2026 年，基模会不会吃掉所有应用场景？ AI 应用层的「厚度」，是 AI 业内许多大佬都在探讨的一个关键问题。 Andrej Karpathy 在年度总结里有个观点： 基座大模型，就像一个刚毕业的大学生。LLM 实验室负责把它培养成一个什么都懂一点的通才。 而 LLM 应用要做的，是把它招进来，然后进行「岗前培训」。用私有数据、传感器、执行器和反馈闭环，不断地组织、微调、打磨。 最终，把这个「通才」毕业生，变成一个特定领域的顶尖专家。 近期，a16z 专注消费级应用的投资人 Anish Acharya 围绕「2026 年，AI 应用生态可能是什么样的？」，也进一步聊了聊他认为的几个关键问题。 Acharya 提到，「AI 业内已经把代码的成本打下来了，但这种低成本的红利，还没有真正渗透到整个行业、乃至全世界。未来的公司形态、会出现什么 样的新软件，我们对这些的理解，可能连 10% 都还没到。」 同时， Acharya 提出了一个关键的问题： 最核心的底层的基础工具问题还没解决。现在所有的工具，都是重在执行，不是「思考」。简单来说，除了 LLMs 外，基本都是「动手做」的，但不是用来帮助用户「动脑想」的。 ...