引言

三年前那会，只要你说你做AI大模型，投资人挤破头给你送钱，随便一个套壳GPT的应用都能刷爆朋友圈。现在呢？上个月去参加一个AI行业沙龙，台下坐的大半都是传统行业的人，问的问题不再是“你家模型参数多大”，而是“你这个东西能帮我省多少钱，能不能明天就上线用”。

狂热之后回归理性，其实是好事。这说明AI从资本的玩具，真的开始变成行业的基础设施了。最近很多粉丝私信我，说想进AI行业，不知道该往哪个方向走，担心现在进场是不是晚了，会不会接盘。

我个人的判断是：大模型爆发的第一波浪潮已经过去了，但是接下来真刀真枪落地的第二波浪潮，才刚刚开始。这篇文章我把这三年自己亲历、跟业内人聊出来的，未来5年人工智能最核心的5个发展趋势整理出来，每个趋势都讲清楚背后的逻辑，有实际的例子，也给不同身份的朋友提了可落地的方向，不管你是学生、从业者还是创业者，应该都能有点收获。

---

一、行业背景：站在2026年，AI到底走到哪一步了？

很多人对AI的印象还停留在“ChatGPT能写代码能聊天”，觉得AI已经发展到很厉害了，接下来就是等AGI（通用人工智能）了。其实真不是，我给你掰掰现在AI行业的真实阶段，都是我跑客户跑出来的实感：

1.1 通用大模型的赛道已经定型，头部效应越来越明显

现在能做千亿参数通用大模型的，国内就那几家互联网大厂，训练一次的成本就是几个亿，不仅需要钱，还需要芯片资源、数据资源，创业公司再做通用大模型根本拿不到融资，也拼不过头部。而且现在通用大模型的基础能力，大部分To C场景已经够用了，接下来拼的从来不是参数大小，是落地能力。

1.2 90%的传统企业，还没真正用上AI

我去年跑了十几个珠三角的制造业工厂，很多工厂的外观质检还是靠人眼，工人一天看八个小时，错检率能到5%，不仅工人累得颈椎腰椎出问题，老板也因为错检流出的次品赔了不少钱。老板也想换AI，但是找了一圈，要么是一套方案下来上百万，中小厂掏不起；要么是模型只认识标准样品，换个型号就错得离谱；要么是对接起来要改整个工厂的流程，太麻烦，最后还是只能用人工。

这不是AI不行，是现在的AI还没沉下去，没真正做到行业里去，大部分还是停留在PPT方案和Demo阶段，真能落地解决问题的太少了。

1.3 AI还是“人找AI”，远没到“AI找人”的阶段

现在我们用AI，都是主动打开对话框，绞尽脑汁写prompt，等AI生成结果，本质还是人主动找AI服务。未来真正普及的AI，应该是AI主动感知你的需求，提前帮你把活儿干了，你只需要做最终确认就行，这才是真的改变工作和生活方式。

所以站在2026年这个节点，AI早就过了“有没有”的阶段，接下来要解决的核心问题就是“好不好用，能不能真落地”，接下来所有的趋势，全都是围绕这个问题展开的。

---

趋势一：端侧AI爆发，模型小型化量产变成核心竞争力

我先给不懂技术的朋友解释下：原来我们用的AI大部分都是云端AI——你拍一张照片，传到远方的云端服务器，服务器算完了再把结果发给你。而端侧AI就是把AI模型直接放到你本地的设备上，比如手机、智能门锁、工厂的生产线、汽车里面，不用联网，直接在本地就算出结果了。

为什么这个趋势一定会爆发？我去年跟京东物流的一个朋友吃饭，他给我吐了一个多小时的槽，我一下子就懂了。他们分拣中心现在用AI做包裹地址识别，原来用的是云端方案，摄像头拍了包裹，传到云端识别，再把结果发回来控制分拣机。看起来没问题，但是一到618、双十一这种物流高峰，园区网络卡了，延迟一秒，整条分拣线都堵了，万一运营商线路出问题断网，整个分拣中心直接停摆，一天的损失就是几十万上百万。

后来他们换成了端侧模型，直接把模型放到分拣线的本地控制芯片里面，识别不用传云端，延迟从原来的平均200ms降到了10ms以内，断网也能正常跑，一下子解决了这个要命的问题。

