2026年AI趋势与职业选择：从模型爆发到个人破局的全景指南

发表于 |
阅读时长 ≈ 40 mins.
分享者郑克结合半年来与大量投资人、创始人的深度交流，以及亲身踩过的坑，提供的非公开的一手洞察，帮助参会者基于核心逻辑审视信息，区分噪声与重要信号。

2026年AI趋势与职业选择沟通会：从模型爆发到个人破局的全景指南

分享者郑克结合半年来与大量投资人、创始人的深度交流，以及亲身踩过的坑，提供的非公开的一手洞察，帮助参会者基于核心逻辑审视信息，区分噪声与重要信号。

一、分享背景与核心目标

本次沟通会聚焦于2026年AI爆发式发展的时代背景，旨在帮助参会者基于核心逻辑审视信息，区分噪声与重要信号，有节奏地度过充满变化的一年。

分享者郑克结合半年来与大量投资人、创始人的深度交流，以及亲身踩过的坑，提供了非公开的一手洞察。

分享主题：

  • 介绍当下趋势发展阶段、整体脉络，以及个体在时代下的应对方法。

参会人员：

  • 主要来自大厂和AI初创公司，处于不同环境却做着相同或相似的事，交流氛围良好。

后续安排：

  • 郑克将牵头建立微信群，方便大家后续交流资源和机会。

二、AI模型发展的关键脉络

1. 行业发展阶段

  • 2023年初：做AI的人少，交流者寡。
  • 2024年：大厂开始认真做模型，行业聚焦。
  • 2025年：大家开始做应用，落地加速。
  • 2026年：呈爆发态势，应用层全面开花。

2. 个人感受的变迁

  • 2023-2024年：从业者尚能掌握所有信息。
  • 2025年：开始感到信息过载与疲惫。
  • 2026年：即使资深从业者也跟不上信息迭代，普遍感到焦虑。

三、大语言模型的智力线发展

1. 关键时间节点

  • 2024年9-11月：OpenAI推出，实现模型思考能力。
  • 2025年1月：DeepSeek R1、Claude 3.7、Gemini 2.5等推理模型相继推出。
  • 2025年10月：Claude 4.5推出。
  • 2025年后续：CodeX 5.2、Gemini 3.0等模型将使AI coding更普及。

2. 应用层影响

推理模型将带动应用层发展，如Manus、Genspark、Luvart等Agent将基于推理模型开发，但初期产品仍需大量”打补丁”。

3. 未来模型

  • 2025年10月Claude 4.5推出后：Vibe coding人群将增加。
  • 2025年下半年：CodeX 5.2、Gemini 3.0等模型将使AI coding更普及。

四、大元模型与多模态模型发展

1. 大元模型

  • 领域共识达成速度加快：早期半年达成一个共识，如今有时几小时就能达成。
  • 多模态应用：在图像、视频、音乐等领域有超大规模应用，如Nanabana、Seedance 2.0等。

2. 行业影响

  • 工具技术内化到模型：如Seedance内化导演经验和剪辑技巧，使创作门槛降低。
  • 创作群体扩大：导致行业更内卷，对最终结果的要求也越来越高。

五、Agent：从单智能体到多智能体的演进

1. Single Agent vs. Multi Agent

架构类型 Context要求 适用场景
Single Agent 高 任务对Context要求高、寻求单一答案时，如信息查询、初步决策
Multi Agent 低 任务可拆解成多步骤或环节时，子Agent结果可供其他Agent使用，形成协作网络

2. Agent的关键新特性

  • 7×24小时主动性：Agent可以不间断工作，替代员工完成任务和对接工作，已有相关产品应用。
  • 更强的Memory：记忆能力大幅提升，能更好地理解和处理长期任务，给用户带来巨大价值。
  • 模型内化的优势：
    • 交流更自然：将工具内化到模型后，Agent间上下文通信和交流更自然，像人一样配合。
    • Vibe coding的职感显著提升。
  • 模型循环变强：从单个Agent到Multi Agent，再到Agent Team，模型的推理能力和协作能力不断增强。

六、数据：AI时代的核心生产要素

1. 模型反馈与数据

  • 反馈形式：模型在环境中执行任务后会获得反馈，如用户是否点击、用户是否选择等选项。
  • 数据价值：生产环境中获取的数据包含用户承诺、过程纠错等，是高质量且真实的数据，利于模型迭代。

2. 数据对模型训练的重要性

  • 数据迭代路径：获取高质量数据训练模型，使模型更强，能完成更复杂任务，形成迭代路径。
  • Claude数据利用：使用Claude模型做任务积累的高质量数据，再用于自身模型训练，能提升效果，数据质量至高。

3. 未来趋势

  • 数据与物理事件和数字流程（LOKEN）化：Agent基于此完成任务，获取的数据再反哺模型，使模型在任务序列行业已成熟，并将扩展到其他行业。

七、AI在产品与编程领域的应用现状

1. 产品经理工作流

  • 工作流变化：大语言模型下，产品经理的工作流由训练的部分函数批量提高，prompt也可能由AI完成。
  • 核心变化：从传统流程到AI辅助流程的转变。

2. 编程领域占比

  • 2025年下半年：大厂标品公司Claude Code的入量从年初的10%提升至40%，大量代码由AI开发。

3. AI自我迭代

  • Claude Code等工具：正在大量使用AI自我迭代，以生成更通用、更强大的助理。
  • 应用拓展：AI应用从Coding领域泛化到其他白领工作，如产品经理的竞品分析、调研、需求与撰写等，已完成效率革命。

八、AI对各行业与职业的冲击

1. 影视工业

  • 创作工具简化：2023年ConUI使用人数少、门槛高，应用层将其简化，技术内化到模型。
  • 创作门槛降低：AI发展威胁到舞美、灯光、布景、群演等传统岗位，但对导演有利，可低成本实现创意。

