AI 從工具蛻變為環境：a16z 公布 2026 年四大關鍵趨勢

作為投資人，我們的責任是深入掌握科技產業的各項細節，以便洞察未來發展趨勢。因此，每年 12 月，我們都會邀請投資團隊分享他們認為來年科技創業者將專注解決的重大課題。

今天，我們帶來基礎設施、成長、生物與健康，以及 Speedrun 團隊的觀點。敬請期待明天其他團隊的精彩見解。

基礎設施

Jennifer Li：新創企業化解多模態資料混亂

非結構化、多模態資料始終是企業最大的瓶頸，同時也是尚未開發的巨大寶藏。每家公司都被 PDF、截圖、影片、日誌、郵件及半結構化資料淹沒。模型愈發智慧，但輸入卻日益雜亂，導致 RAG 系統出現幻覺、智能體產生隱性且昂貴的錯誤，關鍵流程依然高度依賴人工品管。如今，AI 企業的限制變成了資料熵：在非結構化資料的宇宙中，資訊的新鮮度、結構性與真實性不斷衰減，而 80% 的企業知識正存在於這裡。

因此，理清非結構化資料成為時代機會。企業急需持續淨化、結構化、驗證及治理多模態資料的方法，讓 AI 下游應用真正發揮效益。應用場景遍及各領域：合約分析、員工入職、理賠處理、合規支援、採購、工程搜尋、銷售賦能、分析管道，以及所有依賴可靠上下文的智能體工作流程。能從文件、圖片、影片中萃取結構、協調衝突、修復流程或保持資料新鮮且可檢索的平台型新創企業，將掌握企業知識與流程的關鍵鑰匙。

Joel de la Garza：AI 重塑資安招募生態

過去十年，CISO 最大的挑戰就是招募。從 2013 年到 2021 年，未補齊的資安職缺數從不到 100 萬增加到 300 萬。因為資安團隊需要高技能技術人員執行枯燥的第一線安全工作，例如日誌審查，卻鮮少有人願意承擔。問題在於，資安團隊藉由採購「全檢測」產品製造了這種繁瑣，導致團隊必須審查所有內容，進而產生虛假的人力短缺，形成惡性循環。

到 2026 年，AI 將打破這一循環，透過自動化大量重複性工作，填補資安團隊的人才缺口。任何有大型資安團隊經驗的人都知道，一半的工作其實可輕鬆自動化，但當你被任務壓垮時，很難判斷該自動化哪些部分。AI 原生工具能為資安團隊解決這一難題，最終讓他們專注於真正有價值的事：追蹤威脅、建構新系統、修補漏洞。

Malika Aubakirova：智能體原生基礎設施成為新標準

2026 年，最重大的基礎設施變革將來自企業內部。我們正從「人類速度」的可預測、低並發流量，轉向「智能體速度」的遞迴、高爆發、大規模負載。

現今企業後端系統是為 1:1 的人類行為與系統回應設計，無法應對單一智能體「目標」在毫秒內觸發 5000 個子任務、資料庫查詢和內部 API 呼叫。當智能體嘗試重構程式庫或修復安全日誌時，其行為與一般用戶截然不同。對傳統資料庫或流量限制器而言，這更像是一次 DDoS 攻擊。

2026 年，為智能體打造系統意味著全面重塑控制層。我們將見證「智能體原生」基礎設施的崛起。新一代系統必須將「雷鳴集群」模式視為預設。冷啟動時間需縮短，延遲波動需消除，並發上限需大幅提升。瓶頸轉向協調能力：路由、鎖定、狀態管理與政策執行，需在大規模平行執行下達成。唯有能承受工具執行洪流的平台，才能勝出。

Justine Moore：創意工具多模態化趨勢

我們已具備用 AI 講故事的基礎能力：生成聲音、音樂、圖片和影片。但要製作超越一次性片段的內容，往往費時費力甚至難以達成，特別是想要達到傳統導演的控制力時更是如此。

