a16z《2026 年重大构想：第一部分》

作者：a16z New Media 编译：Block unicorn

作为投资者，我们的职责是深入了解科技行业的各个角落，从而把握未来的发展趋势。因此，每年 12 月，我们都会邀请投资团队分享他们认为科技企业在未来一年将要解决的一个重大构想。

今天，我们将分享来自基础设施、增长、生物 + 健康以及 Speedrun 团队的观点。敬请期待明天其他团队的分享。

Инфраструктура

Jennifer Li：Как стартапам управлять хаосом мультимодальных данных

Неструктурированные и мультимодальные данные всегда были одним из крупнейших узких мест для компаний и их незакрытым сокровищем. Каждая компания тонет в море PDF, скриншотов, видео, журналов, электронных писем и полуструктурированных данных. Модели становятся всё умнее, но входные данные всё более хаотичны, из-за чего системы RAG начинают сбоить, а агенты — выходить из строя по неочевидным и дорогостоящим причинам, при этом ключевые рабочие процессы всё ещё сильно зависят от ручной проверки. Ограничивающим фактором для компаний, работающих с ИИ, сегодня является энтропия данных: в мире неструктурированных данных свежесть, структура и достоверность постоянно снижаются, а 80% корпоративных знаний хранятся именно там.

Поэтому очистка неструктурированных данных — это уникальная возможность. Компаниям нужна постоянная методология для очистки, построения, проверки и управления мультимодальными данными, чтобы обеспечить эффективность downstream-работы ИИ. Области применения повсюду: анализ контрактов, onboarding, обработка претензий, соблюдение нормативных требований, обслуживание клиентов, закупки, инженерные поиски, расширение продаж, аналитические конвейеры и все рабочие процессы агентов, основанные на надежном контексте. Стартапы, способные создавать платформы для извлечения структур из документов, изображений и видео, разрешения конфликтов, восстановления цепочек данных или поддержания их актуальности и поиска, — это ключ к корпоративным знаниям и процессам.

Joel de la Garza：ИИ дает новую жизнь найму в сфере кибербезопасности

За последние десять лет главным вызовом для CISO (CISO) было найм. С 2013 по 2021 год вакансии в сфере кибербезопасности выросли с менее чем 1 миллиона до 3 миллионов. Это связано с тем, что команды безопасности нанимали множество технически подкованных инженеров, которые ежедневно занимались скучной работой уровня 1: проверкой логов, — никто не хотел этим заниматься. Причина в том, что команды закупали продукты, способные обнаруживать всё подряд, что создавало избыточную работу, требующую проверки всей информации — и в итоге возникла ложная нехватка рабочей силы. Цикл порочного круга.

К 2026 году искусственный интеллект разрушит этот цикл, автоматизировав многие повторяющиеся задачи команд безопасности и закроет потребность в найме. Любой, кто работал в крупной команде безопасности, знает: половина задач легко решается автоматизацией, но при большом объеме работы трудно определить, что именно автоматизировать. Врезультате, родные AI-инструменты для помощи командам безопасности, в конце концов, позволят им сосредоточиться на чем-то действительно важном: поимке злоумышленников, построении новых систем и устранении уязвимостей.

Malika Aubakirova：Родные инфраструктуры агентов станут стандартом

К 2026 году самое большое влияние инфраструктуры будет исходить не извне, а изнутри компаний. Мы переходим от предсказуемых, с низкой параллельностью потоков «человеческой скорости» к рекурсивным, всплескам и масштабным «агентским» рабочим нагрузкам.

Сегодня бэкенд настроен под соотношение 1:1 между действиями человека и откликами системы. Он не рассчитан на рекурсивный запуск 5000 подзадач, запросов к базе данных и внутренних API за миллисекунды для отдельного агента-«цели», который пытается рефакторить код или исправлять логи безопасности. В его восприятии он не выглядит как пользователь. Для традиционной базы данных или ограничителя он — это DDoS-атака.

Создание систем для 2026 года означает переосмысление control plane. Мы станем свидетелями появления инфраструктуры «родных агентов». Следующее поколение инфраструктуры должно рассматривать «эффект толпы» как дефолтное состояние. Время холодного старта снизится, колебания задержки — значительно, а ограничение по параллельности — возрастет вдвое. Узким местом станет координация: реализация маршрутизации, блокировок, управления состоянием и исполнения стратегий в масштабных параллельных сценариях. Только платформы, способные справляться с потоком инструментов и задач, в конечном итоге смогут победить.

Justine Moore：Инструменты креатива станут мультимодальными

Теперь у нас есть модули для рассказа историй с помощью ИИ: генеративные голос, музыка, изображения и видео. Но для всего, что выходит за рамки однократных сегментов, получение нужного результата зачастую занимает много времени и вызывает разочарование — а иногда и кажется невозможным — особенно когда вы хотите достичь уровня традиционного режиссера.