这真不是个例，现在越来越多的场景，天生就必须用端侧AI：

• 智能汽车：自动驾驶的决策不能等云端传输，万一开到山区没信号，出了事故就是人命关天，必须端侧实时处理；
• 智能穿戴：你的智能手表监测心率异常、早搏，要实时提醒你，不能等传到云端再提醒，那早就错过了最佳干预时间；
• 隐私敏感场景：银行、医疗的用户数据，不能随便传到第三方云端，放到端侧处理，数据不用出本地，刚好满足合规要求；
• 海量IoT设备：现在家里的智能设备越来越多，所有数据都传云端，服务器和带宽成本太高，把AI放端侧，只传结果不传原始数据，能省一大半成本。

放在五年前，端侧AI还只是概念，因为那时候的小模型效果差，大模型体积太大，端侧小芯片装不下。最近这两年，模型量化、知识蒸馏、结构化剪枝这些技术进步特别快，我之前帮一个做智能门锁的朋友改人脸识别模型，原来他们用的模型是120M，门锁的芯片最大只支持8M的模型，原来准确率只能到92%，根本没法用。后来我们用INT4量化加知识蒸馏蒸馏，把模型里冗余的参数去掉，最后模型压缩到4.7M，准确率反而升到了98.1%，刚好满足门锁的解锁需求，那个产品去年卖了一百多万台，赚了不少钱。

未来5年，端侧AI会变成什么样？我觉得会有两个确定性的变化：
第一，几乎所有带芯片的智能设备，都会标配AI。原来很多IoT设备就是个“联网的砖头”，只有基础的远程控制功能，未来都会加端侧AI，变成真的智能。比如你家的监控，原来只能录像，有了端侧AI之后，能自己识别是不是陌生人闯入，不用把所有录像都传云端，省流量还保护隐私。
第二，小模型的需求会爆发，会出现一大批专门做场景化小模型的团队。不是所有场景都需要千亿大模型，很多场景只要能解决具体问题，100M以内的小模型比大模型好用还便宜。未来会有很多团队，专门针对不同的端侧芯片，做适配好的场景化小模型，卖给做硬件的公司，这个生意的规模会越来越大。

给普通人的机会

如果你是做嵌入式开发、芯片驱动开发的，学点AI模型压缩、端侧适配的知识，现在市场缺口特别大，很多硬件公司都招不到会做端侧AI的工程师，薪资比普通嵌入式开发高30%都招不到人，是实实在在的风口。

---

趋势二：从通用大模型套壳到垂直行业原生AI，懂行业比懂AI更值钱

这个是我感受最深的一个趋势。这两年我见了太多做AI的团队，拿着通用大模型就去给行业客户做方案，结果碰一鼻子灰，核心问题就是：通用大模型不懂行业的隐性规则，一出手就错，企业根本不敢用。

我举个真实的例子：去年有个做陶瓷建材的客户找我们，说他们花十几万买了一个通用大模型方案，想用来给销售做自动报价，就是输入客户要的瓷砖型号、面积、送货区域，自动算出总报价。结果用了不到一周就不用了，因为通用大模型经常算错价格。他们家不同区域的经销商拿货价不一样，不同采购量的折扣不一样，运费还有阶梯计价，不同瓷砖的损耗系数也不一样，规则非常复杂，通用大模型根本记不住这些细分规则，稍微变个参数就算错，错一次客户就可能丢了，销售根本不敢用。

后来我们帮他们做了一个行业原生AI，从一开始就是为建材报价量身定做的：把他们所有的价格规则、产品库都结构化进模型，底座用适合结构化计算的小模型，只训练跟报价相关的业务数据，最后准确率做到了99.9%，现在他们整个销售部门都在用。原来一个销售做一张报价要半小时，现在一分钟就出来了，一个销售一天能多接三个客户，你说这个价值有多大？

什么是行业原生AI？跟现在市面上流行的“通用大模型加行业prompt”本质完全不一样：

• 数据是行业原生的：训练数据全都是这个行业的真实业务数据，不是网上爬的通用公开数据；
• 规则是行业原生的：把行业的显性标准、隐性规则、合规要求都硬编码进模型逻辑，不是让大模型自己瞎蒙；
• 对接是原生的：从一开始就跟行业现有的业务系统（比如ERP、MES、PACS）做打通，不是给你一个API让你自己折腾对接。

为什么这个趋势一定会成？现在通用大模型的实际落地率其实不到10%，90%的项目都是POC（测试版）做完就没下文了，核心问题就是通用大模型解决不了行业的具体问题，错漏率太高，企业不敢用在核心业务上。而行业原生AI，虽然看起来不性感，参数也不大，但是能真的解决问题，能帮企业省钱赚钱，企业愿意掏真金白银买单。