2. 就业市场

  • 美国现状：计算机就业率低，电工紧缺，因数据中心用电需求大，电工距离AI替代较远。
  • 国内趋势：一线人员能感受到AI模型的加速度，其发展带来的”推背感”越来越强，甚至会让人感到恐惧。做模型测评的负责人认为，AI掌握嗅觉技能没那么快，因此未放弃做菜技能。

3. 职业发展趋势

核心逻辑：基于模型发展、应用层变化及行业机会，探讨个人职业发展路径。

职业挑战：

  • AI逐渐吞噬工具和工具人，若大部分任务能被Claude Code完成，从业者会面临危险。
  • 组织成本考量：公司老板为降低人力、工位、社保等隐性成本和组织管理成本，希望组织更精干，AI发展有助于此目标实现。

使用AI的能力差异：成为团队中使用AI效果好的人，是职场突围的关键。

九、创业方向与团队管理

1. 创业核心认知

  • 方向调整：多数AI公司会多次更换业务方向，如字节跳动创始人张一鸣早期也是如此，这是正常现象。
  • 核心工作：创业者最重要的是找钱、找人、找方向，同时要为团队降噪，让成员在特定范围内工作。

2. 创始人核心任务

  • 找人：
    • 核心班底：具备产品、运营等能力。
    • 干活人员：推动业务先跑起来。
  • 找方向：
    • 明确方向、验证方向、探索出海等市场。
  • 创业现实与心态：
    • 现实挑战：创业初期，财务、法务、人事、公司选址等事务会消耗精力，还会踩很多坑，最好有相关人员帮忙。
    • 心态建设：创业者会承受较大压力，需有自己的朋友圈，不能把压力传递给团队成员，以免人心惶惶。

3. 出海创业建议

  • 国内企业与用户消费能力有限，大厂竞争激烈，建议出海创业。
  • 可选市场：东南亚、拉美、中东、非洲、日本等市场，避开大厂竞争。

4. 一人公司与自媒体

  • 一人公司模式：有小机会，但存在被夸大之嫌。从业者需掌握web coding能力，可借此做小生意满足市场小需求，月收入可达几千到一万美元。
  • 品牌与自媒体：做产品不一定能盈利，但靠品牌或自媒体影响力可触达更多人，让用户在低门槛工具中依然选择自家产品；做web company一定要做自媒体，内容即品牌，非常重要。

十、关键问题与深度探讨

1. GEO产品的前景（张雪怡）

  • 问题：GEO产品CEO何时流行？对该产品的看法？
  • 观点：短期有红利，类似SEO早期，但长期可能因商业化被打压，建议谨慎布局。

2. AIGC产品评测的价值（高成凤）

  • 问题：AIGC产品工作多偏向评测，这种工作的长期价值？
  • 观点：评测是入门基本功，但长期只做评测会成为工具人。应往业务方向发展，关注应用的优化、用户留存和付费等，提升不可替代性。
  • 补充：创业公司评测较简单，通常用20个case测试后就上线，难以做到像大公司那样精细反复测试。若20个case效果好，基本能满足80%的需求，且当前基模越来越好，简单测评更具参考性。

3. C端 vs B端产品价值（聂禹昕）

  • 问题：做偏C端还是偏B端的AI产品更有长期价值？
  • 观点：做业务无论是B端还是C端，产品经理的价值都很高。关键是深入理解业务，将复杂的业务流程转化为简化的产品，这才是核心竞争力。
  • 补充：复杂Agent评测难以像C端产品一样依据数据确定改进方向，只能给算法和研发提供方向，且难以找到自身价值点；而C端产品评测直观，用户使用情况清晰，做起来比较舒服。

4. 新平台范式的可能性（顾嘉桐）

  • 问题：对Open Cloud增长态势的看法，以及agent相关社交网络是否会成为新的内容平台范式？
  • 观点：无法给出明确判断，但这是好的信号，值得探索，该领域可能会有新赛道出现。

5. 自媒体在AI赛道的趋势（李钦）

  • 问题：AI应用门槛降低，应用增多，自媒体在AI赛道的趋势？
  • 观点：在注意力经济时代，有能力做自媒体可极大提高做事胜率，放大个人和产品的影响力。如今产品复刻门槛低，品牌能让产品更具竞争力。

6. 未来行业爆点（刘雅璇）

  • 问题：未来三年或五年内行业产业的发展方向？
  • 观点：更多的context是关键。AI会从编程领域渗透到更多行业，通过获取用户更多context（如可穿戴设备收集的全天信息）来主动执行任务，形成新的数据，从而使模型更强。未来爆点在于更高效地获取高质量数据，产业会朝此方向发展。

十一、总结：在AI洪流中找到自己的锚点

AI的发展速度远超预期，2026年将是应用爆发的一年，新的范式正在酝酿。

对于个人而言：

  1. 拥抱变化：主动学习和使用AI，提升自己的”build能力”，避免成为被淘汰的工具人。
  2. 选择赛道：优先进入大厂高浓度AI业务或有潜力的AI初创公司，或通过Side Project积累实战经验。
  3. 打造品牌：重视自媒体和个人品牌，在注意力经济时代，这是重要的护城河。

对于创业而言：

  1. 谨慎创业：若选择创业，优先考虑出海，聚焦小而美的需求，同时重视团队和融资。
  2. 团队管理：为团队降噪，让成员在特定范围内工作，不要传递压力给团队成员。

在这个充满不确定性的时代：

保持学习的敏锐度和行动的勇气，才能在AI洪流中找到自己的锚点。

本文由分享者郑克提供，内容基于其与大量投资人、创始人的深度交流以及亲身实战经验总结。