作者：a16z New Media 編譯：Block unicorn

作為投資者，我們的職責(zé)是深入了解科技行業(yè)的各個(gè)角落，從而把握未來的發(fā)展趨勢(shì)。因此，每年 12 月，我們都會(huì)邀請(qǐng)投資團(tuán)隊(duì)分享他們認(rèn)為科技企業(yè)在未來一年將要解決的一個(gè)重大構(gòu)想。

今天，我們將分享來自基礎(chǔ)設(shè)施、增長、生物 健康以及 Speedrun 團(tuán)隊(duì)的觀點(diǎn)。敬請(qǐng)期待明天其他團(tuán)隊(duì)的分享。

基礎(chǔ)設(shè)施

Jennifer Li：初創(chuàng)公司如何駕馭多模態(tài)數(shù)據(jù)的混亂局面

非結(jié)構(gòu)化、多模態(tài)數(shù)據(jù)一直是企業(yè)面臨的最大瓶頸，也是他們尚未開發(fā)的最大寶藏。每家公司都深陷于 PDF、屏幕截圖、視頻、日志、電子郵件和半結(jié)構(gòu)化數(shù)據(jù)的海洋之中。模型不斷變得更加智能，但輸入數(shù)據(jù)卻變得越來越混亂，這導(dǎo)致 RAG 系統(tǒng)出現(xiàn)故障，代理以不易察覺且代價(jià)高昂的方式失效，關(guān)鍵工作流程仍然嚴(yán)重依賴人工質(zhì)檢。人工智能公司面臨的制約因素如今是數(shù)據(jù)熵：在非結(jié)構(gòu)化數(shù)據(jù)世界中，新鮮度、結(jié)構(gòu)性和真實(shí)性都在持續(xù)衰減，而 80% 的企業(yè)知識(shí)如今就存在于這些非結(jié)構(gòu)化數(shù)據(jù)中。

正因如此，理清非結(jié)構(gòu)化數(shù)據(jù)成為千載難逢的機(jī)遇。企業(yè)需要一種持續(xù)的方法來清理、構(gòu)建、驗(yàn)證和管理其多模態(tài)數(shù)據(jù)，從而確保下游人工智能工作負(fù)載能夠真正發(fā)揮作用。應(yīng)用場景無處不在：合同分析、入職流程、理賠處理、合規(guī)性、客服、采購、工程搜索、銷售賦能、分析流水線，以及所有依賴可靠上下文的代理工作流程。那些能夠構(gòu)建從文檔、圖像和視頻中提取結(jié)構(gòu)、解決沖突、修復(fù)流水線或保持?jǐn)?shù)據(jù)新鮮度和可檢索性的平臺(tái)的初創(chuàng)公司，掌握著企業(yè)知識(shí)和流程王國的鑰匙。

Joel de la Garza：人工智能讓網(wǎng)絡(luò)安全招聘重獲新生

在過去十年的大部分時(shí)間里，首席信息安全官 (CISO) 面臨的最大挑戰(zhàn)是招聘。從 2013 年到 2021 年，網(wǎng)絡(luò)安全職位空缺崗位從不足 100 萬個(gè)增長到 300 萬個(gè)。這是因?yàn)榘踩珗F(tuán)隊(duì)雇傭了大量技術(shù)嫻熟的工程師，讓他們每天從事枯燥乏味的一級(jí)安全工作，例如審查日志，而沒有人愿意干這種活。問題的根源在于，網(wǎng)絡(luò)安全團(tuán)隊(duì)購買了能夠檢測(cè)一切的產(chǎn)品，從而制造了這種繁瑣的工作，這意味著他們的團(tuán)隊(duì)需要審查所有信息——這反過來又造成了虛假的勞動(dòng)力短缺。這是一個(gè)惡性循環(huán)。