我认识一个创业者，原来在百度做NLP，三年前出来创业，不凑通用大模型的热闹，专门给律所做法律AI，就是帮律师整理卷宗、提取争议点、匹配相似案例。他沉下去跟律师一起跑了一年，懂了律所的所有需求，做出来的产品比通用大模型准太多，现在公司年营收好几个亿，根本不缺订单，很多大律所都是年年续服务费。

未来5年，行业原生AI会渗透到所有你能想到的行业：

• 医疗：专门给不同科室做的AI辅助诊断，比如肺结节影像AI、糖尿病视网膜病变AI，现在已经落地很多了，未来会普及到基层医院；
• 制造业：专门给不同产品做的缺陷检测AI，比如芯片缺陷、纺织布料缺陷、汽车零件缺陷，每个产品的缺陷特征都不一样，都需要专门的原生AI；
• 金融：专门做风控、反欺诈、信贷审批的AI，符合金融监管的可解释性要求，比通用模型靠谱太多；
• 建筑：专门帮设计师做施工图合规检查、自动算工程量，比人快几十倍，错漏率低一半。

给普通人的机会

如果你本身就是某个传统行业的从业者，比如你是医生、律师、造价师、质检员，那你太吃香了——你懂行业的规则和痛点，再学点AI的基础知识，你比纯AI出身的博士还值钱。AI专家懂技术但不懂行业，你懂行业，你做出来的落地方案就能解决问题，我见过很多传统行业的技术负责人转型做AI落地，薪资翻两三倍的太多了。

---

趋势三：AI Agent从概念走向落地，专属智能助理会变成职场标配

AI Agent这个概念炒了快两年了，很多人说它是下一代AI的形态，但是之前大部分都是实验室Demo，普通人根本用不了。我可以明确说：未来3年，AI Agent会从概念变成真的能用的产品，变成每个职场人都离不开的工具。

什么是AI Agent？简单说，它不是一个只会回答你问题的聊天机器人，它能自己理解你的目标，拆分任务，调用工具，一步步完成你交给它的复杂任务，中间不需要你一步一步指令。比如你说“帮我安排下下周我去上海跟客户开会的行程”：

• 普通AI只会给你搜一下上海的酒店和高铁；
• 而AI Agent会自动做这些事：①看你日历里什么时候有空，主动跟客户助理对接确认会议时间；②帮你订合适时间的高铁票，选离会场车程15分钟以内、符合你公司差旅标准的酒店；③自动把过去三个月你跟这个客户沟通的所有资料整理出来，做成会议议程；④提前一天给你发提醒，会议结束后自动帮你整理会议纪要，提炼待办事项，同步到你和团队的共享日历；⑤最后帮你整理好所有发票，做好报销单提交给财务。

整个过程你只需要最终确认一下，不用管中间的杂事，这就是AI Agent的真正价值。

那为什么现在AI Agent还没大规模用？核心两个痛点没解决：一是幻觉错漏，Agent做任务的时候中间一步错了，后面全错，比如看错了你日历的冲突时间，订了错的票，反而帮倒忙；二是工具对接难，大部分企业的内部系统都是不开放的，Agent调用不了内部系统的数据和接口，也就没办法完成完整的闭环任务。

但是这两个问题现在都在快速解决，我上个月试用了京东内部刚测完的办公Agent，体验真的刷新了我的认知。我当时要整理过去一年我们部门12个项目的总结，需要统计每个项目的投入、产出、遇到的问题，这些内容分散在飞书文档、项目管理系统、聊天记录各个地方，原来我自己做至少要一整天。我把需求发给Agent，它自己去各个系统拉数据，整理成规范表格，提炼每个项目的核心结论，最后做成了完整的总结文档，总共只用了12分钟，我只改了几个措词就拿去给老板汇报了，当时我就感觉，这个东西真的要改变工作方式了。

未来5年，AI Agent会往两个方向走：
第一，每个岗位都会有自己的专属Agent。设计师的Agent帮你找素材、初稿排版、对接客户需求改稿；HR的Agent帮你筛简历、初面候选人、发offer；销售的Agent帮你跟进客户、整理客户需求、自动做报价。每个Agent都懂这个岗位的工作流程，能帮你处理80%的重复杂活，你只需要做20%需要人的判断的核心工作，工作效率能翻好几倍。
第二，面向个人的生活Agent会真正落地。你的个人Agent知道你的喜好、日程、消费习惯，能帮你处理所有生活里的杂事：帮你抢故宫的门票、帮你约三甲医院的专家号、帮你给爸妈选合适的生日礼物、帮你规划符合你预算的旅游行程，真的能帮你省出很多时间用来陪家人或者提升自己。

