# 斯坦福 Stanford AI Index Report 2026
**作者**: Star@Day1Global Podcast
**日期**: 2026-04-30T07:46:45.000Z
**来源**: [https://x.com/starzq/status/2049757331093893278](https://x.com/starzq/status/2049757331093893278)
---
1. AI 能力并未触顶，反而在加速进步，触达的人群也比以往任何时候都更广。2025 年，业界产出了全球 90% 以上的"知名前沿模型"（notable frontier models）。其中数个模型在博士级科学问题、多模态推理、奥数竞赛上已达到或超越人类基线水平。在关键编码基准 SWE-bench Verified 上，模型表现一年内从 60% 跃升至接近人类基线的 100%。组织层面的 AI 采用率达到 88%，五分之四的大学生在使用生成式 AI。
2. 中美 AI 模型的性能差距已基本消失。自 2025 年初以来，中美模型多次互换领先位置。2025 年 2 月，DeepSeek-R1 一度追平美国顶级模型；截至 2026 年 3 月，Anthropic 的顶级模型仅领先 2.7%。美国仍在顶级模型数量和高影响力专利上占优；中国则在论文发表量、引用数、专利产出、工业机器人安装量上领先。韩国在创新密度上突出，人均 AI 专利全球第一。
3. 美国拥有全球最多的 AI 数据中心，但绝大多数芯片由一家台湾代工厂制造。美国拥有 5,427 座数据中心，是任何其他国家的 10 倍以上，能耗也是全球最高。台积电（TSMC）一家公司几乎制造了所有领先的 AI 芯片，使全球 AI 硬件供应链高度依赖台湾这一家代工厂——尽管 TSMC 在美国的扩产工厂已于 2025 年开始运营。
4. AI 模型能在国际数学奥林匹克（IMO）拿金牌，却无法可靠地辨识时间——这就是研究者所说的 AI 能力的"锯齿状前沿"（jagged frontier）。Gemini Deep Think 拿到了 IMO 金牌，但顶级模型读取模拟时钟的正确率只有 50.1%。AI Agent 在 OSWorld（测试代理在真实操作系统中完成电脑任务）的成功率从 12% 跃升至约 66%，但在结构化基准上仍约有三分之一的任务失败。
> 💡 jagged frontier（锯齿状前沿）：指 AI 能力分布极不均匀——在某些任务上超越人类，在另一些看似简单的任务上却完全失败。这是 Ethan Mollick 等学者推广的概念。
5. 即使在受控环境中表现出色，机器人在大多数家务任务上仍然失败。机器人完成家务任务的成功率仅为 12%，凸显了 AI 在掌握物理世界方面与人类的差距。在软件仿真的 RLBench 上，机器人操作的成功率达到 89.4%——但可预测的实验室环境与不可预测的家庭环境之间存在巨大鸿沟。
6. 负责任 AI（Responsible AI）的发展未能跟上 AI 能力的提升，安全基准滞后，事故数量快速上升。几乎所有领先的前沿模型开发者都会报告能力基准的结果，但负责任 AI 基准的报告仍参差不齐。已记录的 AI 事故从 2024 年的 233 起升至 362 起。更糟的是，最新研究发现：改善某一项负责任 AI 维度（如安全性）会损害另一项（如准确性）。
7. 美国在 AI 投资上仍居全球领先，但其吸引全球人才的能力正在下降。2025 年美国私人 AI 投资达 2,859 亿美元，是中国 124 亿美元的 23 倍以上——不过仅看私人投资可能低估中国的总 AI 支出（中国有政府引导基金）。美国创业活动也最活跃，2025 年新获融资的 AI 公司达 1,953 家，是第二名国家的 10 倍以上。但是，迁往美国的 AI 研究者与开发者人数自 2017 年以来下降了 89%，仅过去一年就下降了 80%。
8. AI 采用以历史性速度扩散，消费者从这些常常免费使用的工具中获得了巨大价值。生成式 AI 在三年内达到 53% 的人口采用率，比 PC 或互联网的扩散速度更快——但各国差异显著，且与人均 GDP 强相关。新加坡（61%）和阿联酋（54%）的采用率高于预期；美国仅排第 24 位，为 28.3%。生成式 AI 工具到 2026 年初为美国消费者创造的估值已达每年 1,720 亿美元，每用户中位价值在 2025 至 2026 年间翻了三倍。
