a16z dự đoán bốn xu hướng chính cho năm 2026.

Tựa gốc: Những Ý Tưởng Lớn Năm 2026: Phần 1
Tác giả gốc: a16z New Media
Biên soạn bởi: Peggy, BlockBeats

Tóm tắt: Trong năm qua, những đột phá về trí tuệ nhân tạo đã chuyển từ khả năng mô hình sang khả năng hệ thống: hiểu chuỗi thời gian dài, duy trì tính nhất quán, thực hiện các tác vụ phức tạp và hợp tác với các tác nhân thông minh khác. Do đó, trọng tâm của việc nâng cấp công nghiệp đã chuyển từ đổi mới đơn lẻ sang định nghĩa lại cơ sở hạ tầng, quy trình làm việc và phương thức tương tác người dùng.

Trong báo cáo thường niên "Những ý tưởng lớn năm 2026", bốn nhóm đầu tư của a16z đã đưa ra những hiểu biết quan trọng cho năm 2026 từ bốn khía cạnh: cơ sở hạ tầng, tăng trưởng, chăm sóc sức khỏe và thế giới tương tác.

Về cơ bản, tất cả chúng đều thể hiện một xu hướng: Trí tuệ nhân tạo không còn là một công cụ, mà là một môi trường, một hệ thống và một tác nhân hoạt động song hành cùng con người.

Sau đây là đánh giá của bốn nhóm về những thay đổi cơ cấu trong năm 2026:

Với tư cách là nhà đầu tư, nhiệm vụ của chúng tôi là tìm hiểu kỹ lưỡng mọi ngóc ngách của ngành công nghệ, nắm bắt cách thức hoạt động của nó và dự đoán hướng phát triển tiếp theo. Do đó, vào tháng 12 hàng năm, chúng tôi mời các nhóm đầu tư chia sẻ những gì họ tin là "ý tưởng lớn" mà các doanh nhân công nghệ sẽ cần phải thực hiện trong năm tới.

Hôm nay, chúng tôi mang đến cho các bạn những góc nhìn từ các nhóm Cơ sở hạ tầng, Tăng trưởng, Sinh học + Sức khỏe và Chạy đua tốc độ. Quan điểm từ các nhóm khác sẽ được công bố vào ngày mai, vì vậy hãy đón chờ nhé.

Nhóm cơ sở hạ tầng

Jennifer Li: Các công ty khởi nghiệp sẽ chế ngự "sự hỗn loạn" của dữ liệu đa phương thức.

Dữ liệu phi cấu trúc, đa phương thức luôn là nút thắt cổ chai lớn nhất đối với các doanh nghiệp, nhưng cũng là kho báu chưa được khai thác lớn nhất của họ. Mọi công ty đều bị choáng ngợp bởi các tệp PDF, ảnh chụp màn hình, video, nhật ký, email và đủ loại "dữ liệu hỗn độn" bán cấu trúc. Các mô hình ngày càng trở nên thông minh hơn, nhưng dữ liệu đầu vào lại ngày càng hỗn loạn—điều này khiến các hệ thống RAG tạo ra ảo giác, dẫn đến những lỗi tinh vi nhưng tốn kém do các tác nhân thông minh gây ra, và khiến các quy trình làm việc quan trọng phụ thuộc nhiều vào việc kiểm tra chất lượng thủ công.

Yếu tố hạn chế thực sự đối với các công ty AI hiện nay là sự suy giảm dữ liệu: trong một thế giới phi cấu trúc chứa đến 80% kiến thức của công ty, tính mới mẻ, cấu trúc và tính xác thực của dữ liệu đang liên tục giảm sút.

Đây là lý do tại sao việc gỡ rối "mớ hỗn độn" dữ liệu phi cấu trúc đang trở thành cơ hội kinh doanh cho cả một thế hệ. Các doanh nghiệp cần một phương pháp liên tục để làm sạch, cấu trúc, xác thực và quản lý dữ liệu đa phương thức của họ nhằm thực sự cho phép các khối lượng công việc AI tiếp theo hoạt động hiệu quả. Các ứng dụng này có mặt ở khắp mọi nơi: phân tích hợp đồng, tuyển dụng, xử lý khiếu nại, tuân thủ quy định, dịch vụ khách hàng, mua sắm, truy xuất kỹ thuật, hỗ trợ bán hàng, quy trình phân tích và tất cả các quy trình làm việc của nhân viên dựa trên ngữ cảnh đáng tin cậy.

