涂津豪：从 2026 开始

superzhzh

 

👦🏻 作者: 涂津豪

🧑‍🎨 排版: NCon

本周一，「十字路口」发布了一期新播客，和涂津豪一起聊了聊他对 2026 年及以后 Agent 与 AI 发展的判断。

这篇文章，是涂津豪录完播客后写的一篇 Blog

（

原文

发布

于：https://www.richardstu.com/blog/2026-and-beyond#some-hard-questions）

它包括了播客中讨论的核心判断，也补充了一些当时没来得及展开的思考——从 主动式 Agent、记忆（Memory），到 模型即产品、Agent 能力边界、对齐与人机交互方式的变化，再到更长期、也更难回答的问题。

以下为原文翻译：

🚥🚥🚥

我在一月中旬录制了和 Koji 录了一期「十字路口」的播客，聊了聊我对 2026 年及以后 Agent和 AI 发展的预判。

这篇 blog 基本上是那期播客内容的文字版，涵盖了我当时讨论的主题，外加一些当时没来得及提到的补充。

所以，如果你已经听过那期播客，可以把这篇文章看作是一个总结和延伸；如果你还没听过，推荐去小宇宙或 Apple Podcast 听听看~

这是我对未来几年的一次推演——我期望看到的主要是围绕 Agent 展开。我对今年及以后会持续发生的事情进行了一些逻辑推导，同时也对更长远的未来做了一些前瞻。

我知道我之前做过好几次类似的预测，但鉴于 AI 的进化速度如此之快，我认为重新审视依然很有价值。现在的局面看起来与哪怕一年前相比，都已经大不相同了。

2026年

对于 2026 年，我认为核心话题依然会是 Agent，但它们将变得更加个性化，并且真正具备实用价值。

🟢 主动式 Agent (Proactive Agent)

回顾整个发展历程：最初我们只有聊天机器人（Chatbots），仅用于对话。后来人们希望它们能获取外部数据，于是我们有了基础的工具调用（Tool use）——搜索网络、查找实时数据。

随着模型变得更强大，它们能通过推理处理更多工具，变得更加稳健。现在我们给了他们推理能力，这就成了我们所说的 Agent。

人们的期望值正在不断升高。大家希望 Agent 能做更多个性化的事情，更实用，更了解自己。

但局限性也很明显：目前的 Agent 只能执行人类明确要求的任务。它们缺乏自驱力（Self-initiating ability）。

我们常说 Agent 会帮我们采取行动、节省时间，但现实是，目前的 Agent——无论是基于文本的、GUI 的还是两者结合的——都很慢。当你发出一句“帮我买点杂货”的指令后，你需要等待好一会儿。

这与我们希望它们把我们从繁琐日常工作中“解救”出来的初衷是背道而驰的。

为了改善这一点，Agent 必须真正具备独立执行任务的能力；换句话说，它们必须理解我们的使用习惯，并利用这种理解在后台默默完成任务，而无需等待人类发起和干预。

它们需要提前准备好我们想要的东西。这让我觉得它们更像是一种高级形式的“自动补全”（Autocomplete）。

唯一的区别在于任务的规模。普通的自动补全，比如 Cursor的 Tab 模式，处理的是跨文件的代码行；而基于任务的 Agent，比如 Manus，处理的是完整的任务。

想要做到这一点，它们需要学习你的使用模式。例如：Agent 知道你总是在周一早上让它总结邮件，所以它在未来会自动完成这件事；或者它知道你的日用品快用完了，就直接帮你处理补货。

但我们也要确保它们并不烦人，这意味着时机（Timing）非常重要——它既不能太具有侵入性，也不能藏得太深，否则就没用了。

这意味着 UI 和 UX 需要改变。我们不能再只依赖单一的输入框界面了。

上周发布的 Gmail AI Inbox 就是一个很好的例子：它并没有从根本上改变你使用 Gmail 的方式，但它加入的 AI 功能确实提升了效率。AI 驱动的工具不一定需要一个显眼的输入框；它们应该与任务的上下文本身绑定在一起。

如果这方面发展得好，将极大地提升人们使用 Agent 的效率，人们也会开始更加信任它们。

🟢 记忆 (Memory)

