在近期的達沃斯論壇上，Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談，揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測：在 2026-2027 年，AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼，而是讓模型來完成編寫工作，人類只負責編輯和周邊任務。他預估在 6-12 個月內，模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度，認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化，因為結果可驗證；但自然科學領域則更具挑戰性，需要實驗驗證，且目前模型在「提出問題」和「建立理論」
最近我嘗試做了一個 Agent，專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案，純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來？ 要讓 AI 分析任何東西，首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch，它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外，我也在嘗試另一個經絡檢測的儀器，有點像中醫把脈的概念，只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起，應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後，我再處理並存到 Database 裡。 接著寫一個 MCP Server，然後在
訂閱了一堆很棒的工具，付了錢，卻發現自己根本沒時間用。Claude in Chrome 讓我實現了每天醒來就有懶人包可看的夢想。
根據麥肯錫、OpenAI、史丹佛等機構的研究報告，2026 年 AI 產業將迎來重大轉變。以下是六個值得關注的關鍵趨勢。 趨勢一：模型不再是重點 過去幾年，每次新模型發布都會引發「哪個 AI 最好」的討論。但從 Artificial Analysis 的數據可以看到，各大 AI 模型在效能圖表的右上角越來越密集，彼此差距正在縮小。 史丹佛的研究也顯示，免費的開源模型如 DeepSeek 和 Llama，效能已逐漸逼近付費的前沿模型。更重要的是，使用成本正在大幅下降。NVIDIA 最新晶片每個 token 的能耗，比十年前降低了 10.5 萬倍。 當效能趨同、成本下降，AI 模型正在變成「大宗商品」。就像沒人會問「誰家的電力最好」，未來的競爭焦點將從模型本身，轉移到應用層。 趨勢二：