Các công ty khởi nghiệp nền tảng có khả năng trích xuất cấu trúc từ tài liệu, hình ảnh và video, giải quyết xung đột, sửa chữa các đường dẫn dữ liệu và giữ cho dữ liệu luôn mới và có thể tìm kiếm được sẽ nắm giữ "chìa khóa mở cánh cửa" đến kho tàng tri thức và quy trình doanh nghiệp.

Joel de la Garza: Trí tuệ nhân tạo sẽ định hình lại thách thức tuyển dụng cho các đội ngũ an ninh mạng.

Trong thập kỷ qua, tuyển dụng là một trong những vấn đề nan giải nhất đối với các CISO. Từ năm 2013 đến năm 2021, tình trạng thiếu hụt nhân lực an ninh mạng toàn cầu đã tăng vọt từ dưới 1 triệu lên 3 triệu người. Nguyên nhân là do các nhóm an ninh cần những nhân tài kỹ thuật chuyên môn cao, nhưng họ lại được yêu cầu thực hiện những công việc an ninh cấp độ 1 rất mệt mỏi, chẳng hạn như xem xét nhật ký hệ thống, điều mà hầu như không ai muốn làm.

Vấn đề nằm ở chỗ các nhóm an ninh mạng tự tạo ra sự nhàm chán cho chính mình. Họ mua các công cụ "phát hiện mọi thứ một cách bừa bãi", buộc các nhóm phải "kiểm duyệt mọi thứ" - điều này lại tạo ra tình trạng "thiếu hụt nhân lực" giả tạo, tạo nên một vòng luẩn quẩn.

Năm 2026, trí tuệ nhân tạo (AI) sẽ phá vỡ chu kỳ này, giảm đáng kể khoảng cách về nhân tài bằng cách tự động hóa phần lớn các nhiệm vụ lặp đi lặp lại và dư thừa. Bất cứ ai từng làm việc trong một nhóm bảo mật lớn đều biết rằng một nửa công việc có thể được tự động hóa; vấn đề là, khi bạn bị quá tải công việc mỗi ngày, bạn đơn giản là không thể dành thời gian để suy nghĩ về những gì nên được tự động hóa. Các công cụ thực sự dựa trên AI sẽ làm điều này cho các nhóm bảo mật, cuối cùng cho phép họ tập trung vào những gì họ vốn muốn làm: theo dõi kẻ tấn công, xây dựng hệ thống và khắc phục các lỗ hổng.

Malika Aubakirova: Cơ sở hạ tầng gốc dành cho các tác nhân thông minh sẽ trở thành "tiêu chuẩn".

Sự thay đổi lớn nhất về cơ sở hạ tầng trong năm 2026 sẽ không đến từ bên ngoài, mà từ bên trong. Chúng ta đang chuyển từ lưu lượng truy cập "tốc độ con người, độ đồng thời thấp, có thể dự đoán được" sang khối lượng công việc "tốc độ tác nhân, đệ quy, bùng nổ và khổng lồ".

Các hệ thống phụ trợ doanh nghiệp hiện nay được thiết kế theo mô hình 1:1 "từ hành động của con người đến phản hồi của hệ thống". Chúng không phù hợp để xử lý các "cơn bão" đệ quy ở cấp độ mili giây được kích hoạt bởi một "mục tiêu" duy nhất từ một tác nhân, dẫn đến 5.000 tác vụ con, truy vấn cơ sở dữ liệu và các cuộc gọi API nội bộ. Khi một tác nhân cố gắng tái cấu trúc mã nguồn hoặc sửa lỗi nhật ký bảo mật, nó không hoạt động như một người dùng; đối với các cơ sở dữ liệu truyền thống hoặc bộ giới hạn tốc độ, nó giống như một cuộc tấn công DDoS.

Để xây dựng các hệ thống cho khối lượng công việc của tác nhân vào năm 2026, mặt phẳng điều khiển phải được thiết kế lại. Cơ sở hạ tầng dành riêng cho tác nhân sẽ bắt đầu xuất hiện. Thế hệ hệ thống tiếp theo phải chấp nhận hiệu ứng đám đông dữ dội như trạng thái mặc định. Thời gian khởi động nguội phải được rút ngắn, sự dao động độ trễ phải được giảm thiểu và giới hạn đồng thời phải được tăng lên nhiều lần.

