2026年科技行业的12个关键问答硅谷101
我们的三小时新年直播来啦，在这场硅谷一线的思辨中，我们邀请了六位跨越 AI、自动驾驶与美股投资的领军人物，进行了一场长达三小时的直播讨论，聚焦聊聊2026年大家最关心的几个科技赛道展望。这不只是一次预测，更是一场对“非共识”拆解。
核心洞察（Live Highlights）
AI范式的“去中心化”：2025年的“DeepSeek Moment”标志着大模型不再被五大厂垄断。2026年，算力不再是唯一门槛，数据策展与系统级Scaling成为胜负手。
“自研模型”vs“应用优先”的大厂博弈：Meta的路线之争反映了科技巨头的战略分歧。在我们的讨论中，张璐就认为底层模型技术是AGI时代的“电力”，必须自主掌控以确保独立性；Howie则主张模型保鲜期短，大厂应发挥应用层优势，而非深陷基建泥潭。
端到端（E2E）的降维打击：旧金山(专题)停电事件中，特斯拉能够正常运营，而Waymo不知所措引发全城大拥堵，特斯拉的端到端方案优势显现：在复杂的物理世界，基于规则的“有轨电车”方案正在面临挑战。
算力版图的因子重构：美股投资正从“纯GPU信仰”转向“ASIC效率”。谷歌TPU阵营与英伟达的对抗，本质上是推理成本与通用性之间的博弈。
信仰高于估值：AI泡沫是否破裂，不取决于烧了多少钱，而取决于“模型智力每三个月翻倍”的信仰是否缺失。2026年，OpenAI与SpaceX的IPO将成为全球资本的试金石。
01 AI的2025与2026：技术共识与非共识
主持人：陈茜（硅谷101联合创始人）
Howie Xu（硅谷徐老师）：资深硅谷技术高管、财富500强Gen首席AI创新官
张璐：Fusion Fund 创始合伙人
关键问题 1：2025年，哪个“非共识”事件最令行业震惊？
回顾2025，Meta的大规模裁员、重组以及核心人才的流失都非常drama。我之前完全没想到Yann LeCun的离开以及硅谷人才大战能搅动到这个程度。两位身处一线，有什么事件是超乎你们预期的？
Meta的掉队确实让人意外。我在2023、2024年非常看好开源生态，以为Meta能作为领军人物把开源带到一个新高度。但2025年最让我惊喜的是大企业对于AI认知转向的速度。
在2024年大家还在讨论Scaling Law是不是万能钥匙，但到了2025年，大家能意识到说Scaling Law它不是解决所有问题的万能钥匙。大家会更加实际和现实地去考虑说在行业落地的话，并不需要最贵最好的模型去解决所有问题，而是去关注一些小语言模型。
然后通过这样的一个我之前聊过的这种“鸡尾酒的方式”去进行当地化的微调，去进行各种各样，尤其是数据隐私监管比较多的这些行业的垂直部署。我记得年初去达沃斯和JP Morgan医疗大会时，全球领袖和500强公司已经不再问“要不要用 AI”，而是问“How and How much”——我们要拨多少预算？这种从“虚”到“实”的转变极快。
即便2025年我们会觉得很忙、很累，但那是一种“打鸡血”的状态，不仅是单一的AI叙事，而是AI原生企业与AI赋能的各种产业（医疗、金融等）技术的一种叠加增长，包括太空科技、国防科技等等，这是一个非常让人兴奋的增长元年。
来源：IIm-stats
Howie：
我必须提“DeepSeek Moment”。
其实24年它已经显现出功能了，但25年推理模型的爆发，彻底确认了这是一个系统性的趋势。 它的影响远超想象。年初大家觉得DeepSeek出来只是地缘政治或者英伟达股票跌个几百Billion的事情，但一年走下来，你会发现它的影响是：做大模型不需要垄断在5家大厂手里。除了OpenAI和Anthropic，那些出走的科学家做的New Lab（如SSI、ThinMachines）都在发力。这意味着真正的研究可能正在发生在大厂之外，这些实验室有希望做出OpenAI在2019年做过的那种从0到1的突破。
关键问题 2：Scaling Law到底有没有撞墙？2026年会有“新神”出现吗？
上半年大家都说Transformer“撞墙”了，甚至有人说Scaling Law已经“撞墙”，结果谷歌Gemini新一代出来，大家又觉得Scaling Law还有戏。2026年我们会看到什么？
Howie：
我是坚定乐观派，我觉得Scaling Law还非常强劲。很多人说数据用完了，那是胡扯。 数据不在于多，而在于怎么精心挑选。什么是好数据？什么数据该放多少比重？这上面有太多的Permutation（排列组合）。谷歌Gemini的突破不是因为网上数据多了，而是把数据整理、清洗、配比做到了极致。 算力也一样。马斯克在奥斯汀建了百万张卡的集群，但“The devil is in the detail”（魔鬼在细节里）。你怎么连卡？怎么解决容错、带宽？如果若干年后我们回头看，发现还有10倍的Scaling空间，我一点都不觉得奇怪。算法、算力、数据这三点上，现在还远远没到终点。
我同意Scaling Law成立，但它不再是唯一的增长路径。2026年，竞争会从“单纯堆数据”变成“系统级Scaling”。谷歌的优势在于它是一个“系统中心型”公司。它有DeepMind这种深厚的人才储备，有几年前就布局的新型架构，还有真实世界的用户反馈闭环。你看Gemini表现惊艳，其实是它把系统层面的优化、数据质量的闭环和产品反馈结合得最好。相比之下，那些纯模型公司（Model-centric）在2026年会面临更大的成本压力，2026年我们会看到更多对过去“无脑堆数据”方式的修正。
关键问题 3：Meta的“生死大辩论”：是该死磕模型，还是回归应用？
这里有一个非常Drama的点。Meta最近花20-30亿美金，仅仅用了十多天就完成了对中国团队Manus的收购。两位对Meta在2026年的处境有一个非常精彩的辩论，咱们展开聊聊。
我对Meta现在挺失望的。 原本Llama 3出来时非常惊艳，我们非常看好开源生态。但Llama 4出来后的表现和预期差很多，核心原因是他们内部战略调整，太早想去推产品端，导致忽略了推理（Reasoning）能力的深耕。
来源：Linkedin
虽然Manus团队执行力很强，但我的疑问是：Meta现在最缺的是应用能力还是模型能力？我个人觉得他更需要模型能力。如果你作为一个第一梯队的巨头，在模型表现上连前三都排不进去，那是很痛苦的。