到 2026 年，人工智能將打破這一循環(huán)，并通過自動(dòng)化網(wǎng)絡(luò)安全團(tuán)隊(duì)的許多重復(fù)性工作來填補(bǔ)招聘缺口。任何在大型安全團(tuán)隊(duì)工作過的人都知道，一半的工作都可以通過自動(dòng)化輕松解決，但當(dāng)工作堆積如山時(shí)，卻很難確定哪些工作需要自動(dòng)化。能夠幫助安全團(tuán)隊(duì)解決這些問題的原生 AI 工具，最終將使他們能夠騰出手來做他們真正想做的事情：追捕壞人、構(gòu)建新系統(tǒng)以及修復(fù)漏洞。

Malika Aubakirova：原生代理基礎(chǔ)設(shè)施將成為標(biāo)配

到 2026 年，最大的基礎(chǔ)設(shè)施沖擊將并非來自外部企業(yè)，而是來自企業(yè)內(nèi)部。我們正在從可預(yù)測(cè)、低并發(fā)的「人類速度」流量轉(zhuǎn)向遞歸、突發(fā)且規(guī)模龐大的「代理速度」工作負(fù)載。

如今的企業(yè)后端是為 1:1 的人類操作與系統(tǒng)響應(yīng)比例而設(shè)計(jì)的。它沒有為單個(gè)代理式「目標(biāo)」在毫秒級(jí)觸發(fā) 5000 個(gè)子任務(wù)、數(shù)據(jù)庫查詢和內(nèi)部 API 調(diào)用的遞歸扇出做好架構(gòu)準(zhǔn)備。當(dāng)代理嘗試重構(gòu)代碼庫或修復(fù)安全日志時(shí)，它看起來不像是一個(gè)用戶。在傳統(tǒng)數(shù)據(jù)庫或限流器眼里，它就像一次 DDoS 攻擊。

為 2026 年的代理構(gòu)建系統(tǒng)意味著要重新設(shè)計(jì)控制平面。我們將見證「代理原生」基礎(chǔ)設(shè)施的興起。下一代基礎(chǔ)設(shè)施必須將「驚群效應(yīng)」（thundering herd）視為默認(rèn)狀態(tài)。冷啟動(dòng)時(shí)間必須縮短，延遲波動(dòng)必須大幅降低，并發(fā)限制必須成倍提升。瓶頸在于協(xié)調(diào)：在大規(guī)模并行執(zhí)行中實(shí)現(xiàn)路由、鎖定、狀態(tài)管理和策略執(zhí)行。只有那些能夠應(yīng)對(duì)隨之而來的工具執(zhí)行洪流的平臺(tái)才能最終勝出。

Justine Moore：創(chuàng)意工具走向多模態(tài)

我們現(xiàn)在擁有了用人工智能講述故事的構(gòu)建模塊：生成式語音、音樂、圖像和視頻。但對(duì)于任何超出一次性片段的內(nèi)容，獲得所需的輸出往往既耗時(shí)又令人沮喪——甚至是不可能的——尤其是在你想要接近傳統(tǒng)導(dǎo)演級(jí)別的控制水平時(shí)。

為什么我們不能給模型喂一個(gè) 30 秒的視頻，然后讓它用參考圖像和聲音創(chuàng)建的新角色繼續(xù)演繹這個(gè)場景呢？或者重新拍攝一段視頻，以便我們從不同的角度觀察場景，或者讓動(dòng)作與參考視頻相匹配？

2026 年是人工智能邁向多模態(tài)的一年。你可以給模型提供任何形式的參考內(nèi)容，并利用它創(chuàng)作新內(nèi)容或編輯現(xiàn)有場景。我們已經(jīng)看到一些早期產(chǎn)品，例如 Kling O1 和 Runway Aleph。但還有很多工作要做——我們需要在模型層和應(yīng)用層都進(jìn)行創(chuàng)新。

內(nèi)容創(chuàng)作是人工智能最具殺傷力的應(yīng)用場景之一，我預(yù)計(jì)我們將看到眾多成功的產(chǎn)品涌現(xiàn)，涵蓋各種應(yīng)用場景和客戶群體，從表情包制作者到好萊塢導(dǎo)演。