Почему бы не подать модели 30-секундное видео и не позволить им продолжить сцену, создав новых персонажей с помощью справочных изображений и звука? Или переснять сцену так, чтобы видеть её под разными углами или чтобы движения совпадали с референсным видео?

2026 год станет годом мультимодального развития ИИ. Вы сможете предоставить моделям любые виды исходных данных и создавать новый контент или редактировать существующий. Мы уже видели первые продукты, например Kling O1 и Runway Aleph. Но предстоит много работы — необходимы инновации как на уровне моделей, так и на уровне приложений.

Создание контента — одна из наиболее мощных сфер применения ИИ. Я ожидаю появления множества успешных продуктов, охватывающих широкий спектр задач и клиентов: от создателей мемов до голливудских режиссеров.

Jason Cui：Постоянное развитие нативных данных с помощью ИИ

За последний год, поскольку компании по данным сместили фокус с специализированных задач по сбору, преобразованию и вычислениям к объединённым платформам, мы наблюдаем интеграцию «современного дата-стека». Например, слияние Fivetran/dbt и рост платформ типа Databricks.

Несмотря на то, что вся экосистема явно созрела, мы всё ещё на ранних этапах настоящей нативной архитектуры данных для ИИ. Нас радует, как ИИ продолжает трансформировать разные части дата-стека, и мы начинаем понимать, что инфраструктура данных и ИИ всё больше сливаются.

Вот направления, которые мы считаем перспективными:

• Как данные будут поступать в высокопроизводительные векторные базы данных вместе с традиционной структурированной информацией
• Как агенты ИИ решают «проблему контекста»: постоянный доступ к правильному бизнес-контексту и семантическому уровню для построения мощных приложений, например, взаимодействия с данными и обеспечения наличия правильных бизнес-определений в нескольких системах
• Как с усложнением и автоматизацией рабочих потоков данных изменятся традиционные BI-инструменты и таблицы

Yoko Li：Год погружения в видео

К 2026 году видео перестанет быть лишь пассивным просмотром, а станет пространством, в которое можно по-настоящему погрузиться. Модели видео смогут понимать время, запоминать уже показанное, реагировать на наши действия и сохранять ту же надежность, что и в реальном мире. Эти системы уже не ограничиваются созданием коротких фрагментов, а смогут держать за долгое время персонажей, объекты и физические эффекты, чтобы действия имели смысл и их последствия были очевидны. Этот сдвиг превратит видео в постоянно развивающийся медиум: робот сможет практиковаться, игры — эволюционировать, дизайнеры — создавать прототипы, агенты — учиться на практике. Итоговая картинка — не просто видеоклип, а живое окружение, стирающее границы между восприятием и действием. Мы впервые почувствовали, что можем полностью погрузиться в созданное нами видео.

Рост

Sarah Wang：Системы записи теряют своё доминирование

К 2026 году настоящая революция в сфере корпоративного ПО произойдет, когда системы записи окончательно уступят свои позиции. Искусственный интеллект сокращает дистанцию между намерением и исполнением: модели могут напрямую читать, писать и рассуждать о данных, превращая системы ITSM и CRM из пассивных баз данных в автономные движки рабочих процессов. По мере наращивания новых возможностей рассуждающих моделей и агентских рабочих потоков эти системы смогут не только реагировать, но и предвосхищать, координировать и выполнять сквозные процессы. Интерфейсы превратятся в динамический слой агентов, а традиционные системы записи станут фоном — универсальной персистентной платформой, стратегическое преимущество которой перейдет к тому, кто управляет агентской средой, выполняющей задачи сотрудников.

Alex Immerman：Эволюция ИИ в вертикальных отраслях от поиска и рассуждений к командному взаимодействию

ИИ стимулирует беспрецедентный рост вертикальных отраслевых программных решений. Медицинские учреждения, юридические фирмы и агентства недвижимости за несколько лет достигли более 100 миллионов долларов ежегодных повторяющихся доходов (ARR); финансовый и бухгалтерский сектор идут следом. Эта эволюция началась с поиска — поиска, извлечения и сводки правильной информации. В 2025 году появились возможности рассуждения: Hebbia анализирует финансовые отчеты и строит модели, Basis сверяет счета между системами, EliseAI диагностирует проблемы обслуживания и отправляет подходящих поставщиков.

В 2026 году откроется мультиагентное взаимодействие. Вертикальные отраслевые решения выигрывают за счет специализированных интерфейсов, данных и интеграций. Но сама работа в этих сферах по своей сути предполагает командное взаимодействие. Если агенты должны представлять рабочую силу, им нужно взаимодействовать. От покупателей и продавцов — до арендаторов, консультантов и поставщиков — у каждой стороны разные права, рабочие процессы и требования к соблюдению, и только отраслевое программное обеспечение может это понять.

