2026年企业AI应用与价值实现展望 - 核心观点：根据对24位专注于企业领域的风险投资人的调查，2026年被认为是企业开始有意义地采用人工智能、看到其价值并增加相关技术预算的关键年份[4] - 然而，企业仍在努力看到采用这些新AI工具的好处，2024年8月的一项MIT调查发现，95%的企业没有从其AI投资中获得有意义的回报[5] - 企业正从与数十种解决方案的随机实验转向专注于更少但更深入参与的解决方案[16] - 随着专业模型的成熟和监督的改进，AI系统在日常工作流程中正变得更加可靠[18] - 企业AI价值的获取将是渐进式的，仍需大量迭代，但解决从模拟到现实的训练将为一系列行业开启许多机会[19] - 企业已经在今年获得了价值，并且明年将在各个组织中成倍增长[20] AI重塑物理世界与基础设施 - 2026年将是AI重塑物理世界的一年，特别是在基础设施、制造业和气候监测领域，世界将从被动反应转向预测性，物理系统能够在问题演变为故障之前感知到它们[1] - 投资关注的前沿领域包括AI进入物理世界以及模型研究的下一阶段演进[9] - 未来数据中心技术是持续的投资重点，包括数据中心内部的所有类别：冷却、计算、内存以及站点内部和之间的网络[10] - 人类为高耗能GPU提供足够能源的能力已达到极限，投资寻求能在每瓦性能上带来突破的软件和硬件，例如更好的GPU管理、更高效的AI芯片、光网络等下一代网络方法，或重新思考AI系统和数据中心内的热负荷[12] AI初创公司的护城河与差异化 - AI领域的护城河较少关乎模型本身，而更多关乎经济性和集成度，具有护城河的公司通常深度嵌入企业工作流程、能够获取专有或持续改进的数据，并通过转换成本、成本优势或难以复制的成果来展示防御性[13] - 纯粹建立在模型性能或提示工程上的护城河是值得怀疑的，因为这些优势可能在几个月内被侵蚀，关键问题是：如果OpenAI或Anthropic明天发布一个性能好10倍的模型，这家公司是否仍有存在的理由[14] - 在垂直类别中建立护城河比在水平类别中更容易，最好的护城河是数据护城河，即每个增量客户、数据点或交互都使产品变得更好，这在制造、建筑、健康或法律等数据在客户间更一致的特定类别中更容易构建，此外也存在有趣的“工作流程护城河”[14] - 对于AI初创公司，最强大的护城河来自于它们如何有效地将企业现有的数据转化为更好的决策、工作流程和客户体验[15] 企业AI预算趋势与分配 - 企业将增加AI预算，但这具有细微差别，组织不会简单地增加AI预算，而是将部分劳动力支出转向AI技术，或者从AI能力中获得如此强劲的顶线投资回报率，以至于投资能有效地产生三到五倍的回报[21] - 预算将增加，但支出将集中，企业将在AI能扩大其制度优势的领域增加预算，并从那些仅仅自动化工作流程而未捕获（并保护！）专有智能的工具中撤回[23] - 2026年将是首席信息官抵制AI供应商泛滥的一年，随着企业看到AI的真实证明点，它们将削减部分实验预算，整合重叠的工具，并将节省下来的资金部署到已证明有效的AI技术上[24] - 总体预算会增加，并且会有一部分从试点/实验预算转向预算列支项目，2026年AI初创公司的一个利好是，那些曾试图构建内部解决方案并现已意识到大规模生产所需难度和复杂性的企业将发生转变[25] 2026年企业AI初创公司融资要点 - 筹集A轮融资的最佳公司结合了两点：一个引人注目的“为何是现在”的叙事——通常与生成式AI创造新的攻击面、基础设施需求或工作流程机会相关——以及企业采用的具体证明，100万至200万美元的年经常性收入是基准，但更重要的是客户是否将公司及其产品视为其业务的关键任务，而非仅仅是锦上添花[26] - 公司应瞄准展示其正在构建的市场总规模会随着AI降低成本而扩大，而非蒸发，一些市场需求弹性高——价格下降90%会导致市场规模扩大10倍，而另一些需求弹性低，降价可能使市场蒸发，因此客户保留了所创造的全部价值[27] - 客户在实际的日常运营中使用产品，并愿意接受参考电话，坦诚地谈论影响、可靠性和购买流程等，公司应能清楚地展示产品如何节省时间、降低成本或提高产出，并且能通过安全、法律和采购审查[28] - 投资者曾对预估年经常性收入或试点收入持怀疑态度，但现在更看重客户在面临众多选择时的兴趣和评估意愿，获得客户参与和认同不仅需要前向部署的工程师让客户更容易评估，还需要质量和制胜的营销信息，投资者期望在6个月的试点使用后，看到客户转化成为故事的主导部分[29] - 