速览2026年斯坦福AI指数报告

撰文：jsai@金色财经

2026年4月17日斯坦福大学HAI（Human-Centered AI）研究院发布2026年AI指数报告。这是迄今为止最全面的AI年度报告，共423页，涵盖研究与开发、技术性能、负责任AI、经济、科学、医学、教育、政策治理与公众舆论九大领域。

报告的核心主旋律可以用一句话概括：AI的能力在以令人眩晕的速度前进，而围绕它构建的评估体系、治理框架、教育制度和监管机制，都在艰难地追赶。

一、报告十大要点总结

1、AI 能力并未进入平台期，反而正在加速普及

工业界在2025年产出了超过90%的顶尖前沿模型。目前，多个模型在博士级科学问题、多模态推理和竞赛数学方面已达到或超过人类基准。在关键编程基准测试 SWE-bench Verified 上，性能在一年内从60%飙升至接近100%。机构采用率达到88%，五分之四的大学生正在使用生成式 AI。

2、中美 AI 模型性能差距已基本消除

自2025年初以来，中美模型多次更替领先地位。2025年2月，DeepSeek-R1 曾短暂追平美国顶尖模型；截至2026年3月，Anthropic 的最强模型仅领先2.7%。美国在顶级模型数量和高影响力专利方面仍具优势，而中国在论文发表量、引用量、专利产出及工业机器人安装量上处于领先。韩国凭借人均 AI 专利数全球第一，展现出极高的创新密度。

3、美国拥有最多的 AI 数据中心，但其多数芯片由一家台湾代工厂制造

美国拥有5,427个数据中心，是其他国家的10倍以上，能源消耗也居全球之首。台积电几乎制造了所有领先的 AI 芯片，这使得全球 AI 硬件供应链高度依赖台湾的这一家代工厂——尽管台积电在美国的扩建项目已于2025年投入运营。

4、AI 模型能赢得国际数学奥林匹克金牌，却无法可靠地辨认时间——研究者称之为 AI 的“崎岖前沿（Jagged Frontier）”

Gemini Deep Think 获得了国际数学奥林匹克竞赛金牌，但顶尖模型识别模拟时钟（指针表）的准确率仅为50.1%。在测试跨操作系统真实电脑任务的 OSWorld 上，AI 智能体（Agents）的任务成功率从12%跃升至约66%，但在结构化基准测试中仍有约三分之一的尝试以失败告终。

5、负责任 AI 的发展未能跟上 AI 能力的步伐，安全基准滞后且相关事故激增

几乎所有领先的前沿 AI 开发商都会报告能力基准结果，但对“负责任 AI”基准的报告仍不完整。记录在案的 AI 事故从2024年的233起上升至362起。更具挑战的是，近期研究发现，提升负责任 AI 的某个维度（如安全性）可能会削弱另一个维度（如准确性）。

6、美国在 AI 投资领域领先，但吸引全球人才的能力正在下降

2025年美国私人 AI 投资达到2859亿美元，是中国的124亿美元的23倍多——但考虑到政府引导基金，仅看私人投资数据可能低估了中国的总投入。美国在创业活跃度上也处于领先，2025年新成立的获投 AI 公司达1,953家，是紧随其后国家的10倍多。然而，迁往美国的 AI 研究人员和开发人员数量自2017年以来下降了89%，仅去年一年就下降了80%。

7、AI 的普及速度创下历史纪录，消费者正从通常免费的工具中获得巨大价值

生成式 AI 在三年内达到了53%的人口普及率，速度快于个人电脑（PC）或互联网。普及速度因国而异，且与人均 GDP 强相关。部分国家表现出超预期的高普及率，如新加坡（61%）和阿联酋（54%），而美国以28.3%排名第24位。到2026年初，生成式 AI 工具为美国消费者创造的年价值估计达1720亿美元，用户中位价值在2025至2026年间翻了两番。