Jason Cui：人工智能原生數(shù)據(jù)棧持續(xù)演進(jìn)

過去一年里，隨著數(shù)據(jù)公司從專注于數(shù)據(jù)攝取、轉(zhuǎn)換和計(jì)算等專業(yè)領(lǐng)域轉(zhuǎn)向捆綁式統(tǒng)一平臺(tái)，我們看到了「現(xiàn)代數(shù)據(jù)棧」的整合。例如：Fivetran/dbt 的合并以及 Databricks 等統(tǒng)一平臺(tái)的持續(xù)崛起。

盡管整個(gè)生態(tài)已明顯成熟，但我們?nèi)蕴幱谡嬲斯ぶ悄茉鷶?shù)據(jù)架構(gòu)的早期階段。我們對(duì)人工智能持續(xù)變革數(shù)據(jù)堆棧多個(gè)環(huán)節(jié)的方式感到興奮，并且開始意識(shí)到數(shù)據(jù)和人工智能基礎(chǔ)設(shè)施正變得密不可分。

以下是我們看好的一些方向：

• 數(shù)據(jù)將如何與傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)一起流入高性能向量數(shù)據(jù)庫

• 人工智能代理如何解決「上下文難題」：持續(xù)訪問正確的業(yè)務(wù)數(shù)據(jù)上下文和語義層，從而構(gòu)建強(qiáng)大的應(yīng)用程序，例如與數(shù)據(jù)進(jìn)行交互，并確保這些應(yīng)用程序在多個(gè)記錄系統(tǒng)中始終擁有正確的業(yè)務(wù)定義

• 隨著數(shù)據(jù)工作流變得更加代理化和自動(dòng)化，傳統(tǒng)的商業(yè)智能工具和電子表格將如何改變

Yoko Li：我們走進(jìn)視頻的一年

到 2026 年，視頻將不再是我們被動(dòng)觀看的內(nèi)容，而更像是一個(gè)我們可以真正置身其中的空間。視頻模型最終能夠理解時(shí)間，記住它們已經(jīng)展示過的內(nèi)容，對(duì)我們的操作做出反應(yīng)，并保持現(xiàn)實(shí)世界那種可靠的一致性。這些系統(tǒng)不再僅僅生成幾秒鐘的零散影像，而是能夠維持角色、物體和物理效果足夠長的時(shí)間，使行動(dòng)產(chǎn)生意義，并展現(xiàn)其后果。這種轉(zhuǎn)變將視頻變成了一種可以不斷發(fā)展的媒介：一個(gè)機(jī)器人可以練習(xí)、游戲可以演進(jìn)、設(shè)計(jì)師可以制作原型、代理可以在實(shí)踐中學(xué)習(xí)的空間。最終呈現(xiàn)的不再像一段視頻片段，而更像是一個(gè)鮮活的環(huán)境，一個(gè)開始彌合感知與行動(dòng)之間鴻溝的環(huán)境。我們第一次感覺自己可以置身于我們生成的視頻之中。

增長

Sarah Wang：記錄系統(tǒng)失去主導(dǎo)地位

到 2026 年，企業(yè)軟件領(lǐng)域真正的顛覆性變革在于記錄系統(tǒng)最終將失去其主導(dǎo)地位。人工智能正在縮小意圖與執(zhí)行之間的距離：模型現(xiàn)在可以直接讀取、寫入和推理操作數(shù)據(jù)，將 IT 服務(wù)管理（ITSM）和客戶關(guān)系管理（CRM）系統(tǒng)從被動(dòng)的數(shù)據(jù)庫轉(zhuǎn)變?yōu)樽灾鞯墓ぷ髁饕妗ｋS著推理模型和代理工作流的最新進(jìn)展不斷積累，這些系統(tǒng)不僅能夠響應(yīng)，還能預(yù)測(cè)、協(xié)調(diào)和執(zhí)行端到端的流程。界面轉(zhuǎn)變?yōu)閯?dòng)態(tài)代理層，而傳統(tǒng)的記錄系統(tǒng)則退居幕后，成為一種通用的持久層——其戰(zhàn)略優(yōu)勢(shì)將被讓渡給真正掌控員工日常使用的代理執(zhí)行環(huán)境的那一方。

