人形机器人训练数据：动作捕捉的新战场

就像人类的文字成了大语言模型的养料，现在连人类怎么动、怎么走路、怎么搬东西，都被大规模收集起来训练人形机器人。这事儿听起来有点怪，但确实在发生——有公司专门建了”训练中心”，让工人一遍遍重复同样的动作，就为了给机器人提供学习素材。还有更离谱的”提线木偶”模式：远方的人类通过远程操控，手把手教机器人怎么做事。

这种做法投入巨大，但没人能保证一定成功。可资本还是在砸钱，因为这可能是让机器人真正”活过来”的唯一路径。

---

大语言模型没有死，它正在进化

去年大家还在感叹大语言模型”改变了世界”，今年从业者已经在琢磨下一个突破在哪里。容易摘的果子已经摘完了，模型的提升越来越难，但这不意味着LLM要退出历史舞台。

相反，它正在往两个方向走：一个是把现有的能力压榨到极致，另一个是在寻找全新的架构突破。这条路不好走，但走通了就是下一个时代。

---

AI让诈骗变得便宜又高效

以前想搞网络诈骗，还得学点技术、花点钱买工具。现在有了生成式AI，门槛几乎降到了地板上。黑客可以用AI批量生成钓鱼邮件，连语法错误都不一定有；换脸视频让冒充别人变得轻而易举；甚至连打电话诈骗都有AI语音代劳。

AI正在让网络犯罪变得更便宜、更快、更容易——这对普通人来说不是什么好消息。

---

世界模型：让AI理解物理世界

大语言模型擅长处理文字，但要让AI进入真实物理世界——比如让机器人知道”杯子掉地上会碎”这种常识——就需要”世界模型”。这类系统试图让AI理解外部世界的运作规律，而不仅仅是预测下一个词。

如果这条路走通了，AI就不再只是聊天工具，而是能真正在现实世界里做事情的智能体。这可能是下一波AI浪潮最核心的突破点。

---

智能体编排：从单打独斗到团队协作

早期的AI智能体只能干一件事——比如帮你订个外卖，或者写段代码。但现实世界里的问题往往是复杂的，需要多个步骤、多种能力配合。

现在的方向是”智能体团队”：一个负责搜索、一个负责推理、一个负责执行，像人类团队一样分工协作。这比单个超级智能体更灵活，也更容易落地。很多公司已经在往这个方向押注了。

---

中国的开源赌注：免费模型赢来的全球影响力

DeepSeek、通义千问、智谱……中国实验室过去一年里密集开源了一大批高质量模型，而且真的好用。这让全球开发者突然意识到：原来不用OpenAI也能做出厉害的东西。

但这种”免费送”的策略能不能持续，没人说得准。训练模型太烧钱了，光靠口碑和开发者好感，账算得过来吗？不管怎样，全世界已经在基于中国的基础模型搞开发了，这本身就已经改变了格局。

---

AI科学家：当AI开始做科研

有些公司已经在开发能自主做科研的AI——不是帮你查文献，而是真的能设计实验、分析数据、甚至提出新假设。支持者说，这种AI合作者有一天可能会达到诺贝尔奖的水平。

这话听起来夸张，但想想十年前大家也觉得”AI下围棋赢人类”是天方夜谭。科学发现的门槛正在被重新定义。

---

反AI运动：当大家开始说”够了”

过去几年AI基本上是想怎么发展就怎么发展，监管跟不上，大家也沉浸在”新技术好厉害”的兴奋里。但现在这股浪潮遇到了真正的阻力。

艺术家不满自己的作品被拿来训练模型，工会担心AI抢走工作，保守派和自由派居然在”限制AI”这件事上找到了共同点。这股反对力量还在早期，但已经在一些具体问题上取得了小胜利。AI的无约束时代，可能正在走向终点。

---

写在最后

MIT Technology Review这份清单的价值不在于预测未来，而在于帮我们看清当下——哪些方向是真的在动，哪些只是炒作。人形机器人、世界模型、智能体编排，这些是当前最值得盯着的变化；而AI安全、监管反弹、开源商业化困境，则是这个行业必须面对的考题。

2026年的AI，已经不再是”能不能做出来”的问题，而是”应该怎么用、谁来管、往哪里去”的问题。

Google I/O 2026：从聊天机器人到数字分身

过去几年Google I/O的主角，通常是某个模型、某个参数量、某个Benchmark。但今年不一样。整场两个多小时发布会，Google其实只反复讲了一件事：Agent。