為什麼不能輸入一段 30 秒影片，讓模型用參考圖片和聲音生成新角色持續場景？或者重新拍攝片段，以不同視角呈現，或讓動作與參考影片一致？

2026 年將是 AI 多模態化的關鍵一年。無論你有什麼參考內容，都能交給模型，共同創作新作品或編輯現有場景。我們已見到 Kling O1、Runway Aleph 等早期產品，但模型層與應用層仍有巨大創新空間。

內容創作是 AI 的關鍵應用之一，預計未來在各種場景和用戶群中都會出現多款成功產品，從表情包創作者到好萊塢導演皆然。

Jason Cui：AI 原生資料堆疊持續演進

過去一年，「現代資料堆疊」領域歷經大量整合，資料公司從蒐集、轉換、運算的專業化轉向一站式平台。例如 Fivetran 與 dbt 合併，以及 Databricks 等統一平台的崛起。

雖然生態系統更成熟，真正的 AI 原生資料架構仍處於早期。我們期待 AI 持續賦能資料堆疊各環節，並逐步見證資料與 AI 基礎設施的深度融合。

我們關注的重點包括：

• 資料將持續流入高效能向量資料庫，與傳統結構化資料共存
• AI 智能體如何解決「上下文問題」：持續取得正確的資料上下文與語意層，打造強健應用，如資料對話，確保多系統間始終擁有精確的業務定義
• 隨著資料工作流程愈發智能體化與自動化，傳統 BI 工具和試算表將如何革新

Yoko Li：我們迎來「進入影片」的一年

2026 年，影片將不再只是我們被動觀看的內容，而是成為我們能夠真正「進入」的場所。影片模型終於能理解時間、記住已呈現內容，對我們的互動做出回應，並以我們期望的物理世界穩定性持續運作。不再只有幾秒鐘的分割畫面，而是能長時間維持角色、物體和物理規律，讓動作與結果得以展開。這讓影片成為可建構的平台：機器人能在其中訓練，遊戲得以進化，設計師能開發原型，智能體透過實作學習。最終不再只是片段，而是一個生動環境，開始彌合感知與行動的鴻溝。首度，我們彷彿能真正「居住」在自己生成的影片世界中。

成長

Sarah Wang：紀錄系統讓位於智能執行

2026 年，企業軟體真正的變革在於紀錄系統終於失去主導地位。AI 正在縮短意圖與執行的距離：模型現今可直接讀取、寫入並推理營運資料，讓 ITSM 和 CRM 系統從被動資料庫轉型為自動化工作流引擎。隨著推理模型和智能體工作流持續進化，這些系統不僅能回應，還能預測、協調並端到端執行流程。介面轉為動態智能體層，傳統紀錄系統退居後台，成為通用儲存層——其戰略價值將由掌控智能執行環境的企業取代。

Alex Immerman：垂直 AI 從檢索推理進化到多方協作

AI 推動垂直軟體實現前所未有的成長。醫療、法律、住房企業在短短數年內達成 10000 萬 + ARR，金融與會計領域緊隨其後。最初的變革是資訊檢索：尋找、提取、總結關鍵資訊。2025 年帶來推理能力：Hebbia 分析財報並建立模型，Basis 跨系統對帳試算表，EliseAI 診斷維修問題並調度合適供應商。

2026 年將開啟多方協作新階段。垂直軟體受益於專屬介面、資料及整合，但本質上是多方參與。若智能體要代表勞動力，必須協作。從買賣雙方到租戶、顧問、供應商，每方皆有獨特權限、流程與合規要求，只有垂直軟體能理解。

目前各方多是孤立使用 AI，導致交接時缺乏權威。分析採購協議的 AI 不會與 CFO 溝通模型調整，維修 AI 也無法理解現場人員對租戶的承諾。多方協作能協調各方利益關係人：路由至專家、維持上下文、同步異動。對手方 AI 在參數範圍內協商，並將不對稱情況標記給人工審核。高級合夥人的批註將訓練整個系統，由 AI 完成的任務成功率更高。