Alex Immerman：垂直行業(yè)的人工智能從信息檢索和推理演進(jìn)到多人協(xié)作

人工智能推動(dòng)垂直行業(yè)軟件實(shí)現(xiàn)了前所未有的增長。醫(yī)療保健、法律和房地產(chǎn)公司在短短幾年內(nèi)就達(dá)到了超過 1 億美元的年度經(jīng)常性收入 (ARR)；金融和會(huì)計(jì)行業(yè)緊隨其后。這一演進(jìn)首先是信息檢索：查找、提取和匯總正確的信息。2025 年帶來了推理功能：Hebbia 分析財(cái)務(wù)報(bào)表并構(gòu)建模型，Basis 在不同系統(tǒng)間對(duì)賬試算表，EliseAI 診斷維護(hù)問題并派遣合適的供應(yīng)商。

2026 年將解鎖多人協(xié)作模式。垂直行業(yè)軟件受益于特定領(lǐng)域的界面、數(shù)據(jù)和集成。但垂直行業(yè)的工作本質(zhì)上是多方協(xié)作的。如果代理要代表勞動(dòng)力，它們就需要協(xié)作。從買家和賣家，到租戶、顧問和供應(yīng)商，每一方都有不同的權(quán)限、工作流程和合規(guī)要求，而這些只有垂直行業(yè)軟件才能理解。

如今，各方都獨(dú)立地使用人工智能，導(dǎo)致交接過程中缺乏授權(quán)。分析采購協(xié)議的人工智能不會(huì)與首席財(cái)務(wù)官溝通以調(diào)整模型。維護(hù)人工智能也不知道現(xiàn)場工作人員曾向租戶承諾過什么。多方協(xié)作的變革在于跨利益相關(guān)者的協(xié)調(diào)：將任務(wù)路由至職能專家、維持上下文、同步變更。交易對(duì)手的人工智能在既定參數(shù)范圍內(nèi)進(jìn)行談判，并將不對(duì)稱之處標(biāo)記出來供人工審核。高級(jí)合伙人的標(biāo)記用于訓(xùn)練整個(gè)公司的系統(tǒng)。人工智能執(zhí)行的任務(wù)將以更高的成功率完成。

當(dāng)多人協(xié)作和多代理協(xié)作的價(jià)值提升時(shí)，轉(zhuǎn)換成本也會(huì)隨之增加。我們將看到人工智能應(yīng)用一直以來未能實(shí)現(xiàn)的網(wǎng)絡(luò)效應(yīng)：協(xié)作層將成為護(hù)城河。

Stephenie Zhang：為代理而設(shè)計(jì)，而非為人類

到 2026 年，人們將開始通過代理與網(wǎng)絡(luò)交互。過去為人類消費(fèi)所優(yōu)化的東西，對(duì)代理消費(fèi)來說將不再同樣重要。

多年來，我們一直致力于優(yōu)化可預(yù)測(cè)的人類行為：在谷歌搜索結(jié)果中排名靠前，在亞馬遜搜索結(jié)果中名列前茅，并以簡短精煉的「TL;DR」開頭。高中時(shí)，我選修了一門新聞?wù)n，老師教我們要用「5W1H」寫新聞，專題文章要以引人入勝的開頭吸引讀者。或許人類讀者會(huì)錯(cuò)過隱藏在第五頁的那些極具價(jià)值、見解深刻的論述，但人工智能不會(huì)。

