2026 State of AI Engineering — Barr Yaron, Amplify Partners

Amplify投資公司合夥人Bar Yarin每年進行AI工程現狀調查，2026年共收集1,048名工程師的回應。調查首先呈現一個發現：AI工程正在演變為跨越職能邊界的學科。受訪者既有軟體業資深人士轉身學習新範式，也有從未經歷過無AI世界的新手工程師，經驗層級與背景差異極大。這反映出AI能力已不再是專項職位，而是影響從創辦人到CTOs的普遍技能。

在實際應用層面，文字仍然是AI產品的核心基礎，但增長最快的是圖像生成。過去一年內，生成式圖像的使用者從18%上升至36%，幾乎翻倍，並與DALL-E 3、ChatGPT Images 2.0等模型的重大迭代同步發生。這表明圖像能力已從實驗玩具躍升至生產級別。更有趣的是音頻的信號——雖然當前使用者占比不高，但在未使用音頻的工程師中，56%明確表示計劃採用，這個數字比去年的37%有明顯加速。這種「intent to adopt」最高的狀態預示著音頻將是下一波主流採用的浪潮。

模型選擇的故事尤其值得關注，因為它打破了Twitter圈子裡的「開源vs閉源」二元論。調查顯示，94%的團隊使用閉源模型，45%同時使用開源模型，但最關鍵的是，90%同時使用兩者的團隊將開源視為補充而非替代品。當被問及選擇模型的核心考量時，質量絕對主導（沒有比較），其次是Tool Calling等智能化能力，第三是成本。相反地，「開源vs閉源」這個在技術論壇上激烈爭論的問題，僅被5%的受訪者列為前三考量——實務決策遠比意識形態務實。事實上，87%的團隊在生產中使用多個模型，按任務特性路由或比較輸出結果，這已經成為標配策略。組織開始嘗試平台與工具層面的標準化而非模型層面，因為發現試圖只用一個模型往往無法達到最優成本與質量的平衡。

成本管理的變化最值得重視。12個月前，成本還不是工程師討論的主流話題，但今年40%的受訪者說成本定期影響他們使用AI的雄心程度，另外36%表示有時會影響。換言之，75%的工程師已經在根據成本調整使用策略。這不是抽象討論，而是真實限制——在生產監控項目中，成本與Token使用已躍升至第二位重要指標（僅次於質量），與SLA並列監控。這直接改變了工程師的架構選擇，從「要什麼功能」轉變為「能用什麼預算實現什麼」。

Agent的演進是本年最戲劇化的轉變。95%的團隊現在使用Agent，相比去年的約48%直接翻倍。但更關鍵的是權限的升級：具有數據寫入權限的Agent從去年52%升至89%。這意味著Agent已經從「讀取與總結資訊」轉變為「在實際系統內採取行動」。把兩個變化結合，全體受訪者中使用具寫入權限Agent的比例相比去年增長超過三倍——這是從demo級走向生產級的真實跨越。但問題隨之而來：如何控制這些自主行動的系統？調查顯示，大多數團隊仍依賴人工審批與權限管理——本質上是用管理實習生的工具來管理AI Agent。下層則是各種實驗性嘗試：任務分解、檢索增強、內存管理、沙箱隔離，但沒有一種方案已成為行業標準。2/3的工程師表示，幻覺（hallucination）和mid-task上下文丟失是最大挫折，反映出控制層仍未成熟。

技術棧層面，Eval持續多年排名第一大挑戰，但有趣的是margin正在縮小——這可能意味著其他問題正在浮出水面。實際上，96%的受訪者都同意存在某種棧問題，只是無法達成共識。在構建vs購買的取捨上，模式相當清晰：Inference與模型服務是最多被購買的層（因為構建推理基礎設施成本與複雜度高），而Prompt管理（61%自建）、RAG、Evals等靠近產品邏輯的層則傾向自建——因為每個組織的需求獨特，很難用通用產品滿足。Fine-tuning則處於「還不成熟」態，大多團隊尚未探索。

在組織層面的影響，97%報告AI帶來淨正面效應，但核心不只是「速度」，而是「廉價失敗」——實驗變得幾乎免費，原型數倍增加，團隊願意下更多小賭注。但硬幣另一面同樣真實：90%以上感受到負面下游效應，最普遍的是深層技術技能流失和對代碼庫理解下降——廉價代碼生成的必然代價。更激進的轉變發生在組織邊界本身：81%表示AI正模糊工程師與產品/行銷角色的界線。軟體發佈曾經是工程師的獨占領地，但現在34%的團隊有非開發者發佈功能（大多數是內部工具或小範圍實驗），17%甚至定期讓非開發者發佈客戶面向功能。這表明AI民主化已經真實發生，不再是未來可能。

展望未來，76%的工程師表示AI提升了工作滿足感，但同時59%擔心今日構建的AI代碼將帶來長期負債——這是增長與風險並存的真實寫照。五年預測中，67%預期某家領導實驗室會宣布實現AGI（需注意：調查問的是宣布press release，不是實現本身），但只有9%押注Transformer在五年後仍為最先進架構，多數人態度是「未確定」或傾向於新架構。調查中最具爭議的問題（也最具趣味）是「未來五年空間內的AI計算會否超過陸地」，結果近乎平分：36%認為會，38%認為不會，反映出對AI計算地理分佈的根本不確定。