第二个关键点是记忆。人们对模型的期望越来越高，模型需要更好地了解用户，才能让人感觉真正有用。这与我刚才提到的“主动式 Agent”直接相关。

目前，关于记忆即使有几种通用的解决方案。从产品角度看，主要有三类：

• 模型使用工具将信息存入记忆空间（如 ChatGPT, Gemini, Claude, Kimi, Qwen 等）。
  
  

• 模型使用对话搜索工具从过去的聊天中查找特定主题（Claude, ChatGPT）。
  
  

• 系统每天总结用户交互，提取新信息并存入详细的摘要记忆中（Claude）。
  
  

这些都做得不错，我也在 Claude 等产品上看到了很有潜力的表现。但对于更广泛的通用 Agent 来说，它能够——也应该——做得更好。记忆不仅仅局限于关于我们的基本信息，它还连接着我们生活中的通用偏好：购物风格、代码风格、旅行习惯等等。

这些都影响着 Agent 能否在你的预期范围内完成任务。但一遍又一遍地提及或重申偏好是很烦人的。因此，产品如何“形成”这些记忆也需要创新。

我一直在思考一种方法：将你的 App 和网站先交给 Agent 去探索。

让 Agent 去学习你的偏好总比让你自己描述要好，而且你通过绝对不想重复自己；所以，你让 Agent 登录这些服务，它会浏览并检查你之前的订单，学习并总结你的偏好——比如你买杂货通常点什么？你总是首选哪家航空公司？

然后 Agent 将这些总结成专门的文档。每次它进入特定的 App 或网站时，相关的指令会自动加载，确保模型已经知道了它需要知道的一切。

这不需要任何特殊的模型能力——它只需要产品或环境（即“Agent Harness”）进行优化，以进一步拓展模型的已知信息。

这种方法同样适用于许多其他用例。而且不同于最近的 Skills 或类似功能，这不需要用户或模型付出额外的注意力。不会出现模型忽略特定偏好的情况，因为它们是默认加载的。

以上都是基于产品的思考，但我们也可以从更基础的层面来考虑。有时模型并没有意识到使用用户知识的重要性，所以直接跳过了。（我需要说明：我的这些想法可能是错的，因为目前还没有明确的实验证明这些确切有效。）

• 我们可以依赖机械解释性（Mech Interp）领域的 SAEs（稀疏自编码器）。Anthropic 在他们的一些研究中使用了这些技术。通常，SAEs 可以在模型生成特定 token 时找到激活的特征点。如果我们能利用这项技术检测出模型“寻求外部知识”（包括用户记忆）的倾向，那么当这种倾向很高时，我们就可以在该 token 之后自动注入相关知识。模型接收后，就能生成更有用的回答。
  
  

• 我们可以在 MoE（混合专家）模型中使用更少、更专业的专家。例如，一个模型只有三四个专家，每个针对特定动作：一个用于思考/推理，一个用于工具使用，最后一个用于回复。或许还需要一个专家来协调每一步该使用哪个专家。
  
  

在模型侧的记忆机制上，可能会有更多的创新。

无论哪种方式，围绕主动式 Agent 和记忆，我们将看到很多惊喜。现在的关键问题是模型如何真正提升生产力——我认为这是它们在真正对社会产生广泛影响之前，能带来最大经济效应的地方，它们首先应该对个人产生巨大且显著的影响。

趋势 (Trends)

此外，我认为有一些趋势在未来一两年内会持续发生或开始转变。

🟢 模型即产品 (Model as a product)

第一个持续的趋势是“模型即产品”。这是一个长期存在的模式；我认为它有两个略有不同的侧面：

• 模型拥有独特的能力，可以直接成为一个新的产品或功能（如 GPT-Image, Nano Banana, Sora 2, Genie 3 等）。
  
  

• 模型足够强大，人们可以通过一些特殊的框架/工程工作围绕它构建通用产品（如基于 Claude-3.7 Sonnet 的早期 Manus, Claude Code 等）。
  
  

在这些产品中，我认为上周向公众发布的 Genie 3（Google 最新的世界模型）潜力巨大。你可以创造世界，控制你在里面“行走”的方式——整个过程都是可定制的。这比 Sora 这样的视频模型要好玩得多。而且由于它可以生成互动的世界，它（或其后续版本）有潜力成为首批可靠的生成式游戏引擎。

