报告：《麦肯锡McKinsey：2026年技术趋势展望报告（第六版）》
解读：三个皮匠报告
你有没有发现，家里的扫地机器人越来越聪明了，工厂里的机械臂开始自己“商量”着干活了，仓库里的搬运机器人不再沿着固定路线傻跑，而是能绕开突然出现的障碍物？
这不是你的错觉。麦肯锡刚刚发布的《2026年技术趋势展望报告（第六版）》报告，用143页的篇幅给出了一个核心判断：2026年，技术的故事已经从屏幕里走出来，进入了物理世界。
报告追踪了14个技术趋势，分成三大类：AI革命、计算与连接前沿、前沿工程。其中最值得关注的是，AI不再只是帮你写邮件、生成图片的“聊天工具”，它正在学会感知、推理、行动——从工厂到仓库，从医院到农田，从汽车到飞机。
投资数据也印证了这一点：2025年，仅能源技术就吸引了近2000亿美元投资，AI基础设施支出在一年内翻倍。五个技术趋势预计2026年投资比2025年至少翻一倍。
一、AI不再只是“聊天”：它开始动手了
过去两年，AI的进步集中在“屏幕内”——生成答案、起草文档、总结会议。但2026年的报告指出，AI正在快速进入“代理时代”（agentic era），它能自主完成端到端的数字任务，成为企业的“连接组织”。
更关键的是“物理AI”（Physical AI）的崛起。报告指出，AI正在为机器人、移动出行、可穿戴设备增加感知、推理和行动能力。通用机器人正在被训练去理解环境，执行复杂任务，应对不可预测的场景。车辆可以无司机实时决策，工业系统可以在“黑灯工厂”里生产复杂产品，沉浸式头显正在与佩戴者和外部世界实时互动。
物理AI最先落地的地方是制造业和物流，因为那里的经济账最清楚。 但报告明确指出，这条轨迹指向的远不止工厂——医院、建筑工地、农场、城市基础设施，都在射程之内。
二、钱流向哪里？五大趋势投资翻倍
报告用投资数据揭示了资本的“投票结果”。2025年到2026年，五个技术趋势的投资预计至少翻倍：代理式软件开发、AI基础设施与模型架构、AI用于科学发现与工程、太空技术、机器人。
其中，AI基础设施与模型架构是投资规模最大的领域。2025年 equity investment 达到1450亿美元，2026年上半年已接近3840亿美元。如果按当前速度，全年将达到约7690亿美元。
其他趋势中，网络安全与可信系统2025年投资775亿美元；能源与可持续技术2025年投资1942亿美元，是所有趋势中最高的；应用特定半导体2025年投资近420亿美元，较2024年的75亿美元大幅增长。
人才需求也透露出信号： 在四个AI相关趋势加上应用特定半导体中，超过75%的招聘岗位是研发类，说明这些领域还处于早期。而在连接、网络安全、能源、生命科学、移动出行中，超过一半的岗位是非研发类，说明这些技术正在进入部署阶段。
三、能源成为最大瓶颈：电网还没准备好
报告用了一个非常形象的小标题：“AI很饿，但电网还没准备好。”
美国运行AI负载的数据中心，预计到2030年耗电量将相当于整个加州当前的用电量。全球范围内，数据中心用电量到2030年可能接近或超过1000太瓦时。问题不只是AI需要多少电，而是这些电有多难送到。数据中心可以比输电线路、变电站和变压器建得更快。在许多市场，变压器的交货周期已经超过两年。全球有超过2500吉瓦的能源项目卡在电网排队中，等待可能数年之久的并网。
对企业来说，获得可靠的算力，正在变得和获得人才或资本一样重要。
报告还指出，大型能源用户正在从“买电”转向“编排电力”。谷歌、Kairos Power和田纳西河谷管理局宣布了高达50兆瓦的先进核电购电协议，为谷歌在田纳西和阿拉巴马的数据中心供电。亚马逊AWS与Talen Energy将宾夕法尼亚州Susquehanna核电站的供电协议扩大至1920兆瓦。这些都是早期信号，但并不意味着先进核能已经大规模商业化。