Điểm nghẽn thực sự sẽ chuyển sang chính khâu điều phối: định tuyến, kiểm soát khóa, quản lý trạng thái và thực thi chính sách trong quá trình thực thi song song quy mô lớn. Chỉ những nền tảng nào có thể vượt qua được lượng lớn các lệnh gọi công cụ mới có thể giành chiến thắng cuối cùng.

Justine Moore: Các công cụ sáng tạo đang hoàn toàn hướng tới tính đa phương thức

Chúng ta đã có những khối xây dựng cơ bản cho việc kể chuyện bằng AI: âm thanh, âm nhạc, hình ảnh và video được tạo ra. Nhưng chừng nào nội dung còn dài hơn một bộ phim ngắn, việc đạt được khả năng kiểm soát gần như ở cấp độ đạo diễn vẫn tốn thời gian, khó khăn và thậm chí là bất khả thi.

Tại sao chúng ta không thể cho phép người mẫu nhận một đoạn video dài 30 giây, tạo ra một nhân vật mới bằng cách sử dụng hình ảnh và âm thanh tham khảo mà chúng ta cung cấp, rồi tiếp tục quay cảnh tương tự? Tại sao chúng ta không thể cho phép người mẫu "quay lại" từ một góc độ mới, hoặc khớp chuyển động với video tham khảo?

Năm 2026 sẽ là năm mà trí tuệ nhân tạo (AI) thực sự cho phép sáng tạo đa phương thức. Người dùng sẽ có thể cung cấp bất kỳ loại nội dung tham khảo nào cho mô hình và cùng nhau tạo ra các tác phẩm mới hoặc chỉnh sửa các cảnh hiện có.

Chúng ta đã chứng kiến sự xuất hiện của các sản phẩm thế hệ đầu tiên, chẳng hạn như Kling O1 và Runway Aleph, nhưng đây mới chỉ là khởi đầu—cần có những đổi mới ở cả cấp độ mẫu mã và ứng dụng.

Sáng tạo nội dung là một trong những "ứng dụng đột phá" của AI, và tôi kỳ vọng nhiều sản phẩm thành công sẽ xuất hiện từ nhiều nhóm người dùng khác nhau — từ những người tạo meme đến các đạo diễn Hollywood.

Jason Cui: Bộ dữ liệu gốc AI sẽ tiếp tục được cải tiến.

Trong năm qua, "hệ thống dữ liệu hiện đại" đã có sự hợp nhất rõ rệt. Các công ty dữ liệu đang chuyển từ các dịch vụ mô-đun như thu thập, chuyển đổi và tính toán sang các nền tảng tích hợp và thống nhất (như sự sáp nhập của Fivetran/dbt và sự mở rộng của Databricks).

Mặc dù hệ sinh thái đang ngày càng hoàn thiện, chúng ta vẫn đang ở giai đoạn đầu của việc xây dựng một kiến trúc dữ liệu thực sự thân thiện với AI. Chúng tôi rất hào hứng về cách AI tiếp tục chuyển đổi nhiều khía cạnh của hệ thống dữ liệu và đang bắt đầu thấy cơ sở hạ tầng dữ liệu và AI đang dần hướng tới sự tích hợp sâu rộng.

Chúng tôi đặc biệt tập trung vào các lĩnh vực sau:

Làm thế nào để dữ liệu tiếp tục được chuyển đến các cơ sở dữ liệu vector hiệu năng cao ngoài các hệ thống lưu trữ cấu trúc truyền thống?

Cách các tác nhân AI giải quyết "vấn đề ngữ cảnh": Bằng cách liên tục truy cập ngữ nghĩa dữ liệu và định nghĩa nghiệp vụ chính xác, các ứng dụng "giao tiếp với dữ liệu" có thể duy trì sự hiểu biết nhất quán trên nhiều hệ thống.

Khi quy trình xử lý dữ liệu trở nên thông minh và tự động hơn, các công cụ BI truyền thống và bảng tính sẽ phát triển như thế nào?

Yoko Li: Chúng ta sẽ thực sự "đi sâu vào bên trong video".

