a16z：2026 年的 AI 应用生态，关键问题是这几个

2026 年，基模会不会吃掉所有应用场景？

AI 应用层的「厚度」，是 AI 业内许多大佬都在探讨的一个关键问题。

Andrej Karpathy 在年度总结里有个观点：

基座大模型，就像一个刚毕业的大学生。LLM 实验室负责把它培养成一个什么都懂一点的通才。

而 LLM 应用要做的，是把它招进来，然后进行「岗前培训」。用私有数据、传感器、执行器和反馈闭环，不断地组织、微调、打磨。

最终，把这个「通才」毕业生，变成一个特定领域的顶尖专家。

近期，a16z 专注消费级应用的投资人Anish Acharya 围绕「2026 年，AI 应用生态可能是什么样的？」，也进一步聊了聊他认为的几个关键问题。

Acharya 提到，「AI 业内已经把代码的成本打下来了，但这种低成本的红利，还没有真正渗透到整个行业、乃至全世界。未来的公司形态、会出现什么样的新软件，我们对这些的理解，可能连 10% 都还没到。」

应用和模型的分化，会越来越明显。未来的 AI 应用会是一个组合体，把顶尖模型的调度能力、针对特定领域的 UI，以及现在已经便宜到不行的海量功能，全部打包在一起。

同时，Acharya 提出了一个关键的问题：最核心的底层的基础工具问题还没解决。现在所有的工具，都是重在执行，不是「思考」。简单来说，除了 LLMs 外，基本都是「动手做」的，但不是用来帮助用户「动脑想」的。

01 

核心矛盾：思考工具 vs 执行工具

Acharya 预测，2026 年最大的变化，就是工具的本质。

我们现在用得，全是执行工具：

• IDE 用来写代码；

• Figma 用来画设计；

• Excel 用来算模型。

但如果想找个工具帮我们探索、思考，你会发现，除 LLM 可以当个聊天伙伴，市面上几乎没有这种产品。

当 AI Agent 越来越强，核心难题就变了：从「我怎么把它做出来」变成了「我到底应该做什么」。

你可以想象一个未来的产品经理（PM）：给 AI 定个大方向，每天早上起来，直接审阅 AI 在夜里自己头脑风暴、动手开发、顺便还做了 A/B 测试的两三个新功能。

Acharya 认为，现在的模型在「决定下一步做什么」这事上还很菜。想出来的点子，要么平平无奇，要么是别人的翻版，没有那种顶尖产品该有的「灵气」。

所以，下一代编程、设计和生产力工具，核心战场将从「执行」转向「探索」。

Cursor 等编程工具是这个路线下跑得最快的。Acharya 提到了谷歌近期推出的产品 Antigravity，以「agent first」打法，把探索放在第一位，非常有意思。

Antigravity 是一个「agent first」的 IDE，不再是写代码，而是作为一个指挥官，直接给 Agent 下达高级指令，然后自主地规划、编码、甚至打开浏览器去测试和验证自己的工作。

02

未来，每个团队都得是个软件团队

软件公司里有两种部门：

• 权力部门：工程、产品、营销。离软件最近，是发动机。

• 服务部门：法务、财务、HR。离软件很远，更依赖人力。

Acharya 认为，AI 编程 Agent 的出现，会对企业带来两大冲击：

第一，所有部门，都必须「软件优先」。

从市场、法务、采购到财务，每个团队、每项任务，都必须「软件优先」。这些部门的领导，以后得先想想有什么软件工具能用，而不是像过去一样，先靠流程和招人来解决问题。

很多公司会用上像 Harvey 这种行业专用产品，也有的会直接用 Codex 或 Claude Code 这种「bare metal」类型的编程智能体。未来，每个团队都得是个软件团队。

第二，公司的「野心」可以极大膨胀。尤其是软件公司，对「应该做什么产品」的想象力，可以被彻底打开。整个创意和项目定优先级的流程，都得推倒重来。未来，只要是能做的功能，就一定会被做出来。大多数公司，还没准备好。