四、网络安全窗口压缩：零日漏洞超过75%
报告指出，AI正在同时帮助攻击者和防御者。超过四分之三的网络安全漏洞目前被归类为“零日漏洞”——也就是说，当漏洞被公开披露时，攻击工具已经开发出来了。
AI代理现在可以自主发现并利用漏洞，把多个利用步骤串联成一条连贯的攻击路径。在一次授权安全测试中，一个自主AI代理将几十个独立的利用步骤串联起来，把一个低危漏洞升级为完整的未授权文件访问。这意味着防御者可能面临的不再是“信号太少”，而是“信号太多”——瓶颈从检测威胁变成区分真实威胁和噪音。
报告还提到，身份安全正在成为安全支柱，因为机器身份的数量已经远远超过人类。在许多组织中，软件身份（如机器人或代理）与人类用户的比例大约是100:1。企业正在从静态角色权限转向统一身份治理、无密码认证和上下文感知访问控制。
五、硬件和软件正在协同设计：定制芯片时代来临
报告指出，通用芯片长期驱动着从笔记本电脑到数据中心的一切，但AI改变了这一点。训练模型并大规模运行（推理）需要更专业化的芯片。
推理正在超过训练，成为主导性的AI工作负载。 随着模型架构持续演进，新的应用特定芯片正在被设计出来，以更高效地提供推理能力——每瓦输出更多，成本更低。这对数据中心来说至关重要，因为它们的能源需求正在日益给电网带来压力。
超大规模企业正在大力投资建设数据中心，并从更快、更高性能的芯片中获益良多。因此，亚马逊、谷歌、Meta和微软正在越来越多地与半导体公司合作，协同设计定制芯片，针对自己的AI模型进行优化——有些还在探索将这些芯片作为竞争性产品提供给外部客户。
报告还提到，芯片行业的“客户正在变成替代供应商”。这些新格式芯片不仅影响半导体行业，还在改变物理AI基础设施的设计方式，并转变设备制造商和能源供应商的商业模式。
六、14大趋势全景：谁在试点，谁在规模化
报告对14个趋势的采用阶段进行了评分（1=前沿创新，5=完全规模化）。结果显示：
- 规模化进行中（评分4）： AI基础设施与模型架构、应用特定半导体、网络安全与可信系统、先进连接、能源与可持续技术、生命科学与生物工程。
- 试点阶段（评分3）： 代理式AI、代理式软件开发、未来移动出行。
- 实验阶段（评分2）： 量子技术、沉浸式现实、未来机器人、未来空间技术。
报告特别指出，代理式AI虽然投资热度极高，但企业价值仍然难以衡量。只有37%的公司认为AI项目对EBIT有正面影响。代理式工作流比传统聊天机器人消耗多5到30倍的token，93%的受访者表示AI预算超支。
但在软件开发和科学发现领域，代理式AI已经展现出真实价值。代理式软件开发是第一个资本部署和市场兴趣围绕可衡量商业回报汇聚的代理式AI应用。在科学发现领域，AI正在帮助生命科学公司以前所未有的速度发现新药，但湿实验室验证、临床试验和监管审查的瓶颈依然存在。
七、写在最后
麦肯锡这份报告的核心信息可以概括为三句话：
第一，AI正在从数字世界走向物理世界。 物理AI最先在制造业和物流落地，但轨迹指向医院、工地、农场和城市基础设施。
第二，能源和电网是AI规模化的最大瓶颈。 数据中心可以建得比输电线路快，变压器交期超过两年，2500吉瓦项目卡在并网队列。获得可靠算力正在成为竞争优势。
第三，硬件和软件正在协同设计，定制芯片时代来临。 推理超过训练成为主导工作负载，超大规模企业正在与半导体公司深度合作，芯片行业的客户关系正在被重写。
报告最后写道：“2026年的14个技术趋势展示了新创新能以多快的速度改变商业目标、全球市场和工作方式。即使最有才华的技术专家也无法预测每一次突破。但理解技术变革背后模式的商业领袖，将有能力塑造未来，而不是被动应对。”
报告节选
热门跟贴