硅基流动杨攀：2026 年最大的创业机会，是给 Agent「造基建」

2026 年 1 月，这一个月所发生的变化，相当于过去 25 年里任意半年的总和。

这是一个大事件频发的时期，以至于像 Clawdbot 这样的产品，都能在一周之内三次更名。

站在年初，硅基流动联合创始人杨攀从 AI Infra 的角度，聊了聊他对于 AI 趋势变化背后的一些思考。

• 只有那些通过燃烧 Token 来解决核心问题的应用，才是真正的 AI Native 应用。

• AI 在组织层面产生的效率提升倍数，其实远低于个人层面。

• AI 在许多领域的生产力已经超越了人类。从现在开始，我们应该停止为人类开发软件。为 Agent 构建基础设施，是一个巨大的机会。

• 每个 Agent 每天调用接口和访问数据的频率将远超人类使用手机的频率。

• 在几乎所有人都能产出 80 分水平的产品，且生产成本趋近于零的时代，拥有品牌、流量、渠道将具备极大的优势。这也是为什么 KOL 等具备影响力的人群具有如此高的价值。

以下是杨攀在 43 Talks 2026 活动上的分享内容，Founder Park 对内容进行了微调整。

杨攀，硅基流动联合创始人，写了代码 32 年，主要做即时通讯，做过微软 MSN、中国移动飞信，现在做 AI 云服务。过去十年服务了绝大多数创业者和大型企业，做过三个 10 亿级注册用户的产品。

01

通过燃烧 Token 来解决问题的应用，

才是 AI Native 应用

Token 燃烧是唯一标准

过去我思考 AI 原生应用时，主要关注产品的商业逻辑、业务逻辑和交互逻辑。2026 年 1 月，我有了全新的认知：其判断标准很明确：只有通过燃烧 Token 来解决问题的应用才是 AI 原生应用。无论是处理输入、生成输出还是执行求解任务，都需要消耗 Token。应用对 Token 的依赖程度越高，就越纯粹地属于 AI 原生。

目前我们依然有 AI 排行榜，传统的排行榜主要依据日活和流量进行排名。而 AI 时代的排行榜真正应该排名的是 Token 消耗量。哪个业务消耗的 Token 更多，哪个就应该排在前面。Token 消耗本质上体现了一种权利：拥有更多 Token 消耗能力，就意味着拥有更大的决策权和影响力。

2026 年全年，Token 消耗将增长 100 倍

去年的国内和国际市场，均存在大量计算资源闲置的现象。但据我观察，2026 年将持续呈现供不应求的态势，这意味着提前购入就是获利。对于 2026 年 Token 消耗的增长倍数，市场预期各不相同：有人认为增长 10 倍，有人预估 20 倍、50 倍，甚至更激进的预测。我的判断是，如果资源充足，100 倍增长是一个合理预期。

如果整个产业提升 100 倍，作为个体，我们需要思考自己一年内的 Token 消耗能否同样实现 100 倍增长？如果无法跟上这一趋势，就会明显落后于整体发展水平。这引发了一个值得深思的问题。当前许多开发者坐在电脑前通过敲击 Prompt 的方式进行编程。其实这里有一个关键认知：Token 消耗的真正瓶颈实际上在于坐在电脑屏幕前的操作者本身。操作者需要为 AI 下达任务指令，AI 执行过程中需要不断确认是否继续以及具体操作方式，这成为了效率瓶颈。如果操作者能够给出完整任务让 AI 自主执行时，AI 就能持续消耗 Token 并产生产出。

02

AI 在组织层面的提效，

远低于个人层面

大多数开发者和构建者都认为，AI Coding 能够让个人生产效率提升十倍。这一结论在个体层面得到了广泛验证。然而通过对众多组织的深入调研发现，AI 在组织层面产生的效率提升倍数远低于个人层面。

根本原因在于个体与组织层面的效率差异：

• 当个人独立工作时，作为需求的提出者和问题的解决者，所有思考、沟通、讨论都局限在个人的思考范围内，这种模式非常高效

• 当需要团队协作时，人与人之间的沟通速率和信息交换效率显著降低，且不同人的思维模式存在差异，还需要额外的时间进行认知对齐。

这种组织层面的协作瓶颈导致 AI 效能提升面临重大挑战。回顾软件发展历史，我们可以看到瀑布开发方法论和敏捷开发方法论在不同阶段的演进。在 AI 时代，我们尚未找到适合 AI 特点的软件工程方法论。

03

为 Agent 构建基础设施，

而不是为人类造软件

停止为人类开发软件

或许大家还未意识到的是，AI 在许多领域的生产力已经超越人类。以 Neon 云端数据库为例，2025 年 2 月由 Agent 创建的数据库数量已经超过人类管理员创建的数量，这在云服务市场已经形成共识。

2025 年 8 月，我提出了一个颠覆性观点：从 2025 年开始，我们应当停止为人类开发软件。当前大量 Vibe Coding 产品仍然面向人类用户，但值得深思的是：当 Agent 能够自主完成更多任务，包括直接访问数据库和调用接口时，我们是否还需要通过人类界面来实现这些功能？当前众多 UI Automation 工具确实令人印象深刻，RPA 的自动化能力也备受推崇。更值得深思的是：为什么让 Agent 去调用为人类设计的界面和基础设施？这种方式效率极其低下。Agent 应该直接访问所有数据和 API 接口。

