2026年AI五大預測：智慧代理、晶片與歷史性Exit

老實說，我一直在猶豫要不要寫預測文章。跟共同創辦人Hyeonji Hwang私下聊是一回事，公開寫出來又是另一回事。

猜對了別人說「這不是很明顯嗎」，猜錯了就很丟臉。但2026年開年以來發生的事情，速度實在不尋常，所以我決定整理一下自己的想法。

開發者（其實是所有人）今年不會被取代，但從今年起必須尋找新的能力方向

身為一個生物工程專業出身的人，幾天前有一條消息讓我非常震撼。人類基因體定序成本25年前是27億美元（人類基因體計畫），5年前降到1,000美元，這週Element Biosciences發表了100美元的設備VITARI。即使在生物科技這個變化最慢的領域之一，速度都已經如此之快。大多數產業的變革速度只會更快。

而軟體產業要快得多。行動裝置時代設備更換週期慢，人們有時間適應；但AI是以天為單位在變化的，這就是軟體的本質。

• 2024年 Cursor普及 → Bolt·Lovable全端應用生成 → Karpathy的「氛圍寫程式」→ 2025年 Claude Code·Opus 4.5·Gemini 3.0 Pro發布 → 2026年1月 SaaS末日（SaaSpocalypse）。僅僅兩年就走到了這一步
• SaaS末日：僅2月第一週，軟體板塊市值就蒸發了2,850億美元。Anthropic的Claude Cowork外掛發布是導火線。這種感覺跟ChatGPT問世（2022年12月）後的2023年初如出一轍
• 美國基礎設施軟體工程師仍然短缺，但其他職位在統計數據上已經受到衝擊。初階軟體工程師招募相比2023年減少了45%

今後，哪怕僅僅是跟上資訊流，也只有那些同時運行幾十個智慧代理的少數人才能做到。我以開發者為例，但每個人都應該提前培養其他能力, , 外包銷售能力、社群媒體溝通能力、穩定的投資收益管理等。

軟體只有作為資料源提供者或AI方案包裝才能存活

從使用者角度來看，是原版還是仿品根本不重要。打官司也只是浪費時間，所以濫用的一方越來越多。在AI時代真正有價值的是那些模型難以學習、但能在推論時即時調用的資料。

這個趨勢在1月就已經非常清晰了。

資料源取得：關鍵是連接，不是訓練

• Perplexity與BlueMatrix達成合作，將機構投資者金融研究資料直接整合到其Enterprise產品中（1月13日宣布）
• Manus與SimilarWeb合作，透過MCP伺服器將網站/應用流量資料接入，讓AI智慧代理可以直接分析（同日宣布）
• 這類資料讓模型去用遠比讓模型去學更有效。要超過累積了多年資料的企業，極其困難

模型存取權包裝：月付$100-$200提供超過$10,000的價值

• Claude Max $100-$200/月，ChatGPT Pro $200/月，Higgsfield $149-$249/月, , 直接透過API使用要花$200-$400的用量，被包裝成方案後讓使用者覺得「這個價格居然有這麼大價值？」
• Anthropic的產品負責人甚至提到「正在考慮$500/月的方案」，可見高端訂閱需求之強
• Seedance 2.0、GPT-3.5-Codex等, , 比任何人都更快、以更有效的價格提供獨家模型存取，這是AI軟體僅剩的價值

結論就是：建構能在推論前半段提供的資料API，或者包裝AI模型存取權，或者更快地做企業級外包。後半段的分析沒有意義, , AI做得更好、更便宜。

AI智慧代理引爆第五次硬體繁榮（硬體現在是為智慧代理服務的）

OpenClaw把這個趨勢展現得淋漓盡致。奧地利開發者Peter Steinberger打造的這個開源個人智慧代理，上線72小時內GitHub星標突破6萬，目前已超過14.5萬。它透過WhatsApp、Telegram、Slack等即時通訊應用自動完成郵件管理、行程安排、網頁瀏覽甚至購物。DigitalOcean推出了一鍵部署，Raspberry Pi發布了官方指南。

問題從這裡開始。

• 智慧代理必須在使用者需要時即時回應，所以每個智慧代理需要一台獨立裝置（或實例）
• 僅「一人一智慧代理」的概念就能讓目前運算需求翻倍以上。如果一個人運行10個、100個個人智慧代理呢？
• 裝置 = CPU等運算能力 + DRAM·SSD等儲存 + 網路設備的組合。用伺服器或Mac Mini等運算裝置，每個人/每個智慧代理在獨立的Docker容器中運行
• 有些工作用傳統晶片就能完成，這對中國企業來說是巨大機會。三星和SK海力士猶豫之後重新動工擴產線，原因可能就在於此

（feat. 三星、SK海力士、台積電、SanDisk：參照輝達的案例，估值可能仍然偏低。但不同於輝達，中國作為替代方案的存在也是一個陷阱）

每個AI模型都有專屬晶片的時代開啟了（The Model is the CHIP）

加拿大多倫多的Taalas發布了專為Llama 3.1 8B設計的ASIC晶片HC1。結果是每秒17,000個token, , 比Nvidia H200快73倍，比目前最快的Cerebras也快約10倍。透過將模型權重直接刻入電晶體，HC1不需要HBM也不需要液冷，功耗僅為十分之一。

Taalas累計募資2.19億美元，計畫在HC2中支援200億參數的模型。

值得注意的是，所有人都說這些晶片能效不行、不可擴展，但最終專用晶片新創公司還是吸引了大量資本。

• 12月24日 Nvidia以200億美元授權Groq的LPU技術，並引入核心人才（創辦人Jonathan Ross、總裁Sunny Madra）, , 實質上是收購
• Cerebras撤回IPO，募資超10億美元，堅持獨立路線
• 模型專用晶片只需更換兩塊光罩，約2個月即可適配新模型, , 與前沿模型結合後，可能徹底改變推論成本結構

一個新的半導體時代正在明確展開。

一家類似OpenClaw的新創公司將在年內完成歷史性Exit

這個預測的依據是一個已經成立的模式。

模式的建立：Browser-use → Manus → Meta收購

• 2025年，開源專案Browser-use展示了AI自動化的可能性
• Manus將Sonnet 4與Browser-use結合，開啟了智慧代理時代（2025年3月）
• 結果：8個月內超高速達成**$100M ARR**。12月29日Meta以超過20億美元收購。史上最短獨角獸Exit案例之一

下一個Exit的要素：OpenClaw → pi-mono → ?

• OpenClaw本身就是開源的，創辦人Peter Steinberger已確認於2月15日加入OpenAI。OpenClaw以基金會形式獨立營運
• OpenClaw的引擎pi-mono（Mario Zechner開發，約8,900 GitHub星標）正在成為個人智慧代理服務的核心SDK
• 中國方面，阿里巴巴、騰訊、字節跳動都已發布針對OpenClaw優化的智慧代理。Minimax M2.5、Kimi Claw等模型和服務都在轉向OpenClaw相容
• 使用者期望正從「問ChatGPT」轉向「讓智慧代理來做」。只要稍微放開資料存取權限，便利性就是壓倒性的

我確信會有大約3個極其出色地利用pi-mono的服務出現，其中一個會被收購。