當多方協作提升價值，轉換成本也隨之上升。這將帶來 AI 應用長期缺失的網路效應：協作層成為護城河。

Stephenie Zhang：為智能體而非人類創作

2026 年，人們將開始透過智能體與網路互動。過去為人類設計的內容，在智能體時代將不再適用。

多年來，我們針對可預測的人類行為優化：提升 Google 排名、進入 Amazon 首頁、用 TL;DR 開頭。高中新聞課教我們新聞 5W+H，以及特寫報導的吸引點。也許人類會錯過第五頁的深刻見解，但智能體不會。

軟體也在轉型。應用原為人眼和點擊設計，優化重點在於 UI 與流程流暢。隨著智能體接管檢索與解讀，視覺設計不再關鍵，理解能力轉向機器可讀性。工程師無需盯著 Grafana 儀表板，AI SRE 會自動解讀遙測資料並在 Slack 發布洞見。銷售團隊無需翻查 CRM，智能體會自動萃取模式與摘要。

我們不再為人類設計，而是為智能體設計。新的優化重點是機器可讀性，這將徹底改變我們的創作方式與工具。

Santiago Rodriguez：AI 應用螢幕時間 KPI 的終結

過去 15 年，螢幕時間一直是衡量消費與商業應用價值的關鍵指標。我們習慣以 Netflix 觀看時數、醫療 EHR 點擊數（證明有效使用）或 chatGPT 使用時數作為 KPI。隨著未來轉向成果導向定價，廠商與用戶激勵完全一致，螢幕時間報告將率先消失。

這一趨勢已在實務中出現。當我在 ChatGPT 執行 DeepResearch 查詢時，幾乎不需螢幕時間卻獲得巨大價值。Abridge 自動記錄醫患對話並自動處理後續，醫師幾乎不看螢幕。Cursor 端到端開發應用，工程師則規劃下個功能週期。Hebbia 從數百份公開文件起草路演簡報，投行分析師得以安心休息。

這帶來獨特挑戰：每個應用每位用戶能收多少費用，需要更複雜的 ROI 衡量。醫師滿意度、開發者生產力、金融分析師福祉與消費者幸福感因 AI 應用而提升。能用最簡明 ROI 故事打動客戶的公司，將持續領先。

生物與健康

Julie Yoo：健康 MAU 新勢力崛起

2026 年，醫療領域將迎來全新客群：「健康 MAU」。

傳統醫療體系主要服務三類用戶：(a)「病態 MAU」：需求高峰、成本高昂者；(b)「病態 DAU」：如重症、長照患者；(c)「健康 YAU」：極少看醫師的健康個體。健康 YAU 有轉為病態 MAU/DAU 風險，預防照護可延緩此過程。但現行醫療給付體系偏重治療非預防，主動檢查與監測服務未獲優先保障，保險也幾乎不涵蓋。

健康 MAU 應運而生：他們並未生病，但希望定期監測、了解自身健康，同時是潛在最大消費群。我們預期將有一批 AI 原生新創及傳統企業升級產品，為這一族群提供定期服務。

隨著 AI 降低醫療服務成本，專注預防的新型健康保險產品湧現，消費者更願意自費訂閱服務，「健康 MAU」將成為健康科技領域下一個高潛力客群——持續參與、數據驅動、以預防為核心。

Speedrun

Jon Lai：世界模型引領互動敘事新浪潮

2026 年，AI 驅動的世界模型將透過互動虛擬世界與數位經濟徹底革新敘事方式。Marble（World Labs）、Genie 3（DeepMind）等技術已能以文字提示生成完整 3D 環境，用戶可如同遊戲般自由探索。隨著創作者採用這些工具，嶄新敘事形式將湧現，最終或許誕生「生成式 Minecraft」，玩家可共同創造龐大、持續演化的宇宙。這些世界將融合遊戲機制與自然語言編程，例如「創建一支能把所觸物體變粉紅色的畫筆」。

