2026 年塑造 AI 發展的 20 位關鍵人物

邏輯的新建築師

科技產業的權力結構已從編寫程式碼的人，轉移到掌控「思想基礎設施」的人手中。在這個時代，影響力不再由社群媒體追蹤數或公開露面次數來衡量，而是取決於算力（flops）、電力（kilowatts）與專有資料集。目前主導人工智慧發展方向的這 20 位人物，未必個個家喻戶曉。有些人是布魯塞爾的監管官員，有些人則是台灣的供應鏈經理。他們有一個共同點：他們掌握了自工業革命以來，最重大技術變革的關鍵瓶頸。我們已經告別了只會講笑話的聊天機器人時代，正式進入了無需人類監督即可執行複雜工作流程的「代理系統」（agentic systems）時代。這種轉變讓權力比以往任何時候都更加集中。這群少數人所做的決策，將決定未來十年財富如何分配以及真相如何驗證。重點已從「系統能說什麼」轉向「系統能做什麼」。這就是全球影響力的新現實。

超越研究實驗室

大眾常將人工智慧視為一個進展突飛猛進的靜態領域，但現實中，這是一場關於優化與基礎設施擴展的無情競賽。目前塑造該領域的關鍵人物，正致力於從大型語言模型轉向代理工作流程。幾年前，主要目標是讓機器聽起來像人類；今天，目標是讓機器成為可靠的員工。這種變化改變了權力的歸屬。我們看到重心從 2010 年代初期主導領域的純研究科學家，轉移到了能將原始模型轉化為成品的人身上。他們是那些找出如何在本地硬體上運行模型、如何將 API 呼叫延遲降至近乎零的人，也是負責談判維持資料中心運作所需巨額能源合約的人。

公眾認知與產業底層現實之間存在巨大鴻溝。大多數人仍認為我們正邁向單一、具備知覺的超級智慧，但現實卻分散得多。最具影響力的人物實際上正在構建數以千計專業化、窄域的代理程式。這些代理程式並非以人類的方式思考，而是針對法律調查、蛋白質摺疊或物流路徑規劃等特定任務進行優化。產業已從通用工具轉向高精度儀器。這種轉變雖然不如「機器之神」誕生那般戲劇化，但對全球經濟的影響卻深遠得多。引領這場變革的人深知，實用性永遠勝過新奇感。他們正將原始的計算密度（compute density）轉化為全球大型企業的實質經濟價值。

算力的地緣政治

AI 的影響力現在與國家安全和全球貿易密不可分。這份名單上的頂尖人物包括決定哪些國家可以購買最新晶片的政府官員，也包括 NVIDIA 和 TSMC 等管理智慧硬體生產的企業高層。世界目前被劃分為能生產高階半導體與不能生產的兩類。這種分歧創造了一種新型的槓桿效應。華盛頓或北京的一個政策變動，就可能在一夜之間讓整個軟體生態系統的進展停滯。這就是為什麼這份影響力名單中，外交官和供應鏈專家的比例比五年前高出許多。他們是物理層的守門人。沒有他們的合作，最先進的演算法也只是無處運行的程式碼。

這 20 位人物的全球影響力也延伸到了勞動力市場。我們正看到白領產業出現結構性替代的初步跡象。OpenAI 和 Anthropic 等公司的領導者不僅是在打造工具，他們正在重新定義「專業人士」的含義。透過自動化中層管理與分析工作，他們迫使政府重新思考教育與社會安全網。這不是未來的理論問題，而是正在發生的現實，企業正將這些系統整合至核心業務中。這 20 人的影響力在每家財星 500 大企業的董事會中都能感受到。他們正在設定變革的節奏，而這個節奏目前已超越了大多數機構的適應能力。快與慢之間的差距正在擴大，而這些建築師正是握有地圖的人。

與代理共存

要理解這些人的影響力，可以想像一下大型企業專案經理的一天。五年前，這個人需要花數小時起草郵件、安排會議與整理報告；今天，這些任務由這 20 人所建構的平台協調的代理網路處理。當經理醒來時，代理程式已經根據先前的互動分類好郵件並起草了回覆。另一個代理程式則監控軟體建構進度，並標記供應鏈中的潛在延遲。這不是魔法，而是針對業務特定需求調整後的代理工作流程（agentic workflows）成果。經理不再是執行者，而是編輯者與決策者。這種日常生活的轉變，是產業領袖工作最顯著的後果。他們已成功將技術從瀏覽器分頁移到了我們生活的背景中。

對於創作者與開發者來說，這種影響同樣深遠。今天的軟體工程師使用的工具，能在第一次測試前就建議整段程式碼並捕捉錯誤。這將生產力提高了幾個數量級，但也提高了門檻。塑造這個領域的人，決定了這些工具該如何訓練以及使用什麼資料。這帶出了資料來源的問題。這 20 人的影響力也體現在關於版權與智慧財產權的法律戰中。他們決定了整個網際網路都是訓練集。這個決定對我們如何評估人類創造力產生了永久性影響。每當設計師使用生成式工具時，他們都在與一個基於少數人決策所構建的系統互動。這就是權力所在。這是一種為整個創意經濟設定預設值的權力。用於訓練這些模型的資訊是新的黃金，而控制礦場的人就是世界上最有權勢的人。

