一家拥有出色研究能力、并有真实机会赢得AI竞赛的AI开发者的声望。

发布自动化AI研究实习生的目标，但该实习生将令人失望。今年10月，OpenAI首席科学家Jakub Pachocki在一次直播中表示，他预计公司到明年9月将拥有能够达到研究实习生水平的AI系统，到2028年3月将拥有能够进行更高级AI研究的系统。我预计OpenAI会在明年9月展示一些他们称之为“自动化AI研究实习生”的东西……然而，这项技术究竟有多令人印象深刻，则是另一回事。值得注意的是，OpenAI将其实现AI研究自动化进程中的第一个承诺里程碑设定为“研究实习生”，因为这个定义非常模糊。毕竟，人类研究实习生被认为会犯错并需要资深研究员的帮助，这为任何冠以该名称的AI技术留下了巨大的回旋余地。

月费超过1,000美元的智能体。还记得OpenAI曾计划为博士级智能体每月收取20,000美元吗？这家ChatGPT的开发商可能操之过急了。在2025年，所谓的AI智能体（即能在用户设备上自动执行任务的AI软件）表现不及预期。许多公司降低了对这类软件的期望，虽然定价各异，但往往远低于20,000美元。随着AI技术在处理长时任务方面变得更加可靠，我们可能会在2026年看到各大实验室上调AI智能体的价格。不过，让我们先从1,000美元这个较低的价格点开始预测。

价大跌。今年，多位知名的人工智能研究人员对当今最主流的AI模型训练方法提出了批评。这些研究人员（包括OpenAI前首席科学家Ilya Sutskever）表示，现有的技术无法带我们实现超人工智能，因为它无法像人类那样从现实世界的经验中即时学习（即持续学习）。相反，模型开发将继续依赖海量数据和计算资源，并经历极其耗时的训练过程。目前所有实验室可能都在进行持续学习的研究，如果其中任何一家取得突破，对英伟达来说都将是坏消息。持续学习所需的训练数据和算力将远少于现有的训练流程，这意味着对英伟达热门芯片