给普通人的机会

如果你是做产品开发的，可以多关注AI Agent的产品设计，未来3年，会有大量的To B、To C的Agent产品上线，懂Agent交互的产品经理缺口会非常大。如果你是普通职场人，早点尝试用已经成熟的Agent工具帮你干活，能帮你省出很多时间，你的工作效率比不用AI的人高，职场竞争力自然就强了。

---

趋势四：AI安全与合规从“可选项”变成“必选项”，甚至核心竞争力

很多人说起AI安全，觉得就是防AI犯罪、防AGI失控，跟自己没关系，其实完全不对。AI安全现在已经变成所有AI产品必须过的一道生死坎，未来做得好的企业，AI安全就是自己的核心竞争力。

我有个朋友，三年前就开始创业做AI安全，那时候没人重视，公司账上的钱快烧完了都没拿到新订单，这两年订单一下子就爆了，今年一季度的订单就超过了去年全年，为什么？因为国家对AI的合规要求越来越严了：2023年国家出台了《生成式人工智能服务管理暂行办法》，之后金融、医疗、交通、电信这些关键行业，都陆续出了自己的AI合规要求，AI产品不做安全检测，根本不让上线，出了问题负责人要担责任。

AI安全到底包含什么？其实跟所有做AI的企业、从业者都有关系：

1. 数据安全：训练AI的数据，不能用盗版的，不能用侵犯用户隐私的，比如你做医疗AI，不能随便拿患者的原始病历训练，必须做脱敏，必须符合《个人信息保护法》，不然就是违法；
2. 内容安全：生成式AI不能生成违法违规的内容，不能生成虚假信息，这个是基本要求，现在所有对外提供服务的AI产品，都必须有内容安全审核；
3. 模型安全：防止模型被恶意攻击，比如你做AI人脸识别门禁，有人拿个打印的照片就能骗过模型开门，那就是模型不安全，根本没法用；还有模型可解释性，比如你做AI信贷审批，你拒绝了用户的贷款申请，你必须说清楚为什么拒绝，不能说“模型就是这么判断的”，不符合监管要求，所以可解释性现在是金融AI的硬要求；
4. AI伦理：防止AI产生偏见，比如你做招聘AI，训练数据里男性简历占比太高，模型就倾向于给男性候选人更高评分，这个就是伦理问题，违反平等就业的要求，现在已经有企业因为这种问题被投诉处罚了。

我之前接触到一个做AI风控的创业公司，他们做的中小微企业信贷风控模型，不仅准确率比同行高2个百分点，而且所有的信贷决策都是可解释的，完全符合银保监会的监管要求，所以很多银行都愿意跟他们合作，哪怕他们的报价比同行贵10%，银行还是选他们——因为合规不出事，比什么都重要，这个就是AI安全变成核心竞争力的典型例子。

未来5年，AI安全会越来越重要，两个细分方向会爆发式增长：
第一，第三方AI安全服务会快速扩容，现在大部分中小企业都没有能力自己做AI安全合规，需要第三方公司帮他们做数据脱敏、模型安全检测、合规评估，这个市场规模每年都在翻两倍增长；
第二，AI安全的专业人才缺口会越来越大，现在国内真正懂AI安全的专业人才不到一万人，未来五年至少需要几十万，不管是进企业还是进安全服务公司，都非常吃香。

给普通人的机会

如果你是做网络安全、数据合规的，转AI安全是非常好的方向，现在缺口大，薪资高，而且未来会越来越值钱。如果你是做AI产品的，一定要早点重视合规，不要抱着“先上线再整改”的侥幸，不然产品做出来过不了审，前期投入全白费。

---

趋势五：AI原生应用重构所有软件，交互方式会被彻底改变

你现在用的大部分软件，比如Office、PS、笔记、CRM，都是十几年甚至几十年前设计的，交互逻辑都是“人操作，工具执行”：你做PPT，要自己新建幻灯片，自己输文字，自己找图片，自己调字体格式，一步一步操作，错一步还要改半天。最近两年，开始出现AI原生应用，就是从诞生第一天就是围绕AI设计的，交互逻辑变成“人提需求，AI执行，人做修改”，整个体验完全不一样。

