如果说代码已经便宜到了白菜价，但我们可能只用了不到 10% 的潜力。那剩下的 90% 是什么？2026 年的 AI 应用会往哪走？

推荐看看这篇《Notes on AI Apps in 2026》，AI 应用生态正在成熟，2026 年的关键变化是工具将从执行转向探索，重点不再是“怎么建”，而是“建什么”。同时，企业每个部门都应该成为软件团队，而 AI 应用层不会被模型层吞噬。

作者 Anish Acharya 是 a16z 合伙人，AI 投资领域活跃人物。他之前提出过“Narrow Startups”框架，长期关注 AI 应用层投资机会。

他的这篇文章给了几个很有意思的判断。

【1】难题换了：从“怎么做”到“做什么”

现在日常用的工具，都是在解决帮你“做”的问题，但几乎没有帮你“想”的工具。

IDE 是帮你写代码的，Figma 是帮你画设计的，Excel 是帮你算数的。全是执行工具。但帮你想清楚“我到底该做什么”的工具呢？几乎没有。唯一算得上的，可能就是 LLM 本身，它某种程度上成了你的思考伙伴。

Anish 认为，这个局面在 2026 年会变。当 AI 写代码的能力越来越强、能处理的任务时间线越来越长，真正的难题就不再是“怎么实现”，而是“做什么”。

举个例子：想象一个产品经理，每天早上起来，发现 AI 已经根据他设定的大方向，自己想出了 2-3 个新功能、写好了代码、还跑完了 A/B 测试。PM 要做的只是 review 和拍板。

听起来很美，但问题在于：现在的模型在“想该做什么”这件事上还不太行。它想出来的点子往往平淡无奇，缺乏那种好产品思维的灵光一现。

所以下一代工具的机会在哪？不是更好的执行工具，而是真正的“思考工具”——帮你探索、发散、找到该做什么的工具。Cursor 已经在往这个方向走了。

【2】每个团队都得变成“软件团队”

企业里有两类职能：
一类是“权力职能”：工程、产品、效果营销——这些天生离软件近。
另一类是“服务职能”：法务、财务、HR——传统上靠人力运转，流程重、软件轻。

AI coding agents 会彻底改变这个格局。

第一层影响：服务职能的领导们需要转换思维。以前遇到问题，第一反应是“加人”或者“改流程”。以后第一反应得是“能不能用软件解决”。有的会用垂直产品（比如法律领域的 Harvey），有的会直接用通用的 coding agent（比如 Claude Code），每个团队都得学会用软件思维工作。

第二层影响：产品野心得大幅提升。以前做产品功能要排优先级，因为工程资源有限。以后可以假设能想到的功能都可以做出来。这不只是技术问题，而是观念问题，大多数企业还没准备好接受“什么都能做”这个现实。

文章中有句话：“Every feature that can be built will be built.”（能做的功能都会被做出来），也就是说：如果你不做，别人会做。

他认为，文化转变的难度不亚于组织转变。这可能是最被低估的挑战。

【3】AI 应用不会被模型公司吃掉

有一种担忧：OpenAI、Anthropic、Google 这些大模型公司会不会把应用层也吃掉？毕竟它们有最强的模型，做应用岂不是降维打击？

Anish 认为不用担心：大模型公司的能力“参差不齐”，就像它们做的模型一样，某些地方很强，某些地方有明显短板。而且它们各有各的包袱：Google 要应付监管承诺，OpenAI 同时在消费者、企业、模型、硬件四条战线上作战。

以编程工具为例，这个赛道是模型公司最重视的领域之一。结果 2025 年光是创业公司就创造了超过 10 亿美元的新收入。

他之前提过一个框架，说 AI 应用在这些领域有优势：需要多模型协作的、有独家数据的、有网络效应的、功能面很广的。结合 Karpathy 说的“厚”AI 应用（多模型编排、自主程度可调、上下文工程），你大概能看出成熟的 AI 应用长什么样。

或者说，应用层和模型层正在分化，而不是合并。

【4】普通人正在发现 AI 的“隐藏关卡”

这里 Anish 引用了 Replika 创始人 Eugenia 的观察：命令行式的交互界面，把很多普通消费者挡在了 AI 最强能力的门外。

但这正在改变。Wabi 让普通人也能生成小应用，ChatGPT 和 Grok 的图片 tab 让图像生成变得触手可及。如果 Apps Directory 和 Skills 能普及开，MCP 和 prompt 插件也会飞入寻常百姓家。

Anish 提了一个很有意思的点：2025 年生成一个小应用的快乐，其实和 2023 年生成一首诗的快乐是一样的。但大多数消费者还不知道这件事存在。

让更多人能“做东西”，某种程度上也回应了硅谷可能对 AI 社会影响有点“文化盲区”的批评。

【5】给大公司 CEO 的三点建议

对于已经到一定规模、正在思考 AI 转型的 CEO，Anish 的三点建议：
第一，看看最好的案例是怎么用 AI 把所有客户面向的角色（销售、客服、催收）整合成一个统一功能的。
第二，推动每个职能都“软件优先”——非技术部门拥抱 AI，才是企业获得真正运营杠杆的方式。
第三，对产品和定价都要更有野心。他的原话是：如果 Tesla 的 FSD 能实现跨海岸自动驾驶，Claude Code 能用 Claude Code 自己写出来，那对大多数企业任务而言，AGI 已经到了。

AGI 是句夸张的玩笑，重点其实是：很多企业对“AI 能做什么”的想象力还是太保守了。

【6】享受这个黄金时代

文章结尾，Anish 说了一句话：
“没人会告诉你正在经历黄金年代，直到它结束。所以我现在告诉你。”

他的感受是，这一轮产品周期比以往更去中心化、更软件驱动、对技术人来说也更好玩。比起移动互联网时代巨头林立的格局，这一轮的机会分布更分散，创业者的空间更大。

当然不要忘记作者是个投资人，a16z 投了很多 AI 公司，所以他们是乐观的，也没怎么谈 AI 的可靠性问题、监管风险、就业冲击。

但他的一些观点我是认同的：
当“怎么做”不再是问题，“做什么”就成了最稀缺的能力。
借助 AI，企业每个部门都应该成为软件团队。

点击图片查看原图