为 Agent 构建基础设施，是一个巨大的机会

以移动互联网为例：全球 80 亿人口中，约 60 亿是移动互联网用户，每人每天使用 APP 的点击次数有限。在 AI 时代，如果每人拥有 100 个、1000 个 Agent，每个 Agent 每天调用接口和访问数据的频率将远超人类使用手机的频率。这一指数级增长的乘数效应将创造巨大的市场规模。

2025 年的 Claude Code 和 Manus 在做什么？持续提升大模型能力和为 AI 构建强大的中枢神经系统。Agent 能力在 2025 年取得了显著突破。那么在 2026 年 Token 消耗预期增长 100 倍的背景下，最大的发展机遇是为 AI 构建大规模的基础设施，包括完善的运行环境、API 接口和数据访问能力。

04

AI 是劳动力，不是工具

一个对于 AI 认知的转变是：从工具到劳动力的思维重构认知层面的转变至关重要。

过去三年自 ChatGPT 发布以来，大多数人仍将 AI 视为工具，主要关注其提升工作效率的价值。黄仁勋在去年的发布会上明确表示：AI is work not tool。AI 不是工具，而是劳动力。AI 可以被委托执行任务，并交付具体结果。如果你将 AI 视为工具，它提供工具价值；如果你将 AI 视为劳动力，它提供劳动力价值。

核心差异在于资源管理能力：有些人一天能够消耗上亿 Token，而有些人只能消耗百万 Token。这体现了AI 时代的领导力：个人能够管理的 AI Work 数量、每日工作产出和 Token 消耗水平存在巨大差异。

拥有品牌、流量和渠道，将具备极大的优势

要思考一个关键问题：在生产力极度富足的未来，会发生什么？

几乎所有人都能产出 80 分水平的产品且生产成本趋近于零。内容生产的数量将呈现指数级爆炸增长，我们的注意力也在指数级地分散。

过去有好产品很容易被发现，但今天即使你做出了 80 分水准的作品，被发现的概率也极低。 因此今天拥有品牌、流量、渠道将具备极大的优势。这也是为什么 KOL 等具备影响力的人群具有如此高的价值。

AI 时代，「交付结果」变得更加重要

另一方面，AI 时代「交付结果」的重要性为何日益凸显？我们需要思考什么变化导致了这一概念变得如此关键。

以工具使用为例：如果给你木头、锯子、锤子、钉子，你也许能够制造出一个凳子。但如果你需要制造一个人工按摩椅或大型沙发，难度就会大幅提升。购买工具后，自己使用工具可以创造一个结果。

然而事物复杂度持续攀升。当它达到临界点时，单纯购买工具已无法获得理想结果，此时「购买结果」而非「购买工具」成为更优选择。

因此，我认为今天强调「交付结果」的核心问题在于事物的复杂性在增加。而你提供的价值在于将复杂问题内化到你的服务、产品和能力中，将复杂事务转交给别人处理才能体现你的价值。

05

成为 AI 时代的「Builder」

Taste，本质上是一种筛选能力

首先，品味很重要。其本质上是一种筛选能力。在同质化严重的 80 分产品环境中，独特的品味能够识别和突出优质作品，实现精准的目标用户推送。

我们应该停下来思考，应该用 AI 来做什么？

其次，2026 年值得深思的是，AI 赋予我们如此强大的能力，我们究竟应该用它做什么？目前 AI Coding 重度用户的典型现象是，许多程序员因 AI Coding 带来的强烈多巴胺刺激而废寝忘食，甚至放弃其他个人爱好。

但我把它称之为「程序员垃圾时间」：许多 AI 程序员在缺乏商业价值或具体成果的项目上投入大量时间，纯粹为了获得心理满足感。

我们更应该深度思考我们究竟应该用它做什么：在 2026 年，我们应该用 AI Coding 拿到什么结果？

面对当下的知识爆炸，要「有取有舍」

最后，我们也面临着前所未有的知识爆炸，我建议的核心策略包括：

• 构建个人知识图谱，建立结构化认知体系，明确新信息在体系中的位置和相互关系

• 聚焦核心概念而非全面细节

• 对感兴趣领域深度实践

看似矛盾的「放弃细节」与「重点实践」体现了有取有舍的智慧。

Follow builders not influencers

「Follow builders not influencers」，这一观点在近期备受关注。我认为，优秀的 influencer 必须在具备 builder 身份的基础上，才能提供真正有价值的洞察。希望各位不要被工具绑架，要构建独立的思考逻辑。我们不应试图预测未来，而应深入理解事物发展的趋势和方向。

具体的技术更新（如某个大模型能力增强、某个特定问题得到解决）并非关键所在。真正重要的是理解事物发展的底层逻辑——对发展趋势的深入思考和认知，以及把握发展节奏的能力，而非仅仅关注技术细节。

文章来自于微信公众号 “Founder Park”，作者： “言晏”