举个对比你就懂了：

• 传统PPT工具：你要自己一步步做所有操作，做完一个10页的PPT至少要大半天；
• AI原生PPT工具：你只需要输入“我要做一个10页的奶茶加盟招商PPT，面向三四线城市的创业者，风格活泼，重点突出单店利润和回本周期”，AI直接给你生成完整的PPT，包括文字、图片、排版、配色，你只需要改几个你不满意的地方，十分钟就能搞定。
• 传统笔记工具：你要自己整理录音、自己分类归档、自己搜内容，找个过去的聊天记录要翻半天；
• AI原生笔记工具：你录完音，AI自动给你转写文字，整理核心观点，自动分类归档，你问它“上次我跟张总聊的那个项目，他说的预算是多少”，AI直接给你找出来，不用你自己翻。

为什么AI原生应用一定会重构所有传统软件？因为体验真的好太多，效率真的高太多。现在很多传统软件都加了AI生成插件，那不叫AI原生，那叫旧瓶装新酒，交互逻辑还是原来的，用起来非常别扭。AI原生应用是从产品架构、交互逻辑根上重新设计，把AI放在核心位置，所有的功能都是围绕AI来做的，所以体验差好几个等级。

现在已经有很多AI原生应用跑出来了，比如海外的MidJourney、Notion AI，国内的豆包文档、文心一格，用户增长都非常快，很多用户用了AI原生应用之后，就再也不想用原来的旧软件了，传统软件厂商现在都慌了，因为用户用脚投票的趋势已经出来了。

未来5年，几乎所有领域的常用软件都会被AI原生应用重构一遍：

• 办公软件：从文档、表格到PPT，全都会变成AI原生，你只需要说清楚需求，AI帮你做完所有基础工作；
• 设计软件：从平面设计、UI设计到工业设计，AI帮你出N套初稿，设计师只需要做优化和创意调整，效率能翻好几倍；
• 企业服务软件：CRM、ERP这些传统企业软件，AI自动帮你录数据、做报表、分析业务异常，不用人天天手动录数据；
• 开发工具：AI原生的IDE（代码编辑器），你说需求，AI帮你写代码、改bug、做单元测试，开发效率能提升一倍以上。

给普通人的机会

如果你是产品经理或者开发者，可以关注细分领域的AI原生应用创业机会，很多细分领域现在还没有真正的AI原生产品，如果你能做出来一个好用的，就能抢到很大的市场。哪怕你不是创业者，早点学会用AI原生工具干活，你的工作效率就能比别人高很多，这就是你的核心竞争力。

---

总结：AI的未来，是解放人，不是替代人

很多人一说起AI的未来，就担心AI会抢工作，会替代人，我自己做了三年AI落地，我从来不这么看。AI未来的所有发展，本质上都是把人从重复的、枯燥的、劳动密集型的杂活里解放出来，让人去做更有创造力、更有价值的工作。

最后我给不同身份的朋友，总结几个可落地的行动建议：

1. 如果你是在校学生：不要盲目挤通用大模型的热门赛道，现在通用大模型已经是头部大厂的游戏了，中小玩家没什么机会。不如选一个本文说的细分方向，比如端侧AI适配、垂直行业AI落地、AI安全，把基础打牢，再结合一个你感兴趣的行业，毕业之后根本不愁找工作，薪资还会比热门赛道的普通选手高很多。
2. 如果你是在职从业者：不要排斥AI，也不要觉得AI是年轻人的专利，早点拥抱AI，把AI当成你的工具，学会用AI帮你干活，能帮你省出很多时间用来提升自己，你的职场竞争力会比不用AI的人高好几个档次。如果你本身是传统行业的，赶紧把你的行业知识和AI结合起来，你会比纯AI出身的人更有竞争力。
3. 如果你是创业者：不要碰通用大模型的红海，那不是中小创业者能玩的，把目光放到下沉的行业落地，找一个传统行业的小痛点，用AI真的解决它，做成能帮客户赚钱的产品，你就能做成，现在太多传统行业等着AI去改造，机会真的很多。

站在2026年这个节点，AI才刚刚开始真正融入我们的工作和生活，第一波的资本狂热已经过去了，接下来第二波的真落地浪潮，才是真的能改变世界，真的能让普通人拿到结果的机会。希望这篇文章能帮你看清方向，抓住属于自己的机会。