我以前玩游戏不多，但如果我们能拥有基于稳健的世界模型的可靠产品，我可能会开始玩，因为创造我自己的体验听起来真的很有趣哈哈。

🟢 Agent 的能力 (Agent capacity)

第二个趋势是 Agent 的能力上限。模型将变得更加稳健，这是清晰的轨迹。它们将处理更多长尾任务，甚至能够完成复杂的任务。它们不仅能加速软件工程师（SWE）的工作，还能加速 AI 研究本身；甚至自动化其中的一部分。我们已经在科学研究和其他领域看到了巨大的潜力。我们也有相关的 Benchmark 在追踪这一点，比如 METR Time Horizon, VendingBench 等等。

METR Time Horizon V1.1

VendingBench-2 Scores(featuring Gemini-3 Pro,claude Opus 4.5, and GPT-5.2)

曲线正在上扬，并且将保持稳步增长的态势。

🟢 模型对齐 (Model alignment)

第三点，也是最重要的一点之一，是模型对齐。随着模型变得越来越强，人们将其投入到更多的生产环境中，恶意的后果将变得灾难性。如果一个模型能帮助科学家建造核聚变反应堆，那么它也能帮助坏人制造核武器；如果一个模型能帮助公司开发药物，那它也能制造生化武器；知识本质上是相通的。

我之前写过关于这个问题的思考，这方面也有很多研究，但我发现一个很有前景的方法是新的 Claude Constitution（Claude 宪法/守则）。OpenAI 的 Model Spec 与之类似，但更基于规则：你应该做什么，不应该做什么。而 Constitution 更像是教导模型如何成为好人、做好的事——不那么像规则，更像父母教导孩子（我记得 Dario 曾将其描述为“一封来自已故父母的，密封至成年的信”）。

我认为这是一个有前景的方向，我预计会有更多公司探索这种方法。

🟢 人机交互 (Human-AI interaction)

最后一点是人机交互方式的改变。目前，我们通过 App、API、网站与 AI 交互——所有这些都局限于手机和桌面端。我认为一个真正好的新入口是 AI 眼镜，因为它们能看到你所看到的，听到你所听到的。它们可以拥有自己的生态位——它们不需要取代手机或其他任何东西。它们可以增加一些新的东西：一种与 AI 互动和共生的不同方式；这不像 Humane AI Pin 或 Rabbit r1，试图取代手机却失败了。

由于 AI 眼镜几乎可以感知我们能感知的一切，它们将是我前面提到的“主动式 Agent”的绝佳附加装置。它们可以根据你的现实环境推荐事物或帮助完成任务，更好的记忆系统在这里也变得至关重要。

我们已经看到了一些产品。例如，Pickle 1 看起来还挺有希望的——我已经预订了，等着看效果如何。这似乎也是 Google 正在努力的方向，Demis 在 2026 年达沃斯论坛上也提到过。但这还处于早期阶段。

我们暂时可以专注于前面的部分；眼镜更多是硬件、软件和生态系统追赶的问题。

未来 (Future)

我以前写过很多次关于未来的文章，但 AI 发展太快了，情况看起来与一年前截然不同。所以我觉得依然值得分享一下我对更长远未来的预期——在看了最近的文章、采访并做了自己的思考后，我有了一些新想法。

在深入之前，我要提一下 Dario （注：指 Anthropic CEO）的新文章《技术的青春期》(The Adolescence of Technology) 。这是一篇严肃的文章，描绘了我们面临的风险以及我们可能如何解决它们。我很尊重他处理这些问题的方式——谨慎、具体，而不是像个末日论者。如果你还没读过，我推荐读一读。我在这里写的更多是个人的看法，来自一个将亲历这场转型的人。再次强调，这都是我个人的想法，可能是不正确的。

🟢 我想看到的

彼岸的世界：一个生存焦虑不再是人类生活默认模式的世界。医学、气候和长寿方面的科学进步比以前快得多。人们可以追求对自己真正重要的事情，而不仅仅是为了钱。

Dario 称之为“充满爱与恩典的机器”（Machines of Loving Grace）。我认为他对可能性的判断是正确的。真正的问题是，我们能否在不让一切分崩离析的情况下度过中间的过渡期。