执行力和市场吸引力是关键信号，最好的信号是用户真正乐于使用产品，以及业务的技术复杂性，重要的北极星指标是真实的、为期12个月以上的合同协议，此外，创始人能否吸引顶级人才加入其初创公司而非竞争对手或传统超大规模企业也是考量因素[30] AI代理在企业中的角色演进 - 到2026年底，AI代理仍将处于初步采用阶段，企业要真正从AI代理中受益，需要克服许多技术和合规障碍，同时需要为代理间通信创建标准[30] - 一个通用代理将会出现，目前每个代理都孤立于其角色中，但到明年下半年，将开始看到这些角色融合成一个具有共享上下文和记忆的单一代理，打破长期存在的组织孤岛，实现公司与用户之间更统一、有上下文的对话[31] - 赢家将是那些快速找到自主和监督正确平衡的组织，并将代理部署视为协作增强而非清晰的劳动分工，人类和代理将在复杂任务上进行更复杂的协作，它们之间的角色边界将不断演变[32] - 大多数知识工作者将至少有一个他们知道名字的代理同事[33] - AI代理可能比企业中的任何人类都更多地成为劳动力的一部分，扩散AI代理本质上是免费且零边际成本的[33] 增长强劲的AI公司类型 - 增长最快的公司是那些识别出由生成式AI采用所创造的工作流程或安全缺口，然后在产品市场契合度上不懈执行的公司，在网络安全领域，是那些解决数据安全问题的工具，以便LLM能安全地与敏感数据交互，以及确保自治系统具有适当控制的代理治理工具，在营销领域，是像答案引擎优化这样的新领域——在AI响应中被发现，而不仅仅是搜索结果，共同点是：这些类别在两年前还不存在，但现在对于大规模部署AI的企业来说已成为必需品[33] - 增长与几个共同主题相关，其中之一是那些以聚焦的用例切入市场的公司——它们从一个更窄的楔子开始，真正做好它，变得具有粘性，并赢得从初始楔子扩展的权利[34] - 那些帮助企业将AI投入生产的公司表现良好，例如数据提取和结构化、AI系统的开发人员生产力、生成式媒体的基础设施、媒体和应用程序的语音和音频[35] 客户留存率高的AI公司特征 - 具有高留存和扩张的公司有一个共同模式：它们解决的问题随着客户部署更多AI而加剧，强劲的留存来自三个方面：成为关键任务、积累难以重建的专有上下文，以及解决随着AI采用而增长的问题，而非一次性问题[36] - 留存率最高的情况是软件成为基础架构而非点解决方案，例如Authzed因其授权和政策位于现代系统的核心，一旦嵌入则极难剥离而具有强留存，Courier Health和GovWell作为端到端工作流程、医疗保健中的患者旅程以及政府许可的系统记录和编排层，一旦上线便深度嵌入[39] - 最高的留存率出现在严肃的企业软件提供商中，尤其是那些通过AI增强的，这些公司深入客户组织，改变其运营方式，并建立起专有数据和知识，使得客户难以离开[37] - 服务于企业数据工具和垂直AI应用的初创公司，通过前向部署的团队协助客户满意度、质量和产品改进，这似乎是这些市场中所有领先初创公司采用的制胜公式[38] 前沿实验室与量子计算动态 - 前沿实验室可能比人们预期地更直接地在金融、法律、医疗保健和教育等领域推出更多交钥匙应用程序进入生产环境[7] - 如果用一个词形容2026年的量子计算，那就是“势头”，对量子优势的信任正在快速建立，公司正在发布路线图以揭开该技术的神秘面纱，但不要期待重大的软件突破，仍然需要更多的硬件性能来跨越那个门槛[8] 垂直软件与语音AI机会 - 垂直企业软件中，专有工作流程和数据创造了防御性，特别是在受监管行业、供应链、零售和其他复杂的运营环境中[11] - 语音AI领域存在巨大机会，语音是人们彼此之间以及与机器沟通更自然、高效和富有表现力的方式，构建者以语音作为与智能交互的主要模式来重新构想产品、体验和界面令人期待[2] 企业AI公司商业模式演变 - 一部分企业AI公司将从产品业务转向AI咨询，这些公司可能从特定产品开始，但一旦有足够多的客户工作流程在其平台上运行，它们就可以用自己的团队复制前向部署工程师模式，为客户构建额外的用例，换句话说，许多专业的AI产品公司将变成通用的AI实施者[3] - 企业正在意识到LLM并非解决大多数问题的灵丹妙药，投资将专注于定制模型、微调、评估、可观测性、编排和数据主权[4]