协同进化：2026人工智能十大趋势报告

进化

• 学习曲线：2026年AI发展趋势将围绕三条学习曲线展开：强化学习拓展能力边界、从使用场景中实时学习、AI加速自身研究。
• RLVR的扩散：强化学习走出代码和数学，向更多可验证领域扩散，如材料科学、超导体发现等。基础设施质量对结果的影响大于模型能力，掌握数据通路成为关键。
• 在线进化：模型将从一次成型的产品，变成一个会随用户长期共同进化的个体。上下文学习能力成为关键，实用性模型将在多数企业场景成为默认选择。
• AI加速AI研究：AI参与自身研发程度加深，如Anthropic的Claude编写代码比例超过80%。AI加速AI研究是渐进过程，但窗口可能比预想的更短。

感知和发现

• 原生多模态架构：多模态AI角色从“更逼真”转向理解意图、规划步骤、自主迭代。生成系统从一次性输出变成多步决策过程，非生成式路线重新获得关注。
• 世界模型迈向行动：世界模型从仿真物理到预演后果，充当“想象引擎”，理解重力、碰撞等刚性物理和软物理常识，为机器人和自动驾驶提供决策支持。
• 多模态记忆：多模态AI需要多层次“视觉经验”，包括情境性记忆、偏好性记忆和情感性记忆，形成可引用的“共同历史”。

科学智能：AI for Science

• 自主实验室：自驱动实验室（SDL）逐步进化成可自适应的循环科研系统，AI在生物医药、材料发现、地理气象和数学等领域应用开始产出和价值验证。
• 专用科学大模型：通用AI模型保障科学智能的广度，专用科研模型探索细分科研场景创新的深度和上限，如AlphaFold、GPTRosalind、MatterSim-MT等。
• 基础大模型成为科研操作系统：科学智能技术和范式层面变化，多家公司以基础大模型为核心，将科研AI从单点工具升级为系统性平台。
• 科研智能体：科研智能体参与探索人机协作新边界，如谷歌的Co-Scientist和Aletheia，Anthropic的Claude等。
• 可信基础设施：AI虚假信息对科研文献的污染加剧，业界组织应对从自愿披露转向强制审查，可信基础设施亟待加快建设。
• 人才需求：AI4S跨领域人才需求明显增大，全球开始发掘和培养原生π型人才，如DeepMind创始人Demis Hassabis。

从可用到好用的基础设施

• 驾驭工程：Harness Engineering显性化，从外部搭建走向被模型内化，工作重心从指挥AI做事转向设计AI怎么工作。
• 推理时计算：预训练边际收益递减，推理时计算成为新发力点，Harness编排推理步骤，提升复杂任务表现。
• 评估前置为控制层：评估系统定义任务验收标准，记录agent执行轨迹，判断偏航，将错误转成可追溯证据，并喂回下一次运行。
• 输入格式：纯文本优先和结构化格式之争，指向上下文窗口的使用策略，Local First、纯文本优先的倡导者把前者推到极致。
• Harness成为基础设施：Harness中能积累复利的部分可跨项目复用，成为AI时代的一类基础设施，如数据库、云等。

全民构建

• AI编程：AI编程在普通用户侧跨过临界点，构建软件第一次不再以“会写代码”为前提，非开发者成为独立的构建群体。
• 原型墙：AI把“从零到原型”的成本压到几乎为零，“从原型到可运营”却横亘着一道沟，判断力成为新门槛。
• 编码能力溢出：AI编程在专业侧完成从“代码补全”到“自主交付”的跃迁，并逼近“做对”的天花板，工程师重心从写代码转向定义意图与编排Agent。
• 通用工作Agent：头部编程产品进化为通用工作Agent，如Claude Cowork、CodeBuddy、Codex Work等，知识工作进入Agent井喷期，并按岗位向财务、法律、咨询等专业服务渗透。
• Agent原生范式：AI编程跑通的远不止一个工具，它是一套由模型、技能调用、Agent编排、自然语言界面和即时验证迭代组成的可复用范式，将决定各行业AI化的快慢。

可信执行

• AI安全：智能体可能被恶意指令诱导，被授予过大权限，且智能行为过程难以追溯，需要提前管好三件事：明确智能体身份、厘清智能行为链路、约束智能体操作权限。
• 通讯协议统一：智能体通讯协议正从各家自定义走向标准统一，设计即安全，将身份认证、访问授权与传输加密等安全机制内置于协议规范本身。
• 身份下沉至基础设施：为智能体建设专属基础设施，包括独立身份、专属邮箱、可编程支付、权限授权、行为审计、信誉评价和安全治理机制等。
• 行为可追溯：为智能体发放唯一可验证身份，并将其纳入统一的安全框架，实现来源可验证和语义级追溯的数据流通。
• 责任体系：明确开发者、运营者与使用者在各环节的安全义务，使每一次自主行动有责可追。

当AI成为社会的参与者

• 智联网：Agent成为互联网新主体，从人上网到Agent上网，改变了注意力经济的曝光基础，推动商业模式和竞争格局同步换代。
• 商业模式换代：互联网商业模式从注意力经济转向效果经济，竞争逻辑从争夺注意力转向交付业务结果。
• Agent对产业的渗透：Agent对产业的渗透正在从辅助走向深度重构，接管曾经只有人类才能完成的复杂判断和端到端执行。
• 液态组织：AI带来的组织液化，改变的是结构存在的方式，公司结构本身并不消失，但价值正被改写。
• 硅碳混编：人与Agent组成基本工作单元，人按任务动态切换站位，人人成为智能体老板，管理能力前移到每个岗位。
• 按需组队：团队随任务即时组建，分工从按职能交付转向按结果闭环，组织规模正在与产能解绑。
• 弹性契约：按需组队的瓶颈在带队的人，不在队员，人和组织的关系从岗位绑定转向贡献关联，按需组队的瓶颈在带队的人，不在队员。
• 角色重构：从监督者到架构师，职业的重心在往上移，人人成为智能体老板，管理能力前移到每个岗位。
• AI重组任务：AI重组的是任务，不是岗位，影响落在任务粒度上，执行能力正在变得便宜，架构能力正在变得昂贵。
• AI原生教育：AI原生教育要培养的是Architect，也就是能定义问题、驾驭工具、承担后果的人，持续学习会成为这种组织的底层能力。
• 人才培养策略：提出五条可操作的策略，包括在专业教育中嵌入“意图-约束-证据”训练框架、用AI模拟真实业务场景、建立“人机协作项目制”教学、跨学科培养“领域+AI”双能力人才、建立持续学习认证体系。