這種轉(zhuǎn)變也體現(xiàn)在軟件領(lǐng)域。應(yīng)用程序的設(shè)計(jì)初衷是為了滿足人類的視覺和點(diǎn)擊需求，優(yōu)化意味著良好的用戶界面和直觀的操作流程。隨著人工智能接管檢索和解讀工作，視覺設(shè)計(jì)對(duì)于理解的重要性逐漸降低。工程師不再盯著 Grafana 儀表盤，人工智能系統(tǒng)可靠性工程師 (SRE) 可以解讀遙測(cè)數(shù)據(jù)，并在 Slack 上發(fā)布分析結(jié)果。銷售團(tuán)隊(duì)不再需要費(fèi)力地翻閱客戶關(guān)系管理系統(tǒng) (CRM)，人工智能可以自動(dòng)提取模式和摘要。

我們不再為人類設(shè)計(jì)內(nèi)容，而是為人工智能設(shè)計(jì)內(nèi)容。新的優(yōu)化目標(biāo)不再是視覺層級(jí)，而是機(jī)器可讀性——這將改變我們創(chuàng)作的方式以及我們使用的工具。

Santiago Rodriguez：人工智能應(yīng)用中「屏幕時(shí)間」KPI 的終結(jié)

過去 15 年來，屏幕時(shí)間一直是衡量消費(fèi)者和企業(yè)應(yīng)用價(jià)值交付的最佳指標(biāo)。我們一直生活在一個(gè)以 Netflix 流媒體播放時(shí)長、醫(yī)療電子病歷用戶體驗(yàn)中的鼠標(biāo)點(diǎn)擊次數(shù)（以此證明有效使用）甚至在 ChatGPT 上花費(fèi)的時(shí)間作為關(guān)鍵績效指標(biāo)的范式中。隨著我們邁向基于結(jié)果的定價(jià)模式，這種模式能夠完美地協(xié)調(diào)供應(yīng)商和用戶的激勵(lì)機(jī)制，我們將首先摒棄屏幕時(shí)間報(bào)告。

我們已經(jīng)在實(shí)踐中看到了這一點(diǎn)。當(dāng)我在 ChatGPT 上運(yùn)行 DeepResearch 查詢時(shí)，即使屏幕時(shí)間幾乎為零，我也能獲取到巨大的價(jià)值。當(dāng) Abridge 神奇地捕捉到醫(yī)患對(duì)話并自動(dòng)執(zhí)行后續(xù)操作時(shí)，醫(yī)生幾乎不用看屏幕。當(dāng) Cursor 開發(fā)出完整的端到端應(yīng)用程序時(shí)，工程師們正在規(guī)劃下一個(gè)功能開發(fā)周期。而當(dāng) Hebbia 根據(jù)數(shù)百份公開文件撰寫演示文稿時(shí)，投資銀行家們終于可以好好睡上一覺了。

這帶來了一個(gè)獨(dú)特的挑戰(zhàn)：應(yīng)用程序的單用戶收費(fèi)標(biāo)準(zhǔn)需要更復(fù)雜的投資回報(bào)率 (ROI) 衡量方法。人工智能 (AI) 應(yīng)用的普及將提升醫(yī)生滿意度、開發(fā)人員效率、財(cái)務(wù)分析師福祉以及消費(fèi)者幸福感。那些能夠以最簡潔的方式闡述 ROI 的公司將繼續(xù)超越競爭對(duì)手。

生物 健康

Julie Yoo：健康的月活躍用戶 (MAU)

到 2026 年，一個(gè)新的醫(yī)療保健客戶群體將成為焦點(diǎn)：「健康的月活躍用戶」。

傳統(tǒng)的醫(yī)療保健系統(tǒng)主要服務(wù)于三大用戶群體：(a) 「患病的月活躍用戶」：需求波動(dòng)較大且費(fèi)用較高的人群；(b) 「患病的日活躍用戶 *」：例如需要長期重癥監(jiān)護(hù)的患者；以及 (c) 「健康的青年活躍用戶 *」：相對(duì)健康且很少就醫(yī)的人群。健康青年活躍用戶面臨著轉(zhuǎn)變?yōu)榛疾〉脑禄钴S用戶 / 日活躍用戶的風(fēng)險(xiǎn)，而預(yù)防性護(hù)理可以減緩這種轉(zhuǎn)變。但我們以治療為主的醫(yī)療報(bào)銷體系獎(jiǎng)勵(lì)的是治療而非預(yù)防，因此主動(dòng)健康檢查和監(jiān)測(cè)服務(wù)并未得到優(yōu)先考慮，而且保險(xiǎn)也很少涵蓋這些服務(wù)。