不是聊天机器人，不是”帮你回答问题”的AI，而是真正开始替用户持续执行任务的AI Agent。Google想做的，是把Gemini从一个App，彻底变成Google所有入口背后的操作系统。

Gemini Spark：你的24小时数字分身

这次发布会上，Google几乎把整个产品体系全部Agent化了。最核心的新产品，是Gemini Spark。你可以把它理解成Google版”全天候数字分身”。它运行在Google Cloud虚拟机上，7×24小时在线。即便你关掉电脑、合上手机，它依然会在后台继续工作。

Google现场演示了一个典型场景：用户正在组织社区派对，Spark会自动汇总邮件回复、统计每个人带什么东西、追踪谁还没确认、生成提醒邮件、同步Google Sheets，再自动做一份Google Slides宣传页，整个过程几乎不需要用户手动操作。

Gemini Spark本质上正在把Agent从”问答工具”，变成”长期运行的执行系统”。过去的大模型，更像即时响应；现在的Agent，则开始拥有持续状态、任务记忆和跨应用执行能力。

Gemini 3.5 Flash：把Agent成本打下来

Agent最大的难点，从来都不只是能力，而是成本。因为Agent实在太烧Token了。Google披露的数据非常夸张：目前Google自家产品每月处理的Token，已经达到3200万亿个，同比增长7倍。

于是，Gemini 3.5 Flash出现了。这可能是今年Google最关键的模型。因为它不再单纯强调”最强”，而是开始强调”最适合跑Agent”。Pichai现场直接算了一笔账：如果一家头部企业每天处理1万亿Token，把80%的工作负载从其它前沿模型迁移到Gemini 3.5 Flash，一年能省超过10亿美元。

性能接近顶级前沿模型，输出速度快4倍，而成本只有同类模型的一半甚至更低。Google现在反复强调一句话：”你不需要再在质量和速度之间二选一。”因为Agent时代，比拼的已经不是一次回答，而是持续运行能力。

Antigravity 2.0：93个Agent协作搭建操作系统

如果说Flash负责”让Agent更便宜”，那Antigravity 2.0负责的，就是”让Agent真正开始干活”。它原本只是个AI Coding工具，现在Google直接把它升级成了多Agent协作平台。

开发者可以同时调度多个Agent：一个写代码，一个生成设计素材，一个规划产品架构，一个测试漏洞，一个修Bug。Google现场甚至演示了一个极其夸张的案例：93个Agent并行协作，从零开始搭建一个可运行的操作系统。

整个过程持续12小时，处理26亿Token，最终居然真的跑起来了，甚至还能运行Doom。而整个API成本不到1000美元。Google显然是在正面硬刚Claude Code和Codex。

搜索彻底变了：从链接到执行结果

Google这次还对搜索动了最大的一刀。Pichai说，这是Google搜索框25年来最大升级。因为搜索不再只是”搜答案”，而是开始”生成执行结果”。

比如用户问：”黑洞如何影响时空？”以前搜索会给你十条蓝链，现在Google直接生成一个交互式可视化界面，你甚至可以拖动参数、实时观察变化。搜索开始变成实时生成式UI。

Google还把Agent正式塞进搜索。用户未来可以创建Information Agent，让它24小时后台监控信息，比如跟踪股票、监控租房、盯球鞋发售、观察行业动态、追踪价格变化。Agent会自己搜、自己总结、自己更新。

---

Google最恐怖的其实是生态

但整场发布会真正最危险的地方，其实不是模型，而是Google的生态。因为OpenAI现在最强的，是模型能力；但Google最强的，是入口。

搜索、Chrome、Android、YouTube、Gmail、Maps、Workspace……这些产品加起来，本身就是全球最大的互联网流量系统之一。而现在，Google正在把Gemini嵌入所有入口。

这意味着，别人还在想办法”获取用户”，Google已经开始直接给几十亿用户发Agent。这是完全不同的战争维度。

甚至连智能眼镜，Google也重新杀回来了。今年发布的Android XR眼镜，可以直接通过Gemini完成导航、下单、消息总结，用户甚至不用掏手机。

Google正在试图让Gemini变成未来所有设备背后的默认智能层。搜索是入口，Chrome是入口，手机是入口，眼镜也是入口。Gemini则开始变成背后的统一大脑。

AI行业开始进入”运营时代”

