https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech
麥肯錫在 2026 年 9 月出版 Technology Trends Outlook 2026，第六版。作者是 Michael Chui、Roger Roberts、Tanguy Catlin。前兩位在灣區，Catlin 在波士頓。今年的故事被從螢幕搬進實體世界：撐起資料中心的電網和晶片、把 AI 做進身體的機器人、自己找新化合物的 agent 系統，以及把上千顆衛星送上軌道的發射台。
AI 要再放大，就得有電。光是能源技術，2025 年就吸進近 2,000 億美元投資，在各個科技領域裡屬於最高的那一檔。AI 基礎設施的支出，一年內翻了一倍。報告認為，現在要問的也包括誰蓋得起硬體、湊得齊會部署的人，把 AI 放進真實世界。同一時間，資安和軟體開發也跳得很大，數位這一側同樣在被加快。
組織正在沒有已驗證路線圖的情況下，搶著把 AI 拉到可運作的規模。人要重新訓練，舊系統要更新，網路暴露在一直變的安全風險裡。缺的是電、人才、資金。報告認為，跨過這些障礙，部署技術只是一截，還得從內部改掉既有的營運模式。
十四條分成三組，今年新加兩條
今年列了十四條，比去年多兩塊長得很快的領域：Agentic 軟體開發，以及科學發現與工程用的 AI。前者已經實質改掉軟體怎麼被做出來；後者開始改科學研究與工程怎麼做。雲端和邊緣運算今年不列了。報告的說法是這兩項已經成熟、被廣泛採用，創新還在，但量測到的水準比不上仍在前線的題目。
三組名字如下。AI 革命：Agentic 軟體開發、Agentic AI、科學發現與工程用的 AI、AI 基礎設施與模型架構。算力與連線的前線：特定用途半導體、資安與可信任系統、進階連線、沉浸式實境、量子技術。尖端工程：機器人、移動、太空、生命科學與生物工程、能源與永續。移動在這份報告裡指交通載具，包含能自己做即時決定、不必有駕駛的車子。
四條是 AI 本身。另外十條也被 AI 加快。機器人裡出現能跟周圍互動的自主機器。生命科學公司找新藥的速度被拉開許多倍。資安的作法、半導體的創新、基礎設施本身，都在被改。寫程式這條，報告開頭用很多個數量級形容產能，後面量到的分布沒有那麼整齊。組與組的界線在模糊，很多新東西發生在縫裡。
去年還有三個名字被改過。原先的 AI 趨勢，今年叫 AI 基礎設施與模型架構。數位信任與資安，改叫資安與可信任系統，強調安全要持續織進硬體和軟體。生物工程改叫生命科學與生物工程，把治療、診斷、基因體和腦科學拉進同一條。
採用程度報告打 1 到 5。1 仍是前沿，幾乎還沒人拿去用。2 是實驗，小規模原型，不急著算回收。3 是試點，先在少數業務用途上部署。4 是規模化進行中。5 是已經在整個企業採用，變成標準做法。
螢幕上的事，Agent 開始自己做完
十四條放在一起，有五件事反覆出現。報告認為，負責帶組織的人得懂這五件。
AI 已經改過螢幕上的工作：回答問題、起草文件、摘要通話。接下來，人把更多自主交給機器。Agent 會自己把許多數位任務從頭做到尾。Agentic AI 被寫成人和 agent 並肩工作的那一層，改的是運作方式。
軟體開發是這件事已經看得到的現場。開發者不必一行一行敲，可以叫電腦做出要的應用。表現最好的工程師，變成會同時叫出好幾個 agent、讓它們寫程式、改程式、測程式的人，人自己去睡。工具從「開發者在旁邊即時下指示」往「把一件事交出去」移。Claude Code、Codex 這類工具把長時間自己跑的 agent 往前推。有的組織開始排下班後的流程：agent 過夜或過週末做事，下一輪工作時段交回寫好的程式、測試、分析或文件。人改成定流程、下判斷的人，執行交給 agent。報告描述，典型兩週一個衝刺的節奏，開始變成起草、測試、除錯、寫文件的連續迴圈，中間才等人審。