8、正规教育落后于 AI 发展，但人们正在人生的各个阶段学习 AI 技能

超过80%的美国高中生和大学生在学习任务中使用 AI，但只有一半的中学和高中制定了 AI 政策，且仅有6%的教师认为这些政策清晰明确。在课堂之外，AI 工程技能在阿联酋、智利和南非加速最快。2022至2024年间，美加地区的 AI 博士生人数增长了22%，但这些新增的博士主要选择了学术界而非工业界职位。

9、AI 主权正成为国家政策的定义性特征，虽然能力分布仍不均衡，但开源开发正助力参与者多元化

各国 AI 战略正在扩张，特别是在发展中经济体，国家背景的 AI 超算投资同步增长，标志着各国对掌控本土 AI 生态系统的野心日益增强。目前模型生产仍集中在中美两国。开源开发正在重塑参与格局，GitHub 上来自世界其他地区的贡献现已超过欧洲，并逼近美国，推动了语言多样化模型和基准的发展。

10、AI 专家与公众对技术的未来看法大相径庭，全球对管理 AI 的机构信任度呈碎片化

关于 AI 对工作的影响，73%的专家预期会有积极作用，而公众中仅有23%持此观点，差距达50个百分点。在 AI 对经济和医疗的影响方面也存在类似分歧。全球对政府监管 AI 的信任度不一。在受访国家中，美国对其政府监管 AI 的信任度最低，仅为31%。在全球范围内，欧盟在有效监管 AI 方面比美国或中国更受信任。

二、报告解读

1、能力前沿：加速、收敛与"锯齿形"边界

性能突破正在让基准测试过时

2025年，AI能力的提升速度不仅没有放缓，反而在加快。前沿模型在单一年份内于Humanity's Last Exam（专为难倒AI而设计的基准测试）上提升了30个百分点；而SWE-bench Verified（软件工程代码能力测试）从60%飙升至接近100%的人类基线，仅用了一年。

更深刻的问题是：AI的进步速度已经超过了为测量它而设计的基准测试。那些本该在数年内保持挑战性的评估，数月内就被饱和。评估工具失效意味着我们正在失去追踪AI真实进展的仪器。

顶级模型性能高度收敛

按Arena Elo竞技评分，截至2026年3月，Anthropic（1503分）、xAI（1495分）、Google（1494分）、OpenAI（1481分）、阿里巴巴（1449分）和DeepSeek（1424分）聚集于顶端，顶级4家公司仅相差25分。能力本身已不再是差异化竞争维度，竞争压力正在转向成本、可靠性和特定领域性能。

美中AI差距实质性消失

2025年初以来，美中顶级模型在性能排名上多次易位。2025年2月，DeepSeek-R1短暂追平了美国最强模型；截至2026年3月，美国顶级模型的领先优势仅剩2.7%，且在过去一年内持续在个位数区间波动。与此同时，中国在论文发表量、引用量、专利授权数和工业机器人安装量上均领先全球；美国则在顶级模型开发数量（2025年美国50个，中国30个）和高影响力专利上仍占优势。韩国凭借人均AI专利密度位居全球第一，展现出独特的创新活力。

"锯齿形智能"：能拿数学奥赛金牌，却看不准时钟

报告提出了"锯齿形前沿"（jagged frontier）这一核心概念。Gemini Deep Think在2025年国际数学奥林匹克竞赛中获得金牌（35分），在4.5小时内全程用自然语言完成解题；然而同款顶级模型在ClockBench上读取模拟时钟的正确率仅为50.1%，而人类达到90.1%。

这种不均衡性在专业领域同样存在：AI模型在税务、抵押贷款处理、企业金融和法律推理的评估中表现在60%至90%之间——前15名模型之间差距不过3个百分点——说明高可靠性专业场景仍是重大挑战。

AI Agent：从12%到66%的大跳跃，但仍有三分之一的失败率

在OSWorld（测试跨操作系统的真实计算机任务）上，AI Agent的准确率从约12%大幅跃升至66.3%，接近人类表现，进步显著。但在结构化基准测试上，Agent仍约三分之一时间告败。机器人领域的"锯齿"更加明显：RLBench软件仿真环境中操控成功率达89.4%，而在真实家庭任务中仅能完成12%。自动驾驶是罕见的例外，已实现规模化部署并呈现出令人鼓舞的安全记录。