9. AI 带来生产力提升的领域，正是初级岗位就业开始下滑的领域。研究显示客服和软件开发的生产力提升达 14–26%，但需要更多判断力的任务效果较弱甚至为负。AI Agent 在几乎所有业务职能中的部署率仍是个位数。在 AI 生产力收益最明显的软件开发领域，22–25 岁的美国开发者就业人数自 2024 年下降近 20%，而高龄开发者的人数仍在增长。
10. AI 的环境足迹正与其能力同步扩张。Grok 4 的训练排放估计达 72,816 吨二氧化碳当量。AI 数据中心总功率容量上升至 29.6 吉瓦，相当于纽约州的峰值用电需求。GPT-4o 一年的推理用水量可能超过 120 万人的饮用水需求。
11. AI 模型在科学领域可超越人类科学家，但更大的模型并不一定表现更好。前沿模型在 ChemBench 上平均超越人类化学家，但在天体物理学复现题上得分低于 20%，地球观测题为 33%。一个 1.11 亿参数的蛋白质语言模型 MSAPairformer 在 ProteinGym 上击败了此前的领先方法；2 亿参数的基因组学模型 GPN-Star 击败了一个参数量近 200 倍的模型。绝大多数科学 AI 基础模型源自跨部门合作，与通用 AI 由产业界主导的格局形成鲜明对比。
12. AI 正在改变临床医疗，但严格的循证依据仍然有限。2025 年，自动从问诊中生成临床记录的 AI 工具被广泛采用。多家医院系统的医生反馈：写病历的时间最多减少 83%，倦怠感显著下降。但除少数工具外，临床 AI 的循证基础仍然薄弱。一项对 500 多项临床 AI 研究的综述发现，近一半依赖考试题式的问题而非真实病人数据，仅 5% 使用真实临床数据。
13. 正规教育落后于 AI 发展，但人们正在人生的每个阶段学习 AI 技能。超过 80% 的美国中学生和大学生在课业中使用 AI，但只有一半的中学有 AI 政策，且只有 6% 的老师认为这些政策清晰。课堂之外，AI 工程技能增速最快的是阿联酋、智利和南非。美国和加拿大的新晋 AI 博士数从 2022 到 2024 年增长 22%，但这些新增的博士选择了进入学术界而非产业界。
14. AI 主权（AI sovereignty）正成为国家政策的标志性议题，但各国能力仍不均衡，而开源开发正在重新分配参与权。各国国家级 AI 战略持续扩张，尤其在发展中经济体中。国家主导的 AI 超级计算投资同步上升——这是各国在国内 AI 生态系统主控权上野心扩张的信号。但模型生产仍集中在美中两国。开源开发正在重塑参与格局：除欧美外，世界其他地区在 GitHub 上的贡献已超越欧洲，正逼近美国，催生出语言更多元的模型与基准。
> 💡 AI sovereignty（AI 主权）：指一个国家对其 AI 基础设施、模型、数据和人才的自主控制能力，相当于"算力时代的国家主权"。
15. AI 专家与公众对这项技术未来的看法存在巨大分歧，全球对 AI 监管机构的信任也支离破碎。关于 AI 对人们工作方式的影响：73% 的专家预期是正面的，而公众只有 23%——分歧高达 50 个百分点。在 AI 对经济和医疗的影响上，分歧同样显著。在受访国家中，美国本土民众对本国政府监管 AI 的信任度最低，仅 31%。从全球范围看，欧盟在有效监管 AI 上的可信度高于美国或中国。
全文：https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf
## 相关链接
- [Star@Day1Global Podcast](https://x.com/starzq)
- [@starzq](https://x.com/starzq)
- [600](https://x.com/starzq/status/2049757331093893278/analytics)
- [https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf](https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [3:46 PM · Apr 30, 2026](https://x.com/starzq/status/2049757331093893278)
- [600 Views](https://x.com/starzq/status/2049757331093893278/analytics)
---
*导出时间: 2026/4/30 16:39:02*