Сейчас все стороны используют ИИ независимо друг от друга, что приводит к отсутствию полномочий при передаче задач. ИИ для анализа контрактов не связывается напрямую с CFO для корректировки моделей. Обслуживание ИИ не знает, что на месте обещали арендаторам. Перестройка командного взаимодействия — это согласование между заинтересованными сторонами: маршрутизация задач специалистам, поддержание контекста, синхронизация изменений. ИИ партнеров по сделкам ведет переговоры в рамках заданных параметров и отмечает несимметричные моменты для проверки человеком. Метки старших партнеров используются для обучения систем всей компании. Задачи, выполняемые ИИ, с большей вероятностью будут завершены успешно.

Когда ценность командного и мультиагентского взаимодействия возрастает, увеличиваются и издержки на переключение. Мы увидим сетевые эффекты, которые ранее ИИ не мог реализовать: слой сотрудничества станет конкурентным преимуществом.

Stephenie Zhang：Разработка для агентов, а не для человека

К 2026 году люди начнут взаимодействовать с сетью через агентов. То, что раньше было оптимизировано под человека, для агента уже не столь важно.

Много лет мы работали над оптимизацией предсказуемого поведения человека: высокие позиции в Google, топы в Amazon, краткие «TL;DR». В старших классах я брала курс журналистики, учитель учил писать по «5W1H», чтобы статьи начинались с захватывающего вступления и привлекали читателя. Может, человек-читатель пропустит ценные идеи, спрятанные на пятой странице, но ИИ этого не сделает.

Эта перемена коснется и программного обеспечения. Изначально программы создавались для визуальных и кликовых потребностей человека, оптимизация означала хороший интерфейс и интуитивное управление. Но по мере того, как ИИ берет на себя поиск и интерпретацию данных, важность визуального дизайна снижается. Инженеры больше не смотрят на графики Grafana, системные инженеры (SRE) могут интерпретировать телеметрию и публиковать анализы в Slack. Команды продаж не тратят время на просмотр CRM (CRM) — ИИ автоматически извлекает паттерны и делает сводки.

Теперь мы создаем не для человека, а для ИИ. Новая цель — не визуальный слой, а машинно-читаемость — это изменит наш подход к созданию контента и инструментам.

Santiago Rodriguez：Конец KPI «времени перед экраном» в применениях ИИ

За последние 15 лет время перед экраном было лучшим индикатором ценности приложений для потребителей и бизнеса. Мы жили по парадигме, где время просмотра Netflix, число кликов в электронных медкартах или время, проведенное в ChatGPT, служили ключевыми метриками. Но с переходом к результат-ориентированному ценообразованию, когда мотивации поставщиков и пользователей можно идеально согласовать, мы откажемся от отчётов о времени перед экраном.

Мы уже наблюдаем это на практике. Когда я делаю запрос DeepResearch в ChatGPT, даже при минимальном времени перед экраном я получаю огромную ценность. Когда Abridge захватывает диалог врача и пациента и автоматически выполняет последующие действия, врачи почти не смотрят на экран. Когда Cursor разрабатывает полноценное end-to-end приложение, инженеры планируют следующий цикл разработки. А когда Hebbia пишет презентацию на основе сотен публичных документов, банкиры наконец могут спокойно поспать.

Это создает уникальную проблему: для приложений с одним пользователем потребуется более сложная оценка ROI (ROI). Распространение ИИ (AI) повысит удовлетворенность врачей, эффективность разработчиков, благосостояние аналитиков и счастье потребителей. Компании, способные максимально просто объяснить ROI, продолжат превосходить конкурентов.

Биология и здоровье

Julie Yoo：Активные месячные пользователи в здравоохранении (MAU)

К 2026 году новая клиентская группа в сфере здравоохранения — «активные месячные пользователи» — станет фокусом.

Традиционная медицинская система обслуживает три основные группы пользователей: (a) «заболевшие активные пользователи» — те, у кого большие колебания потребностей и высокие расходы; (b) «заболевшие ежедневные активные пользователи*» — например, пациенты с хронической тяжелой патологией; и © «здоровые молодые активные пользователи*» — относительно здоровые люди, редко обращающиеся за медицинской помощью. Здоровые молодые активные пользователи рискуют стать заболевшими/ежедневными активными, и профилактика может замедлить этот процесс. Но система вознаграждает лечение, а не профилактику, поэтому инициативы по профилактическому осмотру и мониторингу не получают приоритет, а страховка редко покрывает эти услуги.

