a16z：2026 年的 AI 應用生態，關鍵問題是這幾個

2026 年，基模會不會吃掉所有應用場景？

AI 應用層的「厚度」，是 AI 業內許多大佬都在探討的一個關鍵問題。

Andrej Karpathy 在年度總結里有個觀點：

基座大模型，就像一個剛畢業的大學生。LLM 實驗室負責把它培養成一個什么都懂一點的通才。 而 LLM 應用要做的，是把它招進來，然后進行「崗前培訓」。用私有數據、傳感器、執行器和反饋閉環，不斷地組織、微調、打磨。 最終，把這個「通才」畢業生，變成一個特定領域的頂尖專家。

近期，a16z 專注消費級應用的投資人Anish Acharya 圍繞「2026 年，AI 應用生態可能是什么樣的？」，也進一步聊了聊他認為的幾個關鍵問題。

Acharya 提到，「AI 業內已經把代碼的成本打下來了，但這種低成本的紅利，還沒有真正滲透到整個行業、乃至全世界。未來的公司形態、會出現什么樣的新軟件，我們對這些的理解，可能連 10% 都還沒到。」

應用和模型的分化，會越來越明顯。未來的 AI 應用會是一個組合體，把頂尖模型的調度能力、針對特定領域的 UI，以及現在已經便宜到不行的海量功能，全部打包在一起。

同時，Acharya 提出了一個關鍵的問題：最核心的底層的基礎工具問題還沒解決。現在所有的工具，都是重在執行，不是「思考」。簡單來說，除了 LLMs 外，基本都是「動手做」的，但不是用來幫助用戶「動腦想」的。

??關注 Founder Park，最及時最干貨的創業分享

超 19000 人的「AI 產品市集」社群！不錯過每一款有價值的 AI 應用。

邀請從業者、開發人員和創業者，飛書掃碼加群：

進群后，你有機會得到：

• 最新、最值得關注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準的AI產品曝光渠道

01核心矛盾：思考工具 vs 執行工具

Acharya 預測，2026 年最大的變化，就是工具的本質。

我們現在用得，全是執行工具：

• IDE 用來寫代碼；

• Figma 用來畫設計；

• Excel 用來算模型。

但如果想找個工具幫我們探索、思考，你會發現，除 LLM 可以當個聊天伙伴，市面上幾乎沒有這種產品。

當 AI Agent 越來越強，核心難題就變了：從「我怎么把它做出來」變成了「我到底應該做什么」。

你可以想象一個未來的產品經理（PM）：給 AI 定個大方向，每天早上起來，直接審閱 AI 在夜里自己頭腦風暴、動手開發、順便還做了 A/B 測試的兩三個新功能。

Acharya 認為，現在的模型在「決定下一步做什么」這事上還很菜。想出來的點子，要么平平無奇，要么是別人的翻版，沒有那種頂尖產品該有的「靈氣」。

所以，下一代編程、設計和生產力工具，核心戰場將從「執行」轉向「探索」。

Cursor 等編程工具是這個路線下跑得最快的。Acharya 提到了谷歌近期推出的產品 Antigravity，以「agent first」打法，把探索放在第一位，非常有意思。

Antigravity 是一個「agent first」的 IDE，不再是寫代碼，而是作為一個指揮官，直接給 Agent 下達高級指令，然后自主地規劃、編碼、甚至打開瀏覽器去測試和驗證自己的工作。

02未來，每個團隊都得是個軟件團隊

軟件公司里有兩種部門：

• 權力部門：工程、產品、營銷。離軟件最近，是發動機。

• 服務部門：法務、財務、HR。離軟件很遠，更依賴人力。

Acharya 認為，AI 編程 Agent 的出現，會對企業帶來兩大沖擊：

第一，所有部門，都必須「軟件優先」。

從市場、法務、采購到財務，每個團隊、每項任務，都必須「軟件優先」。這些部門的領導，以后得先想想有什么軟件工具能用，而不是像過去一樣，先靠流程和招人來解決問題。

很多公司會用上像 Harvey 這種行業專用產品，也有的會直接用 Codex 或 Claude Code 這種「bare metal」類型的編程智能體。未來，每個團隊都得是個軟件團隊。

第二，公司的「野心」可以極大膨脹。尤其是軟件公司，對「應該做什么產品」的想象力，可以被徹底打開。整個創意和項目定優先級的流程，都得推倒重來。未來，只要是能做的功能，就一定會被做出來。大多數公司，還沒準備好。