Đến năm 2026, video sẽ không còn là nội dung thụ động để xem nữa, mà sẽ bắt đầu trở thành một không gian mà chúng ta có thể "bước vào". Các mô hình video cuối cùng sẽ có khả năng hiểu thời gian, ghi nhớ những gì đã được trình bày và phản ứng với hành động của chúng ta, đồng thời duy trì sự ổn định và mạch lạc gần với thế giới thực, thay vì chỉ đơn thuần xuất ra vài giây hình ảnh không liên quan.

Các hệ thống này có khả năng duy trì các nhân vật, đối tượng và định luật vật lý trong thời gian dài, cho phép các hành động thực sự tạo ra tác động và giúp cho quan hệ nhân quả diễn ra. Do đó, video biến đổi từ một phương tiện truyền thông thành một không gian nơi mọi thứ có thể được xây dựng: robot có thể được huấn luyện, cơ chế trò chơi có thể phát triển, nhà thiết kế có thể tạo mẫu thử nghiệm và các tác nhân thông minh có thể học hỏi bằng cách "thực hành".

Thế giới được thể hiện không còn giống như một đoạn video ngắn, mà giống như một "môi trường sống", bắt đầu thu hẹp khoảng cách giữa nhận thức và hành động. Đây là lần đầu tiên nhân loại có thể thực sự "sống" trong những video mà chính mình tạo ra.

Nhóm tăng trưởng

Sarah Wang: Tình trạng của "hệ thống lưu trữ hồ sơ" của một công ty sẽ bắt đầu lung lay.

Đến năm 2026, sự chuyển đổi thực sự của phần mềm doanh nghiệp sẽ đến từ một sự thay đổi cốt lõi: vai trò trung tâm của các hệ thống lưu trữ hồ sơ cuối cùng sẽ bắt đầu giảm sút.

Trí tuệ nhân tạo (AI) đang thu hẹp khoảng cách giữa "ý định" và "thực thi": các mô hình có thể trực tiếp đọc, ghi và suy luận dữ liệu hoạt động của doanh nghiệp, chuyển đổi các hệ thống ITSM, CRM và các hệ thống khác từ cơ sở dữ liệu thụ động thành các công cụ vận hành quy trình tự động.

Với những tiến bộ nhanh chóng trong các mô hình suy luận và quy trình làm việc của tác nhân, các hệ thống này không chỉ đơn thuần phản hồi các yêu cầu mà còn có khả năng dự đoán, phối hợp và thực hiện các quy trình từ đầu đến cuối.

Giao diện sẽ trở thành một lớp tác nhân thông minh năng động, trong khi lớp ghi dữ liệu hệ thống truyền thống sẽ dần lùi vào "kho lưu trữ bền vững giá rẻ", và quyền thống trị chiến lược sẽ được trao cho những người chơi kiểm soát môi trường thực thi thông minh.

Alex Immerman: Trí tuệ nhân tạo theo chiều dọc đang được nâng cấp từ "thu thập thông tin và suy luận" lên "chế độ hợp tác nhiều người".

Trí tuệ nhân tạo (AI) đang thúc đẩy sự tăng trưởng bùng nổ trong phần mềm các ngành công nghiệp chuyên biệt. Các công ty trong lĩnh vực chăm sóc sức khỏe, pháp luật và nhà ở đã nhanh chóng vượt qua mốc 100 triệu đô la doanh thu định kỳ hàng năm (ARR); lĩnh vực tài chính và kế toán cũng đang theo sát phía sau.

Cuộc cách mạng ban đầu là việc thu thập thông tin: tìm kiếm, trích xuất và tóm tắt thông tin.

Năm 2025 mang đến những kết luận: Hebbia phân tích báo cáo tài chính, Basis đối chiếu bảng cân đối thử nghiệm trên nhiều hệ thống, và EliseAI chẩn đoán các vấn đề bảo trì và lên lịch cho nhà cung cấp.

Chế độ chơi nhiều người sẽ được mở khóa vào năm 2026.

Phần mềm chuyên ngành thường sở hữu các giao diện, dữ liệu và khả năng tích hợp đặc thù của ngành, trong khi hoạt động của ngành chuyên biệt về bản chất là sự hợp tác đa bên: người mua, người bán, người thuê, nhà tư vấn và nhà cung cấp, mỗi bên có các quyền hạn, quy trình và yêu cầu tuân thủ khác nhau.