這種影響力的真相，往往隱藏在簡潔的介面與簡單的 App 之後。在幕後，有一項龐大的行動在維護這些系統的準確性與安全性。各大實驗室負責安全與對齊（alignment）團隊的負責人，其影響力與執行長不相上下。他們決定了 AI 被允許說什麼以及必須拒絕什麼。他們是機器在沒有自身道德情況下的道德仲裁者。這是一項常被大眾忽略的沉重責任。當 AI 拒絕生成有害圖像或偏頗報告時，它是在遵循一小群人所編寫的規則。他們的影響力隱形卻全面。他們正在塑造數位世界中可能性的邊界。這不僅僅是技術挑戰，更是一個將定義未來數十年人類與機器關係的哲學問題。

智慧的代價

誰來支付這些系統巨大的能源消耗？這是產業中最具影響力的人物目前試圖回答的問題。單次 AI 查詢的隱形成本遠高於傳統搜尋。隨著這些系統越來越融入我們的生活，電網的壓力成為首要考量。那些引領小型模組化反應爐與專業 AI 能源解決方案的人，正成為新的權力玩家。我們必須問：自動化助理帶來的便利，是否值得為此付出維持資料中心運作的環境代價？此外還有隱私問題。隨著我們邁向更個人化的代理程式，這些系統需要存取更多個人資料。當資料被模型處理後，誰擁有這些資料？它能被真正刪除嗎？這些是產業為了談論技術優勢而經常迴避的困難問題。

這 20 位頂尖人物的影響力，也體現在他們處理技術侷限性的方式上。我們目前看到傳統模型的擴展出現瓶頸。下一個飛躍可能來自演算法效率，而非僅僅增加更多 GPU。那些找到「以更少資源做更多事」方法的人，將引領下一階段的成長。他們將使 AI 能被小型企業與開發中國家所使用。這是演化的關鍵點。如果技術成本高昂到只有大型企業才用得起，將導致全球不平等加劇。那些致力於普及這些工具的人，其影響力與打造出首批大型模型的人一樣重要。他們將決定這項技術是造福大眾的工具，還是少數人的武器。懸而未決的問題依然是：我們能否建立一個既強大又真正去中心化的系統？

基礎設施堆疊

對於進階使用者來說，這 20 人的影響力體現在他們日常使用的工具技術規格中。我們正看到模型轉向本地執行，這是出於對低延遲與更好隱私的需求。那些為筆記型電腦與手機設計下一代 NPU 硬體的人，正處於這一轉變的核心。他們讓在口袋大小的裝置上運行十億參數模型成為可能。這需要硬體與軟體之間的深度整合。能彌合這一差距的人，將定義未來的用戶體驗。我們也看到 API 使用方式的轉變。重點正從簡單的請求與回應模式，轉向能處理數小時或數天複雜任務的長時運行程序。這需要一種能跨多個工作階段管理狀態與上下文的新型基礎設施。

當前 API 的限制是開發者的主要瓶頸。打造下一代編排層（orchestration layers）的人，將解決這個問題。他們正在創建能根據任務需求自動切換不同模型的系統。這被稱為模型路由（model routing），是現代 AI 堆疊的關鍵部分。它允許開發者即時平衡成本、速度與準確性。另一個重點領域是本地儲存與檢索。向量資料庫與檢索增強生成（RAG）的使用已成為標準做法。優化這些系統的人，正讓 AI 對擁有大量專有資料的企業變得有用。他們將通用模型轉變為了解特定公司一切資訊的專業工具。這就是讓技術對企業產生實質意義的工作，也是那些正在為新數位經濟奠定基礎的建築師們的工作。

下一次演化

在 2026 年塑造 AI 的人物不僅是在打造軟體，他們正在為人類工作的未來構建作業系統。他們所擁有的影響力是前所未有的，並伴隨著我們才剛開始理解的責任。我們已經告別了最初的興奮，進入了嚴肅實施的階段。現在的重點是可靠性、安全與規模。能在這些方面交付成果的人，將繼續留在名單前列。他們將決定我們如何與技術互動，以及如何與彼此互動。最重要的是要記住，這仍是一個不斷演化的領域。規則正由一小群對未來有特定願景的人即時編寫。該願景是否與世界其他地區的需求一致，是我們時代最重要的問題。這項技術的演化將繼續讓我們驚喜，但背後的人仍將是其成功或失敗的最重要因素。

您有任何關於 AI 的故事、工具、趨勢或問題，認為我們應該報導嗎？ 將您的文章想法寄給我們 — 我們很樂意聽取您的意見。

編者按： 我們創建這個網站，是為了那些不是電腦高手，但仍希望了解人工智慧、更自信地使用它，並追隨已經到來的未來的人們，提供一個多語言的人工智慧新聞和指南中心。