Acharya 的判斷是：改變企業文化的難度，一點不比改變組織架構的難度小。

03應用和底層模型的分化，

會越來越明顯

大模型推理進入第二年。很多人擔心，應用層會被模型層取代。

Acharya 預測，應用和模型的分化，會越來越明顯。

未來的 AI 應用會是一個組合體，把頂尖模型的調度能力、針對特定領域的 UI，以及現在已經便宜到不行的海量功能，全部打包在一起。

這也是 a16z 之前提到的「Narrow Startups」。

未來，想做大眾市場的消費級創業公司，會越來越少。未來的贏家，是那些把產品做得更深、更窄的「Narrow Startups」。 過去 15 年，消費軟件就倆模式：要么免費看廣告，要么一個月 20 美金。這就是天花板。所有人都覺得，用戶不可能再多花錢了。 但現在，人們樂于為 Claude、Grok 4 Heavy 和 Gemini 這些產品每月支付 200+美元。 不是因為它們適合所有人，關鍵是能給特定用戶帶去 100 倍效率的提升。 免費版只是個流量入口，是漏斗，200 刀的付費版，才是真正的產品。

極致的專業化，現在可行了。這也是為什么，應用不僅能獨立于模型存在，而且還會走出完全不同的路。

頂尖實驗室和科技巨頭，跟他們做的模型一樣，能力是「鋸齒狀」（jagged）的。在他們自己的核心領域，確實很牛。但各家也有自己的「包袱」，比如 Google 對監管的承諾，OpenAI 同時想做消費、企業、模型、硬件四個市場的「老大」。

所以，「應用最后會被模型吃掉」，這個假設可能是錯的。

哪怕是在編程這種模型發展的核心領域，看到的也是一個很火的創業生態，光 2025 一年，新創造的收入就超過了 10 億美金。

應用層的創業公司，有幾條路優勢很大：

• 多模態模型一定要用好

大廠和實驗室永遠只推自家的模型。但在編程、創意這些領域，把各家最強的模型組合起來用，效果能直接拉滿。

• 有獨家數據

很多賽道，創業公司已經鎖死了獨家數據集，效果比大廠強 10 倍，比如 Open Evidence 和 Vlex。

• 有網絡效應和能復利循環的產品

• 有功能極其豐富的生態系統

用生態位的復雜性碾壓單點功能。大廠抄一個 Granola 的錄音功能當然容易，但也許不會費勁地去把功能背后一整套生產力 App 生態全做出來。

同時，結合 Karpathy 提出的 thick AI apps 應該有的幾點特點：

Karpathy 在年度總結中提到，Cursor 是一個全新應用層級的產品。Cursor 的火箭般增長，證明了在基礎大模型之上，存在一個厚實且充滿機遇的「應用層」。 Cursor 這樣的 LLM 應用會針對特定垂直領域打包和編排 LLM 調用： 它們負責上下文工程（Context Engineering）； 它們在底層編排多次 LLM 調用，串聯成越來越復雜的有向無環圖，在性能和成本之間精細權衡； 它們為 Human in the Loop 提供針對特定應用的圖形界面； 它們提供一個自主性滑塊，讓用戶決定 AI 可以自己做多少決定；

結合這兩點，一個成熟的 AI 應用長什么樣，基本就很清晰了。

04人類，終于開始發現 AI 的「另一面」

在探討命令行界面（CLI）是怎么把普通消費者擋在 AI 的強大能力之外這個問題上，Eugenia Kuyda 一直是最具洞察力的思考者。

Eugenia Kuyda：人人都知道聊天界面長什么樣。但對普通人來說，聊天框的潛臺詞就只有兩件事：聊天，最多再加個搜索。 模型真正的超能力，全都被藏在了普通人根本不會碰的「命令行」后面。

但現在，情況開始變了。Wabi（一款可以生成個人 app 的產品）是一個催化劑，它讓普通人也能體驗代碼生成；ChatGPT 和 Grok 里的「圖片」功能，對圖像生成也起到了同樣的作用；順利的話，應用商店（Apps Directory）和 Skills 會讓普通人也能玩轉多模態內容生成（MCPs）和提示詞插件。

Acharya 認為，讓更多普通消費者自己動手用 AI 創造點東西，就能在一定程度上改變這個現狀。2025 年，隨手生成一個小應用的快樂，就跟 2023 年隨手生成一首詩一樣，但大多數人還不知道這件事。這也部分回應了 Nikita 提出的關于「誰在創造」的、一個頗為悲觀的現實。

05給 CEO 們的幾點建議

對于那些已經掌管著規模化企業、并思考如何引領公司度過 AI 轉型期的 CEO 們，Acharya 給出了幾點想法。

第一，去看標桿案例。看他們是怎么用一個 AI，把銷售、客服、催收所有面向客戶的崗位，整合成一個部門的。

第二，所有部門「軟件優先」。讓非技術部門也用上模型，是企業運營效率指數級提升的關鍵。

第三，更大膽地做產品，也要敢于定更高的價格。Tesla 的 FSD 已經能橫穿美國了；Claude Code 已經能「自己寫自己」了。 這意味著，對于絕大多數企業任務來說，短期意義上的 AGI 其實已經來了。

最后是，玩得開心點！沒人會在好日子還在的時候告訴你，「你正身處黃金時代」。

這一輪產品周期，比近代任何一次都更去中心化、更軟件驅動，對技術人來說，也有趣得多。

轉載原創文章請添加微信：founderparker