2、研发格局：工业主导、透明度下滑、集中度上升

产业界主导前沿，透明度却在倒退

2025年超过90%的值得关注的前沿模型由产业界生产，但能力最强的模型恰恰是最不透明的。OpenAI、Anthropic、Google等多家顶级实验室已停止披露训练代码、参数量、数据集规模和训练时长。Foundation Model透明度指数的平均分从2024年的58分骤降至2025年的40分。"越强越秘密"的趋势，让独立评估和安全研究面临前所未有的障碍。

算力：3.3倍的年增速与单点脆弱性

全球AI算力自2022年以来每年增长3.3倍，2025年达1710万H100等效算力。英伟达占据60%以上份额，谷歌和亚马逊提供大部分其余部分，华为则占据小但不断增长的份额。

然而这一庞大体系存在一个致命的单点依赖：几乎所有顶级AI芯片都由台积电（TSMC）一家代工厂制造，使全球AI硬件供应链极度依赖台湾。2025年台积电美国工厂开始运营，但这一结构性风险短期内无法消除。美国拥有5427个数据中心，超过排名第二国家的10倍，但其能耗也同样居全球首位。

环境代价：数字已触目惊心

AI的环境足迹随其能力同步扩张。Grok 4的训练预估排放量达72816吨CO₂当量；AI数据中心总功率容量升至29.6吉瓦，相当于纽约州峰值用电需求；仅GPT-4o推理一项，年耗水量可能超过1200万人的饮水需求。

3、经济影响：投资暴增、生产率可见，就业影响初现

全球AI投资超历史记录

2025年，全球企业AI投资超过翻倍，私人投资增速高达127.5%，占总量60%。生成式AI增长超过200%，吸引了近一半私人AI融资。美国私人AI投资达2859亿美元，是中国的23倍；新获融资AI公司达1953家，是排名第二的国家的10倍以上。

消费者价值与采用速度双创纪录

生成式AI在三年内实现53%的全球人口采用率，速度超过个人电脑和互联网。美国消费者从生成式AI工具获得的年度估算经济价值在2026年初达到1720亿美元（2025年为1120亿美元），中位数用户价值一年内翻了三倍，而绝大多数工具仍然免费或接近免费。

企业层面，88%的受调查组织已采用AI，中国和欧洲增速最快；70%的组织在至少一项业务功能中使用生成式AI。但AI Agent在几乎所有业务功能中的部署仍处于个位数阶段。

值得注意的是，尽管美国主导了AI投资和模型开发，其生成式AI采用率却仅28.3%，在全球排名第24位；而新加坡（61%）和阿联酋（54%）的采用率远超其GDP水平所预测的值。

劳动力：生产率红利与就业隐忧同步显现

研究显示AI带来的生产率提升集中于可量化的结构性工作：客户支持提升14-15%、软件开发提升26%、营销产出提升50%；在需要更深层判断的任务中，效果减弱甚至为负。

与此同时，就业影响的早期信号已经出现，且高度集中于最年轻的工作者。美国22至25岁软件开发人员就业人数从2024年下降了近20%，而年龄较大的开发人员数量仍在增长。三分之一受调查组织预计在未来一年缩减人员，但这一预期变化在整体就业数据中尚未大规模体现。报告还发现一个令人警惕的长期效应：过度依赖AI可能带来学习惩罚，减缓人类技能的长期积累。

4、负责任AI：事故激增，安全与能力的矛盾无解

2025年，记录在案的AI事故数量上升至362起，相较2024年的233起增加了55%。与此同时，能力基准测试受到普遍测试，但负责任AI基准测试的报告参与率依然稀疏。

更深层的挑战是：提升某一负责任AI维度往往会降低另一维度。训练旨在提高安全性的技术会一致性地损害准确性，反之亦然。这一实证发现意味着"安全且准确的AI"并非简单的工程问题。

