AI行业格局与范式转变 - AI发展进入Agent时代，模型竞赛窗口被压缩至以月甚至周为单位，这是2026年最重要的结构性变化[2] - Coding Agent成为科技史上增速最快的新物种，其创造的年度经常性收入预计将在2026年突破1000亿美元[2] - Agent自身正在成为数字世界新的消费者与生产者，市场需要建立一套Agent-native的标尺[3] Coding Agent的战略共识与竞争 - 重注Coding Agent是当前头部AI实验室的最强共识[4][7] - Anthropic凭借Claude Code在Coding领域领先，预计将在2026年年中追平OpenAI的年度经常性收入[2] - 全球Top 3模型格局未变，但头部三家拿走了约90%的AI总收入[8] - 模型竞争交替领先将成为常态，随着OpenAI、Google在Coding上投入加重，竞争将加剧[13] - Coding能力的提升不仅带来收入爆发，还直接加速了AI实验室自身的研发和产品迭代[17] - 知识工作大规模自动化已在领先的AI实验室实现，成为重要竞争工具[20] 领先AI实验室的组织与战略分析 - 在全新范式出现前，模型训练没有秘密配方，组织和战略文化才是核心壁垒[2][34] - Anthropic：通过战略聚焦Coding取得胜利，其典型特点是自上而下的决策结构、对预训练路线的坚定信仰，以及面向AGI设计产品的原则[35][36][37][38] - OpenAI：虽然经历组织变动和战略失焦，但优势依然明显，ChatGPT周活跃用户接近10亿，付费订阅人数超过5000万[40] - OpenAI的根本问题是战略误判，长期依赖C端流量，未能及时意识到Coding的重要性，且内部同时推进项目一度高达约300个[40][41] - Google：是最稳定的追随者，但反应最慢，其根本问题同样是战略失误，将资源集中在C端和多模态，忽视了Coding[46] - Google拥有强大的护城河，包括自有TPU资源、Search、Android等基础设施，即便在worst case下也能退守到类似英伟达的生态角色[46] Agent时代的新范式与投资逻辑 - 市场坐标系应从To B/To C转向To Human / To Agent，需要探索Agent-native的机会[48] - Agent本身正在成为新的消费者与生产者，开始以独立身份发起交易、消耗资源、产出价值[50] - Agent等于模型加Harness，Harness的流行标志着设计哲学的根本转变，从基于规则的控制转向充分信任模型的极简理念[57][59] - Anthropic的商业模式正从按量收费的API公司，向Agent云公司或Agent OS进化，销售从Token变为Runtime[60] 机器人领域的前沿趋势 - 2026年是机器人数据规模化的大年，数据体系可类比LLM训练，分为Egocentric data、UMI数据、Teleop真机数据和World Model[61][63][64] - 行业趋势从“AI first”转向“硬件优先”，硬件是高质量规模化产生数据、影响模型训练与落地的关键[68] - 技术路径正从视觉语言模型转向世界动作模型，后者在新任务与新环境上的泛化能力据称可提升超过2倍[70] 新兴AI实验室的路线 - 硅谷涌现的新兴实验室主要分为两类：追寻下一个范式与专注高价值垂直领域[72] - 第一类实验室致力于探索如持续学习这样的新范式[75] - 第二类实验室更受资本偏好，专注于芯片设计、AI for Science、材料科学等高价值、高精尖领域，与头部公司形成差异化[79]