此類模型將模糊玩家與創作者界線，讓用戶成為動態共享現實的共同作者。這一演進有望催生互聯生成式多元宇宙，奇幻、恐怖、冒險等多類型共存。創作者可透過製作資產、指導新手、開發互動工具等於數位經濟中獲益。除娛樂外，這些生成世界也將成為 AI 智能體、機器人甚至 AGI 的豐富模擬訓練場。世界模型崛起不僅預示新型遊戲類別，更是全新創意媒介與經濟前沿的到來。

Josh Lu：「我的一年」

2026 年將成為「我的一年」：產品不再為大眾大量生產，而是為你量身訂做。

這一趨勢已隨處可見。

教育領域，Alphaschool 等新創正打造 AI 導師，依學生節奏與興趣調整教學，讓每個孩子都能獲得個人化教育。過去，這種關注度只有花數萬美元請家教才可實現。

健康領域，AI 為你訂製每日營養補充、運動計畫與飲食習慣，無需教練或實驗室。

媒體領域，AI 讓創作者將新聞、節目、故事重混為個人化資訊流，精準契合你的興趣與風格。

上世紀最成功的企業靠尋找「平均消費者」獲勝。

下世紀最成功的企業將靠發現「平均值中的個體」勝出。

2026 年，世界將不再為所有人最佳化，而是為你最佳化。

Emily Bennett：首間 AI 原生大學誕生

2026 年，我預期將見證首間 AI 原生大學誕生——從零開始圍繞智能系統設計的學府。

過去數年，大學已嘗試 AI 賦能的評分、輔導與排課。但現在出現的是更深層次的變革——一個能即時學習並最佳化自身的自適應學術「有機體」。

想像這樣一所學府：課程、諮詢、科研協作乃至建築營運都能依據數據反饋持續自我調整。課表自動最佳化，閱讀清單每日更新，隨新研究自動改寫。學習路徑即時適應每位學生的節奏與背景。

我們已見到前兆。ASU 與 OpenAI 校園合作催生數百個 AI 驅動的教學與管理專案。SUNY 將 AI 素養納入通識教育要求。這些皆為更深入部署的基礎。

在 AI 原生大學中，教授成為學習架構師，負責數據策展、模型調優，並教學生如何質詢機器推理。

評估方式也將轉變。檢測工具與查重禁令讓位於 AI 感知評估，學生評量重點從「是否用 AI」轉為「如何用 AI」。透明與審慎應用取代禁用。

隨著各行各業爭搶能設計、治理、協作 AI 系統的人才，這所新型大學將成為人才搖籃，培養善於編排智能系統的畢業生，支援快速變化的勞動市場。

這所 AI 原生大學將成為新經濟的人才引擎。

敬請期待明天的第二部分。

訂閱

本通訊僅供資訊參考，無意作為法律、商業、投資或稅務建議。本內容亦不構成投資建議，亦不適用於任何 a16z 基金的投資人或潛在投資人。本通訊可能包含第三方網站連結或資訊——a16z 未獨立查證，亦不對該等資訊現時或長期正確性作出任何聲明。若本內容包含第三方廣告，a16z 未審核相關廣告內容，亦不對其中涉及的公司或廣告內容背書。文中提及之任何投資或投資組合公司不代表 a16z 管理之所有投資項目；完整投資名單請參見https://a16z.com/investment-list/。其他重要資訊請參閱a16z.com/disclosures。您收到本通訊是因主動訂閱，若欲取消訂閱可立即退訂。

免責聲明：

1. 本文轉載自 [a16z]，版權歸原作者所有 [a16z New Media]。如對轉載有異議，請聯絡 Gate Learn 團隊，我們將儘速處理。
2. 免責聲明：本文所述觀點僅代表作者個人，不構成任何投資建議。
3. 本文翻譯由 Gate Learn 團隊完成，除特殊說明外，禁止複製、分發或抄襲譯文內容。