在幻觉与可靠性上，26个顶级模型的幻觉率从22%到94%不等，跨度触目惊心。当虚假陈述被包装为"另一个人的信念"时，模型表现良好；但当同样的虚假陈述被呈现为"用户自己的信念"时，性能骤然崩溃——模型尚不能可靠区分知识与信念。

在对抗性攻击下，多个前沿模型在AILuminate基准测试的标准场景中获得"非常好"或"良好"的安全评级；但面对精心设计的越狱提示，所有被测模型的安全性能均出现下降。

5、科学与医学：潜力巨大，证据体系仍然薄弱

科学领域：局部突破，全局复现率偏低

AI在科学领域的出版物年增26%，占2025年全部科学研究产出的5.8%至8.8%。顶级模型在ChemBench上对化学问题的平均表现超越了人类化学家，但同时在基础任务上频频失误；在ReplicationBench天体物理复现测试中得分低于20%；Earth观测问答准确率仅33%，代码失败率高达58%。

一个引人注目的反直觉发现是：小模型正在击败大模型。1.11亿参数的MSAPairformer在ProteinGym蛋白质预测基准上击败了此前所有方法；2亿参数的GPN-Star基因组模型击败了参数量近200倍的竞争者。科学领域AI模型的开发主要来自学术机构和跨机构合作，与通用AI的产业主导格局截然不同。

医学领域：自动病历成功落地，临床证据基础薄弱

2025年，自动生成临床病历工具获得大规模应用，多个医院系统的医生反映写病历时间减少达83%，职业倦怠显著降低。然而，对500余项临床AI研究的综述发现：近一半研究依赖考试题型而非真实患者数据，仅5%使用了真实临床数据。临床AI工具在落地层面领先，但支撑其可信度的证据体系远未成熟。

6、教育与人才：使用先于政策，博士增长流向学界

美国高中和大学生中超过80%使用AI完成学业相关任务，但只有一半中学具备AI政策，仅6%的教师认为这些政策表述清晰。中国和阿联酋已于2025-2026学年开始强制推行AI教育，代表着全国性AI素养培育的结构性转变。

在人才培养层面，2022年至2024年间，美国和加拿大新增AI博士数量增加了22%，但增量部分全部流向学术岗位，而非产业界——逆转了过去十年AI博士持续向产业倾斜的趋势。与此同时，AI研究人员和开发者迁入美国的数量自2017年以来下降了89%，仅过去一年就下降了80%，美国对顶级AI人才的吸引力正在显著衰减。

7、政策、治理与公众认知：信任撕裂，主权竞赛开始

立法加速，但监管仍追不上AI落地速度

各国AI治理策略持续扩充，尤其是发展中经济体正在加速布局。各国对AI超级计算的国家投资也在同步上升——国家主权AI的雄心正从言辞转向基础设施。但模型生产仍高度集中于美中两国；开源开发正在重新分配参与权，来自世界其他地区的GitHub贡献量已超过欧洲，并接近美国，推动了更多语言多样性的模型和基准测试。

专家与公众的认知鸿沟：50个百分点

关于AI对工作的影响，73%的专家预期正面效果，而公众中只有23%持相同看法——差距高达50个百分点。类似的鸿沟在经济影响和医疗效果的问题上同样存在。

在对政府监管AI的信任度方面，美国在受调查国家中排名垫底，仅31%的受访者信任本国政府能够有效监管AI。全球范围内，欧盟的监管可信度评分高于美国和中国。

三、结语

2026年斯坦福AI指数报告揭示的核心张力，是能力曲线与治理曲线之间持续扩大的剪刀差。

AI在编码、数学、科学推理、医疗辅助、气候预测等领域创造了真实可量化的价值，正以前所未有的速度渗透进企业、学校、医院和政策制定机构。

然而，让我们真正能够理解、衡量、引导这种渗透的基础设施——评估基准、监管框架、教育政策、透明度机制——正在力不从心。

报告没有对AI的未来给出乐观或悲观的裁决，它提供的是一套精准的测量仪器，告诉我们这场技术变革在哪些维度上超出了人类的预期，又在哪些维度上暴露了我们准备不足的真实代价。