我无数次构想过这个美好的未来。机器人处理体力劳动。AI（这里我指的是常规模型、机器人和其他形式）自动化几乎所有事情，它们的超高生产力带来了富足；然后富足让物质匮乏变得不再那么重要。人们从“谋生”的持续压力中解放出来，能够真正地生活。这听起来像乌托邦，但我不认为这是不可能的——只是很难到达，需要付出巨大的努力。

🟢 一些艰难的问题

如果 AI 创造的价值比你多，你的目标是什么？

这很快就会成为许多人的切身经历。正如我所说，模型在各个方面的能力越来越强，公司将逐渐部署和使用它们来工作，这笔账算得很清楚：AI 更快、更便宜、更好。

理性的举动是裁员。许多人会被解雇，失去工作。如果这大规模发生，“AI 造福人类”的说法就会崩塌，因为我们要的是让每一个人都受益，而不仅仅是一小部分人。如果某个东西让你在经济上变得无关紧要，却没给你任何回报，你是无法从中受益的，这反而是伤害。

我认为为了防止这种情况，公司和社会需要达成某种共识：即使 AI 创造了更多价值，我们在可预见的未来仍然应该保护人类。

一家公司在提取了运营所需的价值后，应该将价值回馈给被取代的工人，这应该更像是一种社会契约。价值总是有来源的。

我知道这执行起来非常难，几乎不可能。没有执行机制，没有明确的政策，竞争压力也会阻碍它，但这正是旅程艰难的原因。技术的到来比我们的社会系统适应得更快；这就是为什么我在之前的博文中说，应该是我们去适应这些先进系统的发展。我们几乎从未见过两者并驾齐驱，我们现有的框架也不是为此建立的。

🟢 没有工作的意义

即使我们解决了物质方面的问题，即使被取代的工人最终获得了收入，这仍然存在意义的问题。人们不仅仅想要东西，他们想要被重视，想要被需要。工作曾经提供了这一点，即使工作本身很无聊。

我想过很多，外面也有很多讨论。在一个 AI 处理大多数认知任务的世界里，我们需要新的结构来承载目标。创造性工作、社区、探索、照护——这些对我们有意义的事情，即使它们不能最大化 GDP。但这不会自动发生，我们必须有意识地去构建它。

也许这听起来很抽象，但这其实非常具体。如果你不需要工作，你会做什么？不是度假模式下的“你会做什么”，而是说，长期来看，什么能给你的生活带来结构和意义？对我来说，我想是探索未知，体验不同的地方，也许创造一些东西。但很多人甚至没有机会去思考这个问题，因为生存是第一位的。

转型将迫使我们回答这个问题，我认为每个人的答案都会不同，这正是关键所在。

拥有弄清楚什么对你重要的自由，而不是被经济需求所支配。

🟢 转型本身

很明显，这场转型不会是风平浪静的。我之前说过，数以百万计的人将失去工作，社会可能会在某些部分崩溃。历史告诉我们，工业革命在情况好转之前造成了巨大的苦难。这次可能会类似，但速度更快，范围更广。

问题是我们能否让转型尽可能地人道。不是“为了进步可接受的牺牲”——这种框架在历史上被用来为许多伤害辩护。而应该是：我们承认这会很难，并试图在这个过程中互相照顾。

🟢 为什么我依然相当乐观

我知道风险巨大。有很多末日论的观点，我理解他们的出发点。强大的 AI 落入坏人手中、价值观未对齐、社会崩溃等等。

但有很多研究人员正在致力于对齐（Alignment）和可解释性（Interpretability）的研究。一些公司（如 Anthropic 和 DeepMind）实际上正在认真对待安全和相关问题。新的 Claude Constitution 试图教导模型成为好人，而不仅仅是遵守规则。人们正在进行这些对话，而不是忽视它们。这很重要。

我一直在思考如何同时持有这两种想法——充满希望的愿景，以及知道到达那里的路途将是崎岖的。

老实说，这归结为一件简单的事：我相信我们的世界可以变得更好，我想看到那一天的发生。也许还能为此出一份力。这就是我坚持的信念。

未来的岁月会很艰难，也许需要几十年。但我总是回到这个问题：那又怎样？为什么要害怕？

还有很多可以写的，但对于现在来说我觉得足够了，剩下的留到未来的文章里吧。

无论如何，希望世界在 2026 年及以后变得越来越好。

（原文链接：https://www.richardstu.com/blog/2026-and-beyond#some-hard-questions）