現(xiàn)在，健康的月活躍用戶群體應(yīng)運(yùn)而生：他們并非患病，但希望定期監(jiān)測(cè)和了解自身健康狀況——而且他們也可能是消費(fèi)者群體中占比最大的群體。我們預(yù)計(jì)，一批公司——包括人工智能原生創(chuàng)業(yè)公司和現(xiàn)有企業(yè)的升級(jí)版——將開始提供定期服務(wù)，以服務(wù)于這一用戶群體。

隨著人工智能降低醫(yī)療服務(wù)成本的潛力、專注于預(yù)防的新型健康保險(xiǎn)產(chǎn)品的出現(xiàn)，以及消費(fèi)者越來越愿意自費(fèi)支付訂閱模式的費(fèi)用，「健康的月活躍用戶」代表著醫(yī)療科技領(lǐng)域下一個(gè)極具潛力的客戶群體：他們持續(xù)參與、數(shù)據(jù)驅(qū)動(dòng)且注重預(yù)防。

Speedrun（a16z 內(nèi)部一個(gè)投資團(tuán)隊(duì)的名稱）

Jon Lai：世界模型在敘事領(lǐng)域中大放異彩

2026 年，人工智能驅(qū)動(dòng)的世界模型將通過交互式虛擬世界和數(shù)字經(jīng)濟(jì)徹底改變敘事方式。諸如 Marble（World Labs）和 Genie 3（DeepMind）等技術(shù)已經(jīng)能夠根據(jù)文本提示生成完整的 3D 環(huán)境，讓用戶像在游戲中一樣探索它們。隨著創(chuàng)作者采用這些工具，全新的敘事形式將會(huì)出現(xiàn)，最終可能演變成「生成式我的世界」，玩家可以共同創(chuàng)造龐大且不斷演化的宇宙。這些世界可以將游戲機(jī)制與自然語言編程相結(jié)合，例如，玩家可以發(fā)出「創(chuàng)造一支畫筆，將我觸碰到的任何東西都變成粉色」這樣的指令。

此類模型將模糊玩家和創(chuàng)作者之間的界限，使用戶成為動(dòng)態(tài)共享現(xiàn)實(shí)的共同創(chuàng)造者。這種演變可能會(huì)催生相互關(guān)聯(lián)的生成式多元宇宙，讓奇幻、恐怖、冒險(xiǎn)等不同類型并存。在這些虛擬世界中，數(shù)字經(jīng)濟(jì)將蓬勃發(fā)展，創(chuàng)作者可以通過打造資產(chǎn)、指導(dǎo)新手或開發(fā)新的互動(dòng)工具來獲得收入。除了娛樂之外，這些生成式世界還將成為訓(xùn)練人工智能代理、機(jī)器人乃至通用人工智能（AGI）的豐富模擬環(huán)境。因此，世界模型的興起不僅標(biāo)志著一種新的游戲類型的出現(xiàn)，更預(yù)示著一個(gè)全新的創(chuàng)意媒介和經(jīng)濟(jì)前沿的到來。

Josh Lu：「我的元年」

2026 年將成為「我的元年」：屆時(shí)，產(chǎn)品將不再批量生產(chǎn)，而是為你量身定制。

我們已經(jīng)在各處看到了這種趨勢(shì)。

在教育領(lǐng)域，像 Alphaschool 這樣的初創(chuàng)公司正在構(gòu)建人工智能導(dǎo)師，這些導(dǎo)師能夠適應(yīng)每個(gè)學(xué)生的學(xué)習(xí)進(jìn)度和興趣，讓每個(gè)孩子都能獲得與其學(xué)習(xí)節(jié)奏和偏好相匹配的教育。如果沒有在每個(gè)學(xué)生身上花費(fèi)數(shù)萬美元的輔導(dǎo)費(fèi)，這種程度的關(guān)注是不可能實(shí)現(xiàn)的。