Теперь появляется группа «здоровых активных месячных пользователей»: их здоровье в норме, они хотят регулярно отслеживать и узнавать о своем состоянии — и, возможно, это самая большая группа среди потребителей. Мы ожидаем, что ряд компаний — в том числе нативных ИИ-стартапов и их существующих аналогов — начнут предоставлять регулярные услуги именно для этой аудитории.

Благодаря потенциалу снижения стоимости медицинских услуг с помощью ИИ, появлению новых страховок для профилактики и растущему желанию потребителей оплачивать подписки из своего кармана, «активные месячные пользователи» станут следующей очень перспективной клиентской группой. Они будут участвовать постоянно, основывать решения на данных и делать акцент на профилактике.

Speedrun (внутрикомандное название инвестиционной группы a16z)

Jon Lai：Модель мира зажжет сценарийную индустрию

К 2026 году ИИ-модели мира полностью изменят повествование через интерактивные виртуальные миры и цифровую экономику. Технологии вроде Marble (World Labs) и Genie 3 (DeepMind) уже умеют по текстовым подсказкам генерировать полноценные 3D-окружения, позволяя пользователю исследовать их как в игре. По мере освоения этих инструментов создатели появятся новые формы повествования, которые могут перерасти в «генеративный Майнкрафт», где игроки совместно создают огромные, постоянно меняющиеся вселенные. Эти миры смогут сочетать игровые механики с естественно-языковым программированием, например, команда «создай кисть, которая сделает всё, к чему я прикоснусь, розовым».

Такие модели размывают границы между игроками и создателями, делая их соавторами динамической, разделяемой реальности. Это может привести к возникновению взаимосвязанных генеративных мультивселенных, где ужасы, фантастика и приключения сосуществуют вместе. В этих виртуальных мирах разовьется цифровая экономика: создатели смогут зарабатывать, создавая активы, обучая новичков или разрабатывая новые интерактивные инструменты. Помимо развлечений, эти генеративные миры станут богатой средой для обучения ИИ-агентов, роботов и даже общего искусственного интеллекта (AGI). Таким образом, появление моделей мира — это не только новая игровая категория, но и революция в области креативных медиа и экономики.

Josh Lu：Мой год нулевой

2026 год станет «моим годом нулевым»: продукты перестанут массово производиться и начнутся индивидуальные.

Мы уже видим этот тренд повсюду.

В образовании стартапы вроде Alphaschool создают ИИ-менторов, которые адаптируются к учебному темпу и интересам каждого ребенка, обеспечивая обучение, идеально подходящее под него. Без затрат в десятки тысяч долларов на репетиторов. В здоровье ИИ разрабатывает индивидуальные комплекты витаминов, планы тренировок и диеты, основанные на физиологических данных — без тренеров и лабораторий.

Даже в медиа ИИ позволяет создателям перерабатывать новости, шоу и истории, создавая персонализированные ленты, идеально соответствующие интересам и предпочтениям.

Самые крупные компании прошлого века добились успеха, потому что нашли массового потребителя.

Самые крупные компании будущего победят, находя уникальных индивидуальных потребителей.

К 2026 году мир перестанет быть универсально оптимизированным для всех и начнет оптимизировать каждого по отдельности.

Emily Bennett：Первая нативная ИИ-университет

Я ожидаю, что к 2026 году появится первый нативный ИИ-университет — учреждение, построенное с нуля вокруг систем искусственного интеллекта.

За последние годы университеты экспериментировали с применением ИИ для оценки, репетиторства и организации курсов. Но сейчас возникает более глубокая форма ИИ — адаптивная академическая система, способная к обучению и самосовершенствованию в реальном времени.

Представьте такой университет: курсы, консультации, исследовательские коллаборации и даже управление кампусом — всё на основе циклической обратной связи данных. Расписание будет самооптимизироваться. Читательский список каждую ночь обновляется и переписывается по мере появления новых исследований. Учебные траектории — в реальном времени подстраиваются под прогресс и потребности каждого студента.

Есть первые признаки: сотрудничество Arizona State University и OpenAI породило сотни AI-проектов для обучения и административных задач. Университет штата Нью-Йорк уже включает ИИ-грамотность в учебную программу. Всё это — шаги к более масштабному внедрению.

В нативном ИИ-университете преподаватели станут архитекторами обучения: отвечающими за управление данными, настройку моделей и обучение студентов критике машинных рассуждений.

Методы оценки тоже изменятся. Инструменты контроля и запреты на плагиат уступят место оценке понимания и стратегии использования ИИ — не запрету, а прозрачности.

По мере того, как компании ищут специалистов по проектированию, управлению и интеграции ИИ-систем, этот новый университет станет центром подготовки выпускников, способных координировать ИИ и соответствовать быстро меняющемуся рынку труда.

Это — новый кластер талантов для новой экономики.

На сегодня всё, до следующего выпуска — следите за обновлениями.