尼古拉斯·瓦西洛格鲁（Nikolaos Vasiloglou）是 RelationalAI 的机器学习研究副总裁。他一生都在从事机器学习软件的开发和数据科学项目的领导，领域包括零售、在线广告和安全。他是 ICLR/ICML/NeurIPS/UAI/MLconf/KGC/IEEE S&P 社区的成员，曾担任作者、审稿人和研讨会及主会议的组织者。尼古拉斯正在 RelationalAI 领导大型语言模型和知识图谱的交叉研究和战略计划。
2025 年初，我预测了大型语言模型的商品化。随着令牌价格的崩溃和企业从实验转向生产，这一预测迅速成为现实，重塑了 AI 系统的构建和管理方式，进入 2026 年。2025 年做对了什么去年看起来不确定的几种趋势现在已经实现。首先，大型语言模型成为基础 AI 基础设施。成本削减和推理管道的改进将许多工作负载推入生产，特别是对于实体提取、分类和摘要等简单任务。企业不再问“我们应该使用哪个模型？”而是问“如何设计能够在模型更换中生存的系统？”其次，代理证明了它们可以消耗大量的企业文本。领导者继续面临着合规文档带来的混乱，当他们想要提取数据来告知决策时。以前被忽略的电子邮件、票据和聊天日志中的通信数据现在被代理主动用于提供洞察和建议。这类似于 2010 年代初的大数据浪潮，当时廉价的存储和新工具解锁了沉睡的数据集。第三，符号知识悄悄回归。知识图，曾经被视为昂贵和脆弱的，现在通过 GraphRAG 和代理驱动的提取找到了新的生命。不完美的图表被证明是有用的。迭代现在比起初的完美更重要。这不仅仅是一个重新命名的努力，而是一个真正的转变，符号和统计系统如何协同工作。最后，微调重新获得了重要性。随着上下文学习面临延迟敏感和推理密集型任务的局限性，较小的专用模型再次变得有吸引力。行业重新发现了一个旧真理：并非每个问题都需要一个巨大的通用模型。虽然这些趋势已经变得至关重要，但真正的转折点将在 2026 年发生。代理记忆成为基础2026 年，代理将停止成为无状态的工具，开始像具有记忆的系统一样行为。这是代理记忆的概念出现的地方。虽然将其描述为知识图的重新命名很诱人，但这种框架忽略了要点。代理记忆是一个进化。它结合了结构化的符号表示和代理推理、更新和随时间采取行动的能力。记忆是将代理从反应性响应者转变为决策系统的关键。没有它，代理会重复工作，编造上下文，并且无法从过去的行为中学习。有了它，企业可以构建积累机构知识而不是在每个提示中丢弃它的 AI 系统。模型合并取代模型崇拜一个最不被讨论的发展是模型合并和分布式训练的崛起。研究人员不再从头到尾训练单一的模型，而是将问题分解为更小的部分。较小的专用模型独立训练，然后合并。这种方法首先出现在研究竞赛和实验挑战中。2025 年，它成熟为完整的教程和生产就绪的管道。Cohere 的分布式训练实验等公开示例表明了更广泛的转变。到 2026 年，我们将看到针对较小语言模型的真正市场，这些模型可以被企业拥有、组合和适应。重心从“谁拥有最大的模型”转移到“谁可以组装最有效的系统”。AI 为科学退出实验室AI 为科学不再只是一个研究好奇心。2025 年，物理、生物和材料科学的研讨会在主要会议上吸引了意外的观众。富有的基金会和私人捐赠者开始资助大规模的科学 AI...