在健康領(lǐng)域，人工智能正在設(shè)計(jì)根據(jù)你的生理特點(diǎn)量身定制的每日營養(yǎng)補(bǔ)充劑組合、鍛煉計(jì)劃和膳食方案。無需教練或?qū)嶒?yàn)室。

即使在媒體領(lǐng)域，人工智能也能讓創(chuàng)作者將新聞、節(jié)目和故事重新組合，打造出完全符合你興趣和喜好的個(gè)性化信息流。

上個(gè)世紀(jì)最大的公司之所以能取得成功，是因?yàn)樗鼈冋业搅似胀ㄏM(fèi)者。

下個(gè)世紀(jì)最大的公司將通過找到普通消費(fèi)者中的個(gè)體來贏得勝利。

2026 年，世界將不再為所有人優(yōu)化，而是開始為你優(yōu)化。

Emily Bennett：第一所原生人工智能大學(xué)

我預(yù)計(jì)，2026 年我們將見證第一所原生人工智能大學(xué)的誕生，這是一所從零開始圍繞人工智能系統(tǒng)構(gòu)建的機(jī)構(gòu)。

過去幾年，大學(xué)一直在嘗試將人工智能應(yīng)用于評(píng)分、輔導(dǎo)和課程安排。但如今正在涌現(xiàn)的是一種更深層次的人工智能，一種能夠?qū)崟r(shí)學(xué)習(xí)和自我優(yōu)化的自適應(yīng)學(xué)術(shù)體系。

想象一下，在一個(gè)這樣的機(jī)構(gòu)里，課程、咨詢、研究合作，甚至建筑運(yùn)營都會(huì)根據(jù)數(shù)據(jù)反饋循環(huán)不斷調(diào)整。課程表會(huì)自我優(yōu)化。閱讀清單每晚都會(huì)更新，并隨著新研究的出現(xiàn)而自動(dòng)重寫。學(xué)習(xí)路徑會(huì)實(shí)時(shí)調(diào)整，以適應(yīng)每位學(xué)生的學(xué)習(xí)進(jìn)度和實(shí)際情況。

我們已經(jīng)看到了一些先兆。亞利桑那州立大學(xué)（ASU）與 OpenAI 的全校合作催生了數(shù)百個(gè)涵蓋教學(xué)和行政管理的 AI 驅(qū)動(dòng)項(xiàng)目。紐約州立大學(xué)（SUNY）現(xiàn)在已將 AI 素養(yǎng)納入其通識(shí)教育要求。這些都是更深入部署的基礎(chǔ)。

在 AI 原生大學(xué)里，教授們將成為學(xué)習(xí)的架構(gòu)師，他們負(fù)責(zé)數(shù)據(jù)管理、模型調(diào)優(yōu)，并指導(dǎo)學(xué)生如何質(zhì)疑機(jī)器推理。

評(píng)估方式也將改變。檢測(cè)工具和抄襲禁令將被 AI 意識(shí)評(píng)估所取代，學(xué)生的評(píng)分標(biāo)準(zhǔn)不再是是否使用了 AI，而是他們?nèi)绾问褂?AI。透明和策略性運(yùn)用取代了禁止。

隨著各行各業(yè)都在努力招聘能夠設(shè)計(jì)、管理和協(xié)作 AI 系統(tǒng)的人才，這所新型大學(xué)將成為培訓(xùn)基地，培養(yǎng)出精通 AI 系統(tǒng)協(xié)調(diào)的畢業(yè)生，助力快速變化的勞動(dòng)力市場。

這所 AI 原生大學(xué)將成為新經(jīng)濟(jì)的人才引擎。

今天就到這里，我們下一部分見，敬請(qǐng)期待。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。