Acharya 的判断是：改变企业文化的难度，一点不比改变组织架构的难度小。

03

应用和底层模型的分化，

会越来越明显

大模型推理进入第二年。很多人担心，应用层会被模型层取代。

Acharya 预测，应用和模型的分化，会越来越明显。

未来的 AI 应用会是一个组合体，把顶尖模型的调度能力、针对特定领域的 UI，以及现在已经便宜到不行的海量功能，全部打包在一起。

这也是 a16z 之前提到的「Narrow Startups」。

未来，想做大众市场的消费级创业公司，会越来越少。未来的赢家，是那些把产品做得更深、更窄的「Narrow Startups」。

过去 15 年，消费软件就俩模式：要么免费看广告，要么一个月 20 美金。这就是天花板。所有人都觉得，用户不可能再多花钱了。

但现在，人们乐于为 Claude、Grok 4 Heavy 和 Gemini 这些产品每月支付 200+美元。

不是因为它们适合所有人，关键是能给特定用户带去 100 倍效率的提升。

免费版只是个流量入口，是漏斗，200 刀的付费版，才是真正的产品。

极致的专业化，现在可行了。这也是为什么，应用不仅能独立于模型存在，而且还会走出完全不同的路。

顶尖实验室和科技巨头，跟他们做的模型一样，能力是「锯齿状」（jagged）的。在他们自己的核心领域，确实很牛。但各家也有自己的「包袱」，比如 Google 对监管的承诺，OpenAI 同时想做消费、企业、模型、硬件四个市场的「老大」。

所以，「应用最后会被模型吃掉」，这个假设可能是错的。

哪怕是在编程这种模型发展的核心领域，看到的也是一个很火的创业生态，光 2025 一年，新创造的收入就超过了 10 亿美金。

应用层的创业公司，有几条路优势很大：

• 多模态模型一定要用好

大厂和实验室永远只推自家的模型。但在编程、创意这些领域，把各家最强的模型组合起来用，效果能直接拉满。

• 有独家数据

很多赛道，创业公司已经锁死了独家数据集，效果比大厂强 10 倍，比如 Open Evidence 和 Vlex。

• 有网络效应和能复利循环的产品

• 有功能极其丰富的生态系统

用生态位的复杂性碾压单点功能。大厂抄一个 Granola 的录音功能当然容易，但也许不会费劲地去把功能背后一整套生产力 App 生态全做出来。

同时，结合 Karpathy 提出的 thick AI apps 应该有的几点特点：

Karpathy 在年度总结中提到，Cursor 是一个全新应用层级的产品。Cursor 的火箭般增长，证明了在基础大模型之上，存在一个厚实且充满机遇的「应用层」。

Cursor 这样的 LLM 应用会针对特定垂直领域打包和编排 LLM 调用：

• 它们负责上下文工程（Context Engineering）；

• 它们在底层编排多次 LLM 调用，串联成越来越复杂的有向无环图，在性能和成本之间精细权衡；

• 它们为 Human in the Loop 提供针对特定应用的图形界面；

• 它们提供一个自主性滑块，让用户决定 AI 可以自己做多少决定；

结合这两点，一个成熟的 AI 应用长什么样，基本就很清晰了。

04

人类，终于开始发现 AI 的「另一面」

在探讨命令行界面（CLI）是怎么把普通消费者挡在 AI 的强大能力之外这个问题上，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长什么样。但对普通人来说，聊天框的潜台词就只有两件事：聊天，最多再加个搜索。 模型真正的超能力，全都被藏在了普通人根本不会碰的「命令行」后面。

但现在，情况开始变了。Wabi（一款可以生成个人 app 的产品）是一个催化剂，它让普通人也能体验代码生成；ChatGPT 和 Grok 里的「图片」功能，对图像生成也起到了同样的作用；顺利的话，应用商店（Apps Directory）和 Skills 会让普通人也能玩转多模态内容生成（MCPs）和提示词插件。

Acharya 认为，让更多普通消费者自己动手用 AI 创造点东西，就能在一定程度上改变这个现状。2025 年，随手生成一个小应用的快乐，就跟 2023 年随手生成一首诗一样，但大多数人还不知道这件事。这也部分回应了 Nikita 提出的关于「谁在创造」的、一个颇为悲观的现实。

05

给 CEO 们的几点建议

对于那些已经掌管着规模化企业、并思考如何引领公司度过 AI 转型期的 CEO 们，Acharya 给出了几点想法。

第一，去看标杆案例。看他们是怎么用一个 AI，把销售、客服、催收所有面向客户的岗位，整合成一个部门的。

第二，所有部门「软件优先」。 让非技术部门也用上模型，是企业运营效率指数级提升的关键。

第三，更大胆地做产品，也要敢于定更高的价格。Tesla 的 FSD 已经能横穿美国了；Claude Code 已经能「自己写自己」了。 这意味着，对于绝大多数企业任务来说，短期意义上的 AGI 其实已经来了。

最后是，玩得开心点！没人会在好日子还在的时候告诉你，「你正身处黄金时代」。

这一轮产品周期，比近代任何一次都更去中心化、更软件驱动，对技术人来说，也有趣得多。

文章来自于“Founder Park”，作者 “Founder Park”。