今年Google I/O还有个特别明显的信号：AI行业正在从”模型竞赛”，进入”运营竞赛”。过去两年，行业核心是”谁更聪明”；现在开始变成谁更稳定、谁更便宜、谁更能规模化、谁更能真正接管工作流。

Google今年资本支出预计高达1800亿~1900亿美元，第八代TPU开始拆成训练芯片和推理芯片。Google甚至公开强调：”我们要把最强AI，变成最便宜的AI。”这已经不是单纯的技术竞争，而是一次基础设施战争。

---

过去几年，大家一直在讨论：AI到底什么时候能真正”替人做事”。Google这次给出的答案是：现在。而且它不准备只做一个聊天机器人。它想做的是，一个全天候运行、跨应用协作、持续执行任务、存在于所有入口里的超级Agent系统。

Google迟到了。但现在，它终于开始全面开卷Agent。

2026年AI领域最值得关注的10件事

MIT Technology Review最近发了篇文章，总结了当下AI领域最值得你盯着的10个方向。他们的记者和编辑盯了AI这么多年，这次第一次把答案浓缩成一份清单。

这份榜单的灵感来自他们每年的《10项突破性技术》，但这次把视角投向了当下推动AI进步、改变权力格局的东西。我挑几个最有意思的跟你聊聊。

人形机器人需要大量训练数据

就像我们的文字成了大语言模型的训练数据一样，记录人类动作的海量视频现在正被收集起来，用来训练人形机器人。有些公司在搞庞大的”训练中心”，让工人重复完成任务；还有些公司让海外的陌生人远程操控”傀儡”机器人。这是个疯狂的尝试，而且没人能保证一定能成功。

大语言模型还有很大挖掘空间

大语言模型（LLM）曾经席卷全球。现在所有AI从业者都在追逐下一个重大突破。虽然容易实现的目标已经所剩无几，但大语言模型不会就此消失，这项技术还有很大的挖掘空间。

AI让诈骗变得更容易了

AI正在降低诈骗分子和黑客的作案门槛，让入侵目标的尝试变得比以往更快、更便宜、更容易。这件事值得所有人警惕。

“AI无处不在，铺天盖地。这让你有怎样的感受？”——MIT Technology Review编辑Mat Honan

世界模型：让AI理解物理世界

AI公司想要构建能够理解外部世界的系统。如果它们成功，就有可能克服大语言模型的局限性，帮助AI进入物理环境。这是个很有意思的方向。

AI已经进了作战室

算法很早就实现了军事杂务的自动化，但现在生成式AI已经在作战室拥有了席位，指挥官会认真采纳它的建议。它正在重塑军队的情报共享方式、和大型科技公司的合作模式，以及致命决策的制定方式。

深度伪造被武器化了

随着生成式AI的改进、Grok大规模生成非自愿色情图像，以及美国政府用这项技术进行宣传，人们长期预测的武器化深度伪造威胁已经到来。

---

智能体协作：从单打独斗到团队合作

第一代AI智能体只能运行浏览器或者编写代码片段，而且只能单独行动。接下来将出现的是能够协作完成复杂得多的目标的智能体团队。这个方向对自动化和生产力提升很有意义。

中国的开源押注

免费开放前沿模型让中国实验室赢得了全球信誉，也获得了开发者的大量好感。这种模式的财务可持续性无人知晓，但全世界已经在基于中国的模型基础进行构建了。

人工智能科学家：AI自己搞研究

学术界和企业都在开发能够自主完成研究任务、作为真正的合作者和科学家共事的智能体。有人认为，这些AI合作科学家终有一天会取得足以获得诺贝尔奖的成果。这个说法有点大胆，但也不是完全没可能。

全球范围内的AI抵制浪潮

在多年的AI无限制发展之后，全球范围内正在形成一股强大的抵制浪潮。从保守派到自由派，从艺术家到工会，活动人士的势头越来越猛，已经开始取得一些小胜利。

---

我的看法：这10个方向里，我觉得最值得关注的是”智能体协作”和”世界模型”。智能体协作如果能做好，对提升生产力会有很大帮助；世界模型则是让AI从屏幕后面走到物理世界的关键一步。至于AI诈骗和深度伪造武器化，这两个方向让人担心，但也说明AI的能力确实在快速提升。

另外，中国的开源押注这个方向也很有意思。免费开放前沿模型确实能赢得开发者的好感，但怎么赚钱这是个问题。不过，全世界已经开始基于中国的模型进行构建了，这说明开源策略确实有效。