Physical AI 是再下一站。意思很具體：把感知、推理、動作加進機器人、交通載具和穿戴裝置，讓 AI 離開螢幕。通用機器人被訓練去認識環境，才能做複雜任務、走過沒有事先排好的場地。車子可以即時決定，不必有駕駛。工業系統可以在沒有人在場的暗廠裡做出複雜產品，報告用 dark factories 這個說法。沉浸式實境的頭戴裝置，同時跟配戴者和外面的世界即時互動。
報告寫，Physical AI 先出現在製造和物流，因為帳算得最清楚。往後指向醫院、工地、農場和城市基礎設施。
藥、程式、材料，都生得比後面的驗證快
生技這邊，AI 可以在過去只生得出少數幾個候選藥的時間裡，提出幾千個。後面那些年數它壓不短：濕實驗室驗證、臨床試驗、法規審查。軟體這邊，程式生得比人審查、測試、安全地部署還快，企業系統裡堆進脆弱的程式。材料這邊，有希望的化合物來得比實驗室合成、驗證還快。報告稱 AI 是近年最有力的加速器，速度本身也是最大的障礙。
軟體這條已經有數字，而且數字不站在同一邊。
報告引用麥肯錫 2026 年 8 月 21 日的研究：若部署成功，Agentic 軟體開發可能為企業釋出近 1 兆美元的價值。同一份研究寫，用了這類工具的公司只有四分之一達到他們定義的實質加速，也就是超過四分之一的團隊、生產力至少翻倍。報告同一段接著寫，用 AI 工具的軟體工程師，八成的生產力加快大約 3%；前兩成是 55%。要到那一層，得把表現最好的人的做法傳給其他人。沒有一套做法的話，會走到另一個結果：三成公司在團隊開始用 agentic AI 工具之後，生產力下降。看起來幾乎每個人都在 vibe coding，那不一定換成價值。
另一項被引用的研究把「寫出來」和「出貨」拆開。Demirer、Musolff、Yang 在 CEPR、2026 年 6 月 21 日的文章寫：AI 工具讓寫程式的活動增加 180%，出貨的版本只增加 30%。程式變多，產品沒有等比例變多。
開發者一個工作日大約只有十分之一在寫程式。瓶頸因此移到兩端：先決定要做什麼，再驗證做出來的東西到底能不能用。報告的分析說，表現最好的組織，把 AI 嵌進開發生命週期四個以上階段的機率，是其他人的六到七倍。出處是麥肯錫 2025 年 11 月 3 日的研究。
信任還沒跟上。Stack Overflow 2025 年開發者調查（2025 年 7 月 29 日）：全球 46% 的開發者主動不信任 AI 工具的準確度，33% 信任，高度信任產出的只有 3%。報告把近程目標寫成：在受控的環境裡，人和 agent 一起產生、測試、部署程式。
採用分數是 3，試點。多數組織已經開始試，有些往規模化走，少數快的公司把 agentic 工具當成核心的產品開發流程。科技公司最前面。舊產業還在處理人、流程和治理，否則這套東西進不了日常。北美仍是活動中心。歐洲更小心，強調治理、合規和軟體品質，常常只在少數用途、人看得更緊。亞太在跟數位轉型、工業流程或大型系統現代化綁在一起的地方增長。
科學發現那條更早。採用分數是 2，實驗。多數組織還在起步，雖然過去一年投資和實驗明顯加速。北美在 AI 找藥、計算生物和基礎模型上的資金占比大，錢來自前沿 AI 公司、藥廠、超大規模雲端業者和研究型大學。藥廠、生技、電池、化學和材料組織，是目前最活躍的採用者。
漏洞公開時，利用方式常常已經寫好
以前攻防以天、以週計。防守方有時間先找到漏洞、先補上，攻擊方才有辦法用完。AI 把這段緩衝拿掉。目前超過四分之三的資安漏洞被歸成 zero-day：公開揭露的時候，exploit 已經做好。報告引的是 Zero Day Clock 的〈Zero Day exploitation pressure〉，查閱日寫 2026 年 9 月 4 日。
同一套能力同時服務兩邊。AI 幫安全團隊更快找到洞、補洞，也幫攻擊方更快找到、利用。前沿模型可以在機器的速度上自己發現並利用漏洞，漏洞從出現到被用掉的週期被壓短，人的處理速度跟不上。報告點名 Anthropic 的 Claude Mythos 就是這類模型。