Hiện nay, các hệ thống AI từ nhiều bên khác nhau đang hoạt động độc lập, dẫn đến các điểm chuyển giao hỗn loạn và thiếu tính độc đoán: AI phân tích hợp đồng không thể giao tiếp với các tùy chọn mô hình hóa của Giám đốc tài chính; AI bảo trì không biết về các cam kết mà nhân viên tại chỗ đã đưa ra cho người thuê nhà.

Trí tuệ nhân tạo đa người chơi sẽ phá vỡ tình trạng này: tự động phối hợp giữa các bên; duy trì bối cảnh; đồng bộ hóa các thay đổi; tự động chuyển hướng đến các chuyên gia chức năng; cho phép trí tuệ nhân tạo đối thủ đàm phán trong phạm vi nhất định; và đánh dấu các điểm bất đối xứng để con người xem xét.

Khi chất lượng giao dịch được cải thiện thông qua sự hợp tác giữa "nhiều tác nhân và nhiều con người", chi phí chuyển đổi sẽ tăng vọt - mạng lưới hợp tác này sẽ trở thành "rào cản" mà các ứng dụng AI từ lâu vẫn thiếu.

Stephenie Zhang: Đối tượng được tạo ra trong tương lai sẽ không còn là con người nữa, mà là những tác nhân thông minh.

Đến năm 2026, con người sẽ tương tác với mạng thông qua các tác nhân thông minh, và việc tối ưu hóa nội dung hướng đến người dùng sẽ mất đi tầm quan trọng ban đầu.

Chúng tôi đã tối ưu hóa cho hành vi dễ đoán của con người: thứ hạng tìm kiếm trên Google; danh sách sản phẩm hàng đầu trên Amazon; 5 từ khóa + 1 giờ của các bài báo và những đoạn mở đầu thu hút.

Con người có thể bỏ qua những hiểu biết sâu sắc ẩn chứa ở trang thứ năm, nhưng các tác nhân thông minh thì không.

Phần mềm cũng sẽ thay đổi tương ứng. Trước đây, các ứng dụng được thiết kế cho mắt người và thao tác nhấp chuột, với việc tối ưu hóa có nghĩa là giao diện người dùng và quy trình tốt hơn; tuy nhiên, với việc các tác nhân thông minh đảm nhiệm việc truy xuất và diễn giải, tầm quan trọng của thiết kế trực quan giảm đi: các kỹ sư không còn cần phải nhìn chằm chằm vào Grafana nữa, các chuyên gia SRE AI sẽ tự động phân tích dữ liệu đo lường và cung cấp thông tin chi tiết trong Slack; các nhóm bán hàng không còn cần phải lật giở thủ công các CRM nữa, các tác nhân thông minh sẽ tự động tóm tắt các mẫu và thông tin chi tiết.

Chúng ta không còn thiết kế cho con người nữa, mà là cho các tác nhân thông minh. Việc tối ưu hóa mới không còn xoay quanh thứ bậc hình ảnh, mà là khả năng đọc hiểu của máy tính. Điều này sẽ thay đổi căn bản cách thức tạo nội dung và các công cụ hiện có.

Santiago Rodriguez: Chỉ số KPI "thời gian sử dụng màn hình" sẽ biến mất.

Trong 15 năm qua, "thời gian sử dụng màn hình" đã trở thành tiêu chuẩn vàng để đo lường giá trị sản phẩm: thời gian xem Netflix; số lần nhấp chuột trong hệ thống chăm sóc sức khỏe; số phút người dùng dành cho ChatGPT.

Nhưng trong kỷ nguyên định giá dựa trên kết quả sắp tới, thời gian sử dụng màn hình sẽ bị loại bỏ hoàn toàn.

Những lợi ích đã bắt đầu trở nên rõ ràng: Các truy vấn DeepResearch của ChatGPT hầu như không cần thời gian nhìn màn hình nhưng lại mang lại giá trị to lớn; Abridge tự động ghi lại các cuộc trò chuyện giữa bác sĩ và bệnh nhân cũng như xử lý các nhiệm vụ theo dõi, giúp bác sĩ hầu như không cần nhìn vào màn hình; Cursor đã hoàn thành việc phát triển ứng dụng đầy đủ và các kỹ sư đang lên kế hoạch cho giai đoạn tiếp theo; Hebbia tự động tạo ra các bản trình bày dự án từ một lượng lớn tài liệu công khai, cuối cùng cho phép các nhà phân tích ngân hàng đầu tư có thể ngủ ngon giấc.