Claude Mythos Preview 被拿來當這個兩面性的例子。模型找出上千個可能的安全缺陷。Anthropic 沒有公開放出。他們經由 Project Glasswing，給一小群防守方有限制的使用權，讓他們辨認、驗證、修補。這則更新的日期是 2026 年 5 月 22 日。
推論變成主要負載，客戶開始自己做晶片
通用晶片長期從筆電一路供到資料中心。AI 改了需求。訓練模型，再把它大規模跑起來（這段叫推論），要的是為特定工作負載最佳化的晶片。推論正在追上訓練，變成主要的 AI 工作負載。模型架構還在變，新的特定用途晶片就為了在那些模型上把推論做得更有效：同樣的電，給出更多結果，成本更低。資料中心的用電已經在拉緊電網，所以每度電能多擠出多少結果，變成晶片的設計條件。
Amazon、Google、Meta、Microsoft 大量投資蓋資料中心，晶片更快、效能更高，對它們直接有利。它們愈來愈常跟半導體廠一起設計配合自家 AI 模型的客製晶片，有些還在摸索把這些晶片賣給外面的客戶。報告的說法是：在晶片業，客戶正在變成另一種供應商。
影響超出半導體。Physical AI 的基礎設施怎麼設計，以及蓋這些機房時，做設備的、供電的，商業模式都在被改。
職缺的組成露出階段差。這份人才需求主要來自英語系國家的公開職缺。連線、資安、能源、生命科學、移動這五條，超過一半的職缺是非研發：總務與行政、營運、業務與行銷。創新還在推，部署已經開始，公司拿去跑算得過帳的用途。四條 AI 相關趨勢，加上特定用途半導體，職缺有超過 75% 仍在研發。報告拿這組職缺說明：過去幾年成長很快，階段仍早。
AI 基礎設施與模型架構的採用分數是 4，規模化進行中。公司正在企業裡擴大部署，各地、各產業的成熟度不同。北美在前沿模型、超大規模基礎設施和創投資金上仍領先。特定用途半導體也是 4。同組裡，Agentic 軟體開發和 Agentic AI 是 3，科學發現是 2。研發職缺占比高，和其中兩條已經在規模化，是兩組並存的數字。
資料中心蓋得比變壓器快
AI 很餓，電網還沒準備好。餓的是電力。
把 AI 拉到大規模使用，一頭撞上雲端巨頭也解不開的限制：電力。美國只計算跑 AI 工作負載的資料中心，2030 年的用電被預估會達到加州今天整州的用電。全球更大。這則預估來自麥肯錫 2025 年 12 月 17 日的文章，談的是 AI 工作負載和超大規模雲端業者的策略。
要多少電是一題。電怎麼送到是更卡的一題。資料中心蓋得比輸電線、變電所和變壓器的供應還快。供應鏈常常是原因。很多市場，變壓器的交期現在超過兩年。全球有超過 2,500 GW 的能源專案卡在電網排隊，等的併網可能是好幾年後。這則來自國際能源署 2026 年 2 月 6 日的說明。
對企業，拿到穩定的算力，開始變得跟拿到人才或資金一樣，是競爭條件。
能源與永續技術本身的採用分數，報告寫的是 4。組織已經走出試點，把這些技術拉到可運作的規模，明顯用在增加電網容量、供應資料中心。太陽能、風電、鋰電池、熱泵、節能，已經是能源投資的預設項目。綠氫、電製燃料、長時儲能、下一代理熱、小型模組化核反應爐、直接空氣捕捉，仍在早期商業化或專案開發。採用在各地不均。電網互聯、輸電、許可和設備瓶頸，在美國仍是明顯限制。歐洲盯的是能源安全、產業競爭力和電網更新，高電價與許可複雜度是它們的難題。
所以「近 2,000 億美元」和「電網沒準備好」可以同時成立。錢已經在能源技術上，送電的設備和排隊沒有跟著縮短。
五條投資外推至少翻倍，12.8 倍那條主要是一筆還沒完成的收購
投資數字看的是已經進到公司的股權資金：創投、企業與策略併購（含合資）、私募（含收購，以及對上市公司的私募投資）、公開募資（含 IPO）。不含企業自己的資本支出和營運費用。已成交的案子是訊號。報告沒有把它當成預測。