Thách thức đặt ra là các công ty cần tìm ra những cách thức tinh vi hơn để đo lường ROI — sự hài lòng của bác sĩ, năng suất của nhà phát triển, sức khỏe của nhà phân tích, sự hạnh phúc của người dùng… tất cả đều đang gia tăng cùng với AI.

Những công ty nào có thể kể câu chuyện về lợi tức đầu tư (ROI) rõ ràng nhất sẽ tiếp tục giành chiến thắng.

Nhóm Sinh học + Sức khỏe (Tập trung vào Công nghệ sinh học và Y tế)

Julie Yoo: "Người dùng hoạt động hàng tháng (MAU) trong lĩnh vực sức khỏe" trở thành nhóm người dùng cốt lõi.

Năm 2026, một nhóm người dùng dịch vụ chăm sóc sức khỏe mới sẽ trở thành tâm điểm: "Người dùng hoạt động hàng tháng khỏe mạnh" (Healthy MAUs) - những người khỏe mạnh, hoạt động tích cực hàng tháng nhưng không bị bệnh.

Y học cổ truyền chủ yếu phục vụ ba nhóm người:

Người dùng hoạt động hàng tháng (MAU) yếu kém: Những người dùng có nhu cầu cao và mang tính chu kỳ.

- Các đơn vị điều trị ngoại trú (DAU) bị bệnh: chẳng hạn như bệnh nhân chăm sóc đặc biệt dài hạn.

- Người trẻ khỏe mạnh (YAU): Những người hiếm khi tìm kiếm sự chăm sóc y tế.

Những người dùng trẻ khỏe mạnh (YAU) có thể dễ dàng trở thành những người dùng trung bình/dài hạn bị bệnh (MAU/DAU), và chăm sóc phòng ngừa có thể đã làm chậm quá trình này. Tuy nhiên, do hệ thống chăm sóc sức khỏe "hướng điều trị" hiện nay, việc xét nghiệm và theo dõi chủ động hầu như không được chú trọng.

Sự xuất hiện của những người sử dụng lao động có sức khỏe tốt đã làm thay đổi cấu trúc này: họ không bị bệnh, nhưng sẵn sàng theo dõi tình trạng sức khỏe của mình thường xuyên và là nhóm dân số tiềm năng lớn nhất.

Chúng tôi dự đoán rằng cả các công ty khởi nghiệp chuyên về trí tuệ nhân tạo và các tổ chức truyền thống được "tái cấu trúc" sẽ tham gia, cung cấp các dịch vụ chăm sóc sức khỏe định kỳ.

Khi trí tuệ nhân tạo (AI) làm giảm chi phí cung cấp dịch vụ chăm sóc sức khỏe, các sản phẩm bảo hiểm phòng ngừa xuất hiện và người dùng sẵn sàng trả tiền cho các dịch vụ đăng ký, "người dùng hoạt động hàng tháng trong lĩnh vực sức khỏe" (health MAUs) sẽ trở thành nhóm khách hàng triển vọng nhất cho thế hệ công nghệ y tế tiếp theo - những người dùng năng động, dựa trên dữ liệu và hướng đến phòng ngừa.

Nhóm Speedrun (Trò chơi, Truyền thông tương tác và Mô hình hóa thế giới)

Jon Lai: Các mô hình thế giới sẽ định hình lại các phương pháp kể chuyện

Năm 2026, các mô hình thế giới AI sẽ cách mạng hóa cách kể chuyện thông qua thế giới ảo tương tác và nền kinh tế kỹ thuật số. Các công nghệ như Marble (World Labs) và Genie 3 (DeepMind) có thể tạo ra các thế giới 3D hoàn chỉnh từ văn bản, cho phép người dùng khám phá chúng như chơi một trò chơi.

Khi các nhà sáng tạo sử dụng những công cụ này, những hình thức kể chuyện hoàn toàn mới sẽ xuất hiện—và thậm chí có thể có một "phiên bản Minecraft phổ thông" nơi người chơi cùng nhau tạo ra một vũ trụ rộng lớn, không ngừng phát triển.

Những thế giới này sẽ xóa nhòa ranh giới giữa người chơi và người sáng tạo, hình thành một thực tại chung, năng động. Các thể loại khác nhau, như giả tưởng, kinh dị và phiêu lưu, có thể cùng tồn tại; nền kinh tế kỹ thuật số trong đó sẽ phát triển mạnh mẽ, cho phép người sáng tạo kiếm thu nhập bằng cách tạo ra tài sản, hướng dẫn người chơi và phát triển các công cụ tương tác.

Những thế giới được tạo ra này cũng sẽ trở thành nơi huấn luyện cho các tác nhân AI, robot, và thậm chí cả các trí tuệ nhân tạo tổng quát (AGI) tiềm năng. Mô hình thế giới không chỉ mang đến một thể loại trò chơi mới, mà còn là một phương tiện sáng tạo hoàn toàn mới và một biên giới kinh tế mới.

Josh Lu: "Năm của tôi"

Năm 2026 sẽ là "Năm của tôi": các sản phẩm sẽ không còn được sản xuất hàng loạt cho "người tiêu dùng bình thường", mà sẽ được thiết kế riêng cho "bạn".

Trong lĩnh vực giáo dục, gia sư AI của Alphaschool sẽ ghép mỗi học sinh với tốc độ học và sở thích riêng của từng em.

Về mặt sức khỏe, AI có thể tùy chỉnh các loại thực phẩm bổ sung, kế hoạch tập luyện và chế độ ăn uống cho bạn.

Trong lĩnh vực truyền thông, trí tuệ nhân tạo cho phép phối lại nội dung theo thời gian thực dựa trên sở thích của người dùng.

Những gã khổng lồ của thế kỷ trước đã chiến thắng bằng cách tìm ra "người dùng trung bình"; những gã khổng lồ của thế kỷ tới sẽ chiến thắng bằng cách tìm ra "cá nhân nổi bật trong số những người dùng trung bình".

Đến năm 2026, thế giới sẽ không còn được tối ưu hóa cho tất cả mọi người, mà là cho "bạn".

Emily Bennett: Trường Đại học ứng dụng trí tuệ nhân tạo đầu tiên sắp ra đời

Năm 2026, chúng ta sẽ chứng kiến trường đại học hoàn toàn dựa trên trí tuệ nhân tạo (AI) đầu tiên – một tổ chức được xây dựng từ đầu xung quanh một hệ thống thông minh. Các trường đại học truyền thống đã áp dụng AI vào việc chấm điểm, dạy kèm và lên lịch học, nhưng giờ đây một sự chuyển đổi sâu sắc hơn đang nổi lên: một "sinh vật học thuật thích ứng" có khả năng học hỏi và tự tối ưu hóa trong thời gian thực.

Hãy tưởng tượng một trường đại học nơi các khóa học, hoạt động hướng dẫn, hợp tác nghiên cứu và vận hành khuôn viên trường đều được điều chỉnh theo thời gian thực dựa trên phản hồi; lịch học tự tối ưu hóa; danh sách tài liệu tham khảo được cập nhật liên tục khi có nghiên cứu mới; và lộ trình học tập của mỗi sinh viên thay đổi theo thời gian thực.

Đã có những tiền lệ: sự hợp tác giữa Đại học bang Arizona và OpenAI đã tạo ra hàng trăm dự án về trí tuệ nhân tạo; Đại học bang New York đã đưa kiến thức về trí tuệ nhân tạo vào chương trình giáo dục đại cương của mình.

Tại các trường đại học tiên phong về trí tuệ nhân tạo:

Các giáo sư trở thành "kiến trúc sư của các hệ thống học tập": lập kế hoạch dữ liệu, tinh chỉnh mô hình và dạy sinh viên cách kiểm tra khả năng suy luận của máy móc.

- Phương pháp đánh giá sẽ chuyển sang đánh giá "nhận thức về AI": thay vì hỏi sinh viên liệu họ có sử dụng AI hay không, trọng tâm sẽ là cách họ sử dụng AI.

Với nhu cầu cấp thiết về nhân tài có khả năng cộng tác với các hệ thống thông minh trong nhiều ngành công nghiệp, trường đại học này sẽ trở thành "động lực nhân tài" cho nền kinh tế mới.

[ Liên kết gốc ]