算法是：量 2026 年上半年、算到 6 月 30 日的交易，用線性的月速度外推全年。報告註明，超大額交易集中，加上行事曆的淡旺季，會把外推帶歪。這是方向估計。
圖上有五條，2026 年外推至少是 2025 年的兩倍。Agentic 軟體開發 12.8 倍。AI 基礎設施與模型架構 5.3 倍。科學發現與工程用的 AI 3.2 倍。太空技術 12.1 倍。機器人 2.1 倍。
十四條裡，除了進階連線，外推後的全年資金都高於前一年。進階連線是 1.0 倍，持平。它的採用分數已經是 4，規模化進行中，新錢沒有再放大。其他倍數是：能源與永續 1.3、生命科學與生物工程 1.3、資安與可信任系統 1.6、移動 1.2、特定用途半導體 1.1、量子 1.2、Agentic AI 1.4、沉浸式實境 1.9。沉浸式實境的採用分數是 2，外推不到兩倍。量子也是 2，1.2 倍。Agentic AI 的採用分數同樣是 3，外推 1.4 倍，和軟體開發那條的 12.8 倍差很遠。
12.8 倍要單獨拆開。做 Agentic 程式工具的公司，投資到 2023 年幾乎可以忽略，2024 年開始上升，2025 年大約 50 億美元，報告把該年股權投資標成 49 億美元。2026 年上半年越過 610 億美元，主要來自 SpaceX 以 600 億美元、用股票收購 Cursor。TechCrunch 在 2026 年 6 月 16 日報導這筆交易，時間是 Cursor 的 IPO 之後幾天。圖的註腳寫：已宣布，尚未完成。12.8 倍比的是 2025 年全年和 2026 年外推全年，這筆算在裡面。職缺同時在衝，2024 到 2025 年總量變成三倍以上，圖上的增幅是 +221%。採用分數仍是 3。錢先進來，而且一大段是一筆還沒交割的收購；多數公司還在試點。
另外四條翻倍的，使用階段也不一樣。AI 基礎設施是 4，規模化和 5.3 倍的資金同時在走。這條跟前面「支出一年翻一倍」算法不同。5.3 倍是這張圖把 2026 上半年外推到全年，對上 2025 的股權投資。開頭那句是支出，一年內翻倍。兩句都在。合成一個倍數，會把兩套數字混在一起。
科學發現是 2，外推 3.2 倍。機器人是 2，外推 2.1 倍。工業機器人在很多工廠已經上規模，倉庫機器人愈來愈常見；仍早的是 AI 驅動的移動操作、人形機器人，以及更廣的服務機器人。美國仍是機器人新創、Physical AI 模型、軟體和有創投支持的人形開發的主要中心，硬體要拉到規模比較難。中國是工業機器人最大市場，也成為人形生產與部署最重要的早期市場。報告引用 IFR 2025 年 9 月 25 日的資料：中國 2024 年約有 200 萬台工業機器人在運作，當年全球新安裝的工業機器人有 54% 落在中國。中國也把機器人放進第十五個五年規劃的核心，方向是 AI 驅動的機器人。
太空是 2，外推 12.1 倍。很少公司把太空技術嵌進大規模、會重複發生的業務流程。採用在推進的領域是電信、國防、能源、農業、保險和物流。美國在發射、航天器與基礎設施、網路層、太空衍生服務這四層仍然領先。歐洲有地球觀測、天氣預報、衛星導航和氣候監測，難處在私人投資、發射取得，以及下游商業化。錢的倍數，和已經嵌進日常業務，是兩筆分開的帳。
報告的收法是：2026 這十四條讓人看見，新東西可以很快改掉業務目標、全球市場和工作方式。再厲害的技術人也預測不了每一個突破。看懂變化背後的模式，才有機會去塑造，而不是事後才反應。
目前看得到的限制，就是上面這些數字。外推翻倍是方向，而且會被超大額交易拉過；600 億美元那筆還沒完成。科學、機器人、太空的資金倍數已經上去，採用仍停在實驗。藥和材料生得出來，濕實驗室與審查照舊要年。程式生得出來，三成公司的生產力下降，高度信任那些產出的開發者只有 3%。電的那一側，變壓器交期超過兩年，超過 2,500 GW 還在排隊。穩定的電力與算力，